Question

我在postgresql中有一个名为mydata的数据库，其中包含一个名为text的字段。我有兴趣进行正则表达式模式匹配，只返回匹配的片段，而不是整个文本。我知道你可以使用pg_trgm（创建一个三元组匹配索引）来加速搜索，但有没有办法将搜索和匹配作为一个组合语句？

我将提供一些背景信息：

CREATE EXTENSION pg_trgm;
CREATE INDEX text_trgm_idx ON mydata USING GIN(text gin_trgm_ops);

我将使用＆＃39;（1998。{0,10}）＆＃39;的示例正则表达式模式，但我实际上对任何类型的模式感兴趣，而不仅仅是这个例子字符串。

所需的模式匹配，但似乎没有使用pg_trgm索引（注意标题是另一个字段，但不是我匹配的字段）：

EXPLAIN ANALYZE SELECT title, regexp_matches(text, '(1998.{0,10})') FROM mydata;
 Seq Scan on mydata  (cost=0.00..2257.89 rows=201720 width=73)
 Planning time: 0.047 ms
 Execution time: 2493.105 ms

现在，添加WHERE字段。

EXPLAIN ANALYZE SELECT title, regexp_matches(text, '(1998.{0,10})') FROM mydata WHERE text ~ '(1998.{0,10})';
 Bitmap Heap Scan on mydata  (cost=28.01..35.88 rows=20 width=73) 
Rows Removed by Index Recheck: 20
   Heap Blocks: exact=723
   ->  Bitmap Index Scan on text_trgm_idx  (cost=0.00..28.01 rows=2 width=0) (actual time=0.930..0.930 rows=2059 loops=1)
         Index Cond: (text ~ '(1998.{0,10})'::text)
 Planning time: 15.889 ms
 Execution time: 1583.970 ms

但是，如果我们删除模式匹配，我们会获得更好的效果，所以我怀疑我们两次做同样的工作：

EXPLAIN ANALYZE SELECT title FROM mydata WHERE text ~ '(1998.{0,10})';
 Bitmap Heap Scan on mydata  (cost=28.01..35.78 rows=2 width=41)
 Recheck Cond: (text ~ '(1998.{0,10})'::text)
   Rows Removed by Index Recheck: 20
   Heap Blocks: exact=723
   ->  Bitmap Index Scan on text_trgm_idx  (cost=0.00..28.01 rows=2 width=0) (actual time=1.136..1.136 rows=2059 loops=1)
         Index Cond: (text ~ '(1998.{0,10})'::text)
 Planning time: 1.980 ms
 Execution time: 554.589 ms

此外，如果在postgres中进行正则表达式模式匹配时有任何关于如何获得最佳性能的建议，我将不胜感激。我并不局限于任何版本的postgres。

与pg_trgm匹配的正则表达式模式（三元组匹配）

0 个答案: