Question

我正在尝试实现搜索功能，经过一番调查（请参阅this interesting read by Yorick Peterse at GitLab），我决定选择使用pg_trgm扩展名的Trigram方法。

我想返回10个最相关的行。

以下是我针对具有110868行的表测试过的几个查询（在the doc之后）：

SELECT name, similarity(name, 'search query') AS sml
FROM table
ORDER BY sml DESC, name;
Time: 701.814 ms

SELECT name, similarity(name, 'search query') AS sml
FROM table
WHERE name % 'search query'
ORDER BY sml DESC, name;
Time: 376.692 ms

SELECT name, similarity(name, 'search query') AS sml
FROM table
WHERE name % 'search query'
ORDER BY sml DESC, name LIMIT 10;
Time: 378.921 ms

具有GiST索引：

CREATE INDEX trigram_index ON table USING GIST (name gist_trgm_ops);
SELECT name, similarity(name, 'search query') AS sml
FROM table
WHERE name % 'search query'
ORDER BY sml DESC, name LIMIT 10;
Time: 36.877 ms

具有GIN索引：

CREATE INDEX trigram_index ON table USING GIN (name gin_trgm_ops);
SELECT name, similarity(name, 'search query') AS sml
FROM table WHERE name % 'search query'
ORDER BY sml DESC, name LIMIT 10;
Time: 18.992 ms

使用EXPLAIN ANALYZE：

 Limit  (cost=632.37..632.39 rows=10 width=25) (actual time=22.202..22.204 rows=10 loops=1)
   ->  Sort  (cost=632.37..632.64 rows=111 width=25) (actual time=22.201..22.201 rows=10 loops=1)
         Sort Key: (similarity((name)::text, 'search query'::text)) DESC, name
         Sort Method: top-N heapsort  Memory: 26kB
         ->  Bitmap Heap Scan on table  (cost=208.86..629.97 rows=111 width=25) (actual time=6.900..22.157 rows=134 loops=1)
               Recheck Cond: ((name)::text % 'search query'::text)
               Rows Removed by Index Recheck: 2274
               Heap Blocks: exact=2257
               ->  Bitmap Index Scan on trigram_index  (cost=0.00..208.83 rows=111 width=0) (actual time=6.532..6.532 rows=2408 loops=1)
                     Index Cond: ((name)::text % 'World of Warcraft'::text)
 Planning time: 0.073 ms
 Execution time: 18.521 ms

使用GIN索引可以大大提高性能。但是，将结果限制为10行似乎没有任何影响。

我还没有考虑过改进的余地吗？我对一些建议特别感兴趣，这些建议可以利用我只需要整个表的一小部分的事实。

Answer 1

正如the documentation所说，GIN索引无助于优化ORDER BY子句：

上述查询的一种变体是
SELECT t, t <-> 'word' AS dist
FROM test_trgm
ORDER BY dist LIMIT 10;
这可以通过GiST索引非常有效地实现，而不能通过GIN索引有效地实现。当只需要少量最接近的匹配项时，通常会击败第一个公式。

另一方面，对于较大的表，GIN索引的性能通常优于GiST索引。

因此，我认为您应该同时尝试这两种方法，并在实际大小的测试表上使用速度更快的方法。

除了使用更多的RAM来缓存数据之外，我认为您不能做得更多。

Trigram Index ORDER BY优化

1 个答案: