PostgreSQL教程(八)：索引詳解，postgresql索引

PostgreSQL教程(八)：索引詳解，postgresql索引

一、索引的類型：

    PostgreSQL提供了多　　種索引類型：B-Tree、Hash、GiST和GIN，由於它們使用了不同的演算法，因此每種索引類型都有其適合的查詢類型，預設時，CREATE INDEX命令將建立B-Tree索引。
   
    1. B-Tree:
 複製代碼 代碼如下:
    CREATE TABLE test1 (
        id integer,
        content varchar
    );
    CREATE INDEX test1_id_index ON test1 (id);
 
    B-Tree索引主要用於等於和範圍查詢，特別是當索引列包含操作符" <、<=、=、>=和>"作為查詢條件時，PostgreSQL的查詢規劃器都會考慮使用B-Tree索引。在使用BETWEEN、IN、IS NULL和IS NOT NULL的查詢中，PostgreSQL也可以使用B-Tree索引。然而對於基於模式比對操作符的查詢，如LIKE、ILIKE、~和 ~*，僅當模式存在一個常量，且該常量位於模式字串的開頭時，如col LIKE 'foo%'或col ~ '^foo'，索引才會生效，否則將會執行全表掃描，如：col LIKE '%bar'。
   
    2. Hash：
 複製代碼 代碼如下:
    CREATE INDEX name ON table USING hash (column);
 
    散列(Hash)索引只能處理簡單的等於比較。當索引列使用等於操作符進行比較時，查詢規劃器會考慮使用散列索引。
    這裡需要額外說明的是，PostgreSQL散列索引的效能不比B-Tree索引強，但是散列索引的尺寸和構造時間則更差。另外，由於散列索引操作目前沒有記錄WAL日誌，因此一旦發生了資料庫崩潰，我們將不得不用REINDEX重建散列索引。
   
    3. GiST：
    GiST索引不是一種單獨的索引類型，而是一種架構，可以在該架構上實現很多不同的索引策略。從而可以使GiST索引根據不同的索引策略，而使用特定的操作符類型。
   
    4. GIN：
    GIN索引是反轉索引，它可以處理包含多個鍵的值(比如數組)。與GiST類似，GIN同樣支援使用者定義的索引策略，從而可以使GIN索引根據不同的索引策略，而使用特定的操作符類型。作為樣本，PostgreSQL的標準發布中包含了用於一維數組的GIN操作符類型，如：<@、@>、=、&&等。

二、複合索引：

    PostgreSQL中的索引可以定義在資料表的多個欄位上，如：
 複製代碼 代碼如下:
    CREATE TABLE test2 (
        major int,
        minor int,
        name varchar
    }
    CREATE INDEX test2_mm_idx ON test2 (major, minor);
 
    在當前的版本中，只有B-tree、GiST和GIN支援複合索引，其中最多可以聲明32個欄位。
    1. B-Tree類型的複合索引：
    在B-Tree類型的複合索引中，該索引欄位的任意子集均可用於查詢條件，不過，只有當複合索引中的第一個索引欄位(最左邊)被包含其中時，才可以獲得最高效率。
   
    2. GiST類型的複合索引：
    在GiST類型的複合索引中，只有當第一個索引欄位被包含在查詢條件中時，才能決定該查詢會掃描多少索引資料，而其他索引欄位上的條件只是會限制索引返回的條目。假如第一個索引欄位上的大多數資料都有相同的索引值，那麼此時應用GiST索引就會比較低效。

    3. GIN類型的複合索引：
    與B-Tree和GiST索引不同的是，GIN複合索引不會受到查詢條件中使用了哪些索引欄位子集的影響，無論是哪種組合，都會得到相同的效率。

    使用複合索引應該謹慎。在大多數情況下，單一欄位上的索引就已經足夠了，並且還節約時間和空間。除非表的使用模式非常固定，否則超過三個欄位的索引幾乎沒什麼用處。

三、組合多個索引：

    PostgreSQL可以在查詢時組合多個索引(包括同一索引的多次使用)，來處理單個索引掃描不能實現的場合。與此同時，系統還可以在多個索引掃描之間組成AND和OR的條件。比如，一個類似WHERE x = 42 OR x = 47 OR x = 53 OR x = 99的查詢，可以被分解成四個獨立的基於x欄位索引的掃描，每個掃描使用一個查詢子句，之後再將這些掃描結果OR在一起並產生最終的結果。另外一個例子是，如果我們在x和y上分別存在獨立的索引，那麼一個類似WHERE x = 5 AND y = 6的查詢，就會分別基於這兩個欄位的索引進行掃描，之後再將各自掃描的結果進行AND操作並產生最終的結果行。

    為了組合多個索引，系統掃描每個需要的索引，然後在記憶體裡組織一個BITMAP，它將給出索引掃描出的資料在資料表中的物理位置。然後，再根據查詢的需要，把這些位元影像進行AND或者OR的操作並得出最終的BITMAP。最後，檢索資料表並返回資料行。表的資料行是按照物理順序進行訪問的，因為這是位元影像的布局，這就意味著任何原來的索引的排序都將消失。如果查詢中有ORDER BY子句，那麼還將會有一個額外的排序步驟。因為這個原因，以及每個額外的索引掃描都會增加額外的時間，這樣規劃器有時候就會選擇使用簡單的索引掃描，即使有多個索引可用也會如此。    

   
四、唯一索引：

    目前，只有B-Tree索引可以被聲明為唯一索引。
 複製代碼 代碼如下:
    CREATE UNIQUE INDEX name ON table (column [, ...]);
 
    如果索引聲明為唯一索引，那麼就不允許出現多個索引值相同的行。我們認為NULL值相互間不相等。
   
五、運算式索引：

    運算式索引主要用於在查詢條件中存在基於某個欄位的函數或運算式的結果與其他值進行比較的情況，如：
 複製代碼 代碼如下:
    SELECT * FROM test1 WHERE lower(col1) = 'value';
 
    此時，如果我們僅僅是在col1欄位上建立索引，那麼該查詢在執行時一定不會使用該索引，而是直接進行全表掃描。如果該表的資料量較大，那麼執行該查詢也將會需要很長時間。解決該問題的辦法非常簡單，在test1表上建立基於col1欄位的運算式索引，如：
    CREATE INDEX test1_lower_col1_idx ON test1 (lower(col1));
    如果我們把該索引聲明為UNIQUE，那麼它會禁止建立那種col1數值只是大小寫有區別的資料行，以及col1數值完全相同的資料行。因此，在運算式上的索引可以用於強制那些無法定義為簡單唯一約束的約束。現在讓我們再看一個應用運算式索引的例子。
 複製代碼 代碼如下:
    SELECT * FROM people WHERE (first_name || ' ' || last_name) = 'John Smith';
 
    和上面的例子一樣，儘管我們可能會為first_name和last_name分別建立獨立索引，或者是基於這兩個欄位的複合索引，在執行該查詢語句時，這些索引均不會被使用，該查詢能夠使用的索引只有我們下面建立的運算式索引。
 複製代碼 代碼如下:
    CREATE INDEX people_names ON people ((first_name || ' ' || last_name));
 
    CREATE INDEX命令的文法通常要求在索引運算式周圍書寫圓括弧，就像我們在第二個例子裡顯示的那樣。如果運算式只是一個函數調用，那麼可以省略，就像我們在第一個例子裡顯示的那樣。

    從索引維護的角度來看，索引運算式要相對低效一些，因為在插入資料或者更新資料的時候，都必須為該行計算運算式的結果，並將該結果直接儲存到索引裡。然而在查詢時，PostgreSQL就會把它們看做WHERE idxcol = 'constant'，因此搜尋的速度等效於基於簡單索引的查詢。通常而言，我們只是應該在檢索速度比插入和更新速度更重要的情境下使用運算式索引。 
   
六、部分索引：

    部分索引(partial index)是建立在一個表的子集上的索引，而該子集是由一個條件運算式定義的(叫做部分索引的謂詞)。該索引只包含表中那些滿足這個謂詞的行。
    由於不是在所有的情況下都需要更新索引，因此部分索引會提高資料插入和資料更新的效率。然而又因為部分索引比普通索引要小，因此可以更好的提高確實需要索引部分的查詢效率。見以下三個樣本：
    1. 索引欄位和謂詞條件欄位一致：
 複製代碼 代碼如下:
    CREATE INDEX access_log_client_ip_ix ON access_log(client_ip)
        WHERE NOT (client_ip > inet '192.168.100.0' AND client_ip < inet '192.168.100.255');

