Question

考虑使用以下WHERE谓词的SQL查询：

...
WHERE name IS NOT NULL
...

其中name是PostgreSQL中的文本字段。

没有其他查询检查此值的任何文本属性，只检查它是否为NULL。因此，a full btree index似乎有点矫枉过正，即使it supports this distinction：

此外，索引列上的IS NULL或IS NOT NULL条件可与B树索引一起使用。

快速区分NULL与非NULL s的正确PostgreSQL索引是什么？

Answer 1

我正在解释你声称它在两个方面“过度杀伤”：在复杂性方面（使用B树而不仅仅是列表）和空间/性能。

对于复杂性而言，这并不过分。 B树索引是首选，因为从中删除将比某种“无序”索引更快（因为缺少更好的术语）。（无序索引需要完全索引扫描才能删除。）鉴于这一事实，无序指数的任何收益通常都会被损害所抵消，因此开发工作是不合理的。

但是，对于空间和性能，如果您需要高度选择性的效率索引，则可以在索引中包含WHERE子句，如fine manual中所述：

CREATE INDEX ON my_table (name) WHERE name IS NOT NULL;

请注意，如果它允许PostgreSQL在执行查询时忽略大量行，那么您只会看到此索引的好处。例如，如果99％的行都有name IS NOT NULL，那么只要让全表扫描发生，索引就不会为你买任何东西;实际上，它效率较低（如@CraigRinger注释），因为它需要额外的磁盘读取。但是，如果只有1％的行具有name IS NOT NULL，那么这代表了巨大的节省，因为PostgreSQL可以忽略查询的大部分表。如果你的表非常大，即使消除了50％的行也许是值得的。这是一个调优问题，索引是否有价值将在很大程度上取决于数据的大小和分布。

此外，如果您仍需要name IS NULL行的其他索引，则空间方面的收益很少。有关详细信息，请参阅Craig Ringer's answer。

Answer 2

您可以使用表达式索引，但不应该。保持简单，并使用普通的b树。

可以在colname IS NOT NULL上创建表达式索引：

test=> CREATE TABLE blah(name text);
CREATE TABLE
test=> CREATE INDEX name_notnull ON blah((name IS NOT NULL));
CREATE INDEX
test=> INSERT INTO blah(name) VALUES ('a'),('b'),(NULL);
INSERT 0 3
test=> SET enable_seqscan = off;
SET
craig=> SELECT * FROM blah WHERE name IS NOT NULL;
 name 
------
 a
 b
(2 rows)

test=> EXPLAIN SELECT * FROM blah WHERE name IS NOT NULL;
                                 QUERY PLAN                                  
-----------------------------------------------------------------------------
 Bitmap Heap Scan on blah  (cost=9.39..25.94 rows=1303 width=32)
   Filter: (name IS NOT NULL)
   ->  Bitmap Index Scan on name_notnull  (cost=0.00..9.06 rows=655 width=0)
         Index Cond: ((name IS NOT NULL) = true)
(4 rows)

test=> SET enable_bitmapscan = off;
SET
test=> EXPLAIN SELECT * FROM blah WHERE name IS NOT NULL;
                                  QUERY PLAN                                  
------------------------------------------------------------------------------
 Index Scan using name_notnull on blah  (cost=0.15..55.62 rows=1303 width=32)
   Index Cond: ((name IS NOT NULL) = true)
   Filter: (name IS NOT NULL)
(3 rows)

...但Pg没有意识到它也适用于IS NULL：

test=> EXPLAIN SELECT * FROM blah WHERE name IS NULL;
                               QUERY PLAN                                
-------------------------------------------------------------------------
 Seq Scan on blah  (cost=10000000000.00..10000000023.10 rows=7 width=32)
   Filter: (name IS NULL)
(2 rows)

甚至将NOT (name IS NOT NULL)转换为name IS NULL，这通常是您想要的。

test=> EXPLAIN SELECT * FROM blah WHERE NOT (name IS NOT NULL);
                               QUERY PLAN                                
-------------------------------------------------------------------------
 Seq Scan on blah  (cost=10000000000.00..10000000023.10 rows=7 width=32)
   Filter: (name IS NULL)
(2 rows)

所以你最好使用两个不相交的表达式索引，一个在null上，一个在非null集上。

test=> DROP INDEX name_notnull ;
DROP INDEX
test=> CREATE INDEX name_notnull ON blah((name IS NOT NULL)) WHERE (name IS NOT NULL);
CREATE INDEX
test=> EXPLAIN SELECT * FROM blah WHERE name IS NOT NULL;
                                QUERY PLAN                                
--------------------------------------------------------------------------
 Index Scan using name_notnull on blah  (cost=0.13..8.14 rows=3 width=32)
   Index Cond: ((name IS NOT NULL) = true)
(2 rows)

test=> CREATE INDEX name_null ON blah((name IS NULL)) WHERE (name IS NULL);
CREATE INDEX
craig=> EXPLAIN SELECT * FROM blah WHERE name IS NULL;
                              QUERY PLAN                               
-----------------------------------------------------------------------
 Index Scan using name_null on blah  (cost=0.12..8.14 rows=1 width=32)
   Index Cond: ((name IS NULL) = true)
(2 rows)

但这非常令人毛骨悚然。对于最明智的用途，我只使用普通的b树索引。索引大小的改进并不太令人兴奋，至少对于小小的输入，比如我用一堆md5值创建的虚拟：

test=> SELECT pg_size_pretty(pg_relation_size('blah'));
 pg_size_pretty 
----------------
 9416 kB
(1 row)

test=> SELECT pg_size_pretty(pg_relation_size('blah_name'));
 pg_size_pretty 
----------------
 7984 kB
(1 row)

test=> SELECT pg_size_pretty(pg_relation_size('name_notnull'));
 pg_size_pretty 
----------------
 2208 kB
(1 row)

test=> SELECT pg_size_pretty(pg_relation_size('name_null'));
 pg_size_pretty 
----------------
 2208 kB
(1 row)

Answer 3

您可以使用类似（标题IS NULL）的表达式作为索引列。所以这可以按预期工作：

CREATE INDEX index_articles_on_title_null ON articles ( (title IS NULL) );
SELECT * FROM articles WHERE (title IS NULL)='t';

这比使用谓词更有优势，在这种情况下，存储在索引中的值只是一个是/否布尔值而不是完整列值。因此，特别是如果您的NULL检查列往往包含大值（如此处的标题文本字段），那么这种索引方式比使用谓词索引更节省空间。

PostgreSQL：创建一个索引以快速区分NULL和非NULL值

3 个答案: