Question

我的问题是关于数据加载过程中的性能。我需要在16亿行表上创建四个索引，我想知道以下哪一个更快：

创建索引，对其进行聚类，然后创建其他索引：

CREATE INDEX i_col1 ON db.tbl USING btree (col1);
CLUSTER db.tbl USING i_col1;
CREATE INDEX i_col2 ON db.tbl USING btree (col2);
CREATE INDEX i_col3 ON db.tbl USING btree (col3);
CREATE INDEX i_col4 ON db.tbl USING btree (col4);

创建所有索引，然后聚集相同的第一个索引：

CREATE INDEX i_col1 ON db.tbl USING btree (col1);
CREATE INDEX i_col2 ON db.tbl USING btree (col2);
CREATE INDEX i_col3 ON db.tbl USING btree (col3);
CREATE INDEX i_col4 ON db.tbl USING btree (col4);
CLUSTER db.tbl USING i_col1;

Answer 1

索引就像......一个索引！想象一本书的索引，它指定了其页面的内容。所以索引会向Postgres指出特定数据在磁盘上的位置。

当您执行CLUSTER操作时，Postgres将在物理上重新组织磁盘中的数据。

因此，基于该信息，选项1是最快的。请注意，如果在创建剩余的3个索引之前对数据进行聚类，则数据将在磁盘中彼此更接近，这将使Postgres更容易找到所需的数据，这将使索引创建更快。

但是，如果真的需要同一个表中的所有索引，请保留一些时间。索引太多可能比没有索引更糟糕。引用Postgres documentation：

索引主要用于增强数据库性能（尽管 不当使用会导致性能降低。

此外，我不应该回答您的VACUUM问题，因为这不是本主题的内容，但如果您在CREATE INDEX之前执行VACUUM会更好，因为VACUUM会删除所有死元组，因此，您在创建索引时，将会有更少的垃圾进行迭代。有关VACUUM流程的更多信息，请查看this link。

PostgreSQL：如果聚簇索引已经存在，那么新索引的CREATE INDEX会更快吗？

1 个答案: