Question

我在postgresql中有一个表，其中包含以下信息：

rawData (fileID integer references otherTable, lineNum integer, data1 double, ...)

当我搜索此表时，我使用以下查询执行此操作：

SELECT lineNum, data1, ...other data FROM rawData WHERE 
fileID = ? AND data1 < ? ORDER BY lineNum;

通常，此表中的数据是每个fileID的条目数，每个fileID都有0到x的lineNum，而lineNum从不为每个fileID重复（但它对不同的fileID重复）。那么data1实际上是一个可能重叠或不重叠的随机数。

为了加快读取这些数据，我试图在其上创建一个索引，但是我很难找到索引它的最佳方法。目前我正在研究以下两种索引方法之一，并且我想知道哪种方法对我的搜索更好，或者如果有其他选项我没有想到会比其中任何一种更好。

指数创意1：

CREATE INDEX searchIndex ON rawData (fileID, data1, lineNum);

索引理念2：

CREATE INDEX searchIndex ON rawData (fileID, lineNum, data1);

请注意，此时此操作和不受data1约束的搜索是我在此表上运行的唯一搜索，因此我不太关心此索引会降低其他搜索速度。

最后，我是否必须更改搜索查询以使用索引，还是在搜索表时会自动使用该索引？

Answer 1

你应该考虑使用它：

CREATE INDEX searchIndex ON rawData (fileID, lineNum);

一些事情：

特别是，根据docs，Indexes with more than three columns are unlikely to be helpful unless the usage of the table is extremely stylized。
由于您的第二个搜索查询需要在没有data1列的情况下进行过滤，因此保留第二列lineNum应该足够了（因为您提到它将是准随机的），并且在罕见的情况下发生重复，表取物应确保正确。但这意味着指数的大小将 1/3 ，这是一个巨大的胜利（Think index足够小，足以在内存/仅索引扫描等）< / p>

Answer 2

可以使用任何一个索引。哪个更快将取决于许多事情，例如表中有多少行，每lineNum有多少fileID，data1 < ?子句的选择性，硬件是什么，我们的配置设置是什么，您正在使用的PostreSQL版本，表行的物理顺序等等。

唯一可以确定的方法是在自己的系统上使用自己的数据进行尝试，然后看看。

我只是在(fileID, lineNum, data1)或甚至只是(fileID, lineNum)上建立一个索引，因为这似乎更自然，然后忘了它。最有可能的是它足够快。一旦出现明显的性能问题，就会得到一个真正的结论所需的测试用例。