    下面的查詢將會用到該部分索引：
 複製代碼 代碼如下:
    SELECT * FROM access_log WHERE url = '/index.html' AND client_ip = inet '212.78.10.32';
 
    下面的查詢將不會用該部分索引：
    一個不能使用這個索引的查詢可以是∶
 複製代碼 代碼如下:
    SELECT * FROM access_log WHERE client_ip = inet '192.168.100.23';

    2. 索引欄位和謂詞條件欄位不一致：
    PostgreSQL支援帶任意謂詞的部分索引，唯一的約束是謂詞的欄位也要來自於同樣的資料表。注意，如果你希望你的查詢語句能夠用到部分索引，那麼就要求該查詢語句的條件部分必須和部分索引的謂詞完全符合。 準確說，只有在PostgreSQL能夠識別出該查詢的WHERE條件在數學上涵蓋了該索引的謂詞時，這個部分索引才能被用於該查詢。
 複製代碼 代碼如下:
    CREATE INDEX orders_unbilled_index ON orders(order_nr) WHERE billed is not true;
 
    下面的查詢一定會用到該部分索引：
 複製代碼 代碼如下:
    SELECT * FROM orders WHERE billed is not true AND order_nr < 10000;
 
    那麼對於如下查詢呢？
 複製代碼 代碼如下:
    SELECT * FROM orders WHERE billed is not true AND amount > 5000.00;
 
    這個查詢將不像上面那個查詢這麼高效，畢竟查詢的條件陳述式中沒有用到索引欄位，然而查詢條件"billed is not true"卻和部分索引的謂詞完全符合，因此PostgreSQL將掃描整個索引。這樣只有在索引資料相對較少的情況下，該查詢才能更有效一些。

    下面的查詢將不會用到部分索引。
 複製代碼 代碼如下:
    SELECT * FROM orders WHERE order_nr = 3501;
 
   
    3. 資料表子集的唯一性限制式：
 複製代碼 代碼如下:
    CREATE TABLE tests (
        subject text,
        target text,
        success boolean,
        ...
    );
    CREATE UNIQUE INDEX tests_success_constraint ON tests(subject, target) WHERE success;
 
    該部分索引將只會對success欄位值為true的資料進行唯一性限制式。在實際的應用中，如果成功的資料較少，而不成功的資料較多時，該實現方法將會非常高效。
    
七、檢查索引的使用：

    見以下四條建議：
    1. 總是先運行ANALYZE。
    該命令將會收集表中數值分布狀況的統計。在估算一個查詢返回的行數時需要這個資訊，而規劃器則需要這個行數以便給每個可能的查詢規劃賦予真實的開銷值。如果缺乏任何真實的統計資訊，那麼就會使用一些預設數值，這樣肯定是不準確的。因此，如果還沒有運行ANALYZE就檢查一個索引的使用狀況，那將會是一次失敗的檢查。
    2. 使用真實的資料做實驗。
    用測試資料填充資料表，那麼該表的索引將只會基於測試資料來評估該如何使用索引，而不是對所有的資料都如此使用。比如從100000行中選1000行，規劃器可能會考慮使用索引，那麼如果從100行中選1行就很難說也會使用索引了。因為100行的資料很可能是儲存在一個磁碟頁面中，然而沒有任何查詢規劃能比通過順序訪問一個磁碟頁面更加高效了。與此同時，在類比測試資料時也要注意，如果這些資料是非常相似的資料、完全隨機的資料，或按照排序次序插入的資料，都會令統計資訊偏離實際資料應該具有的特徵。   
    3. 如果索引沒有得到使用，那麼在測試中強制它的使用也許會有些價值。有一些運行時參數可以關閉各種各樣的查詢規劃。
    4. 強制使用索引用法將會導致兩種可能：一是系統選擇是正確的，使用索引實際上並不合適，二是查詢計劃的開銷計算並不能反映現實情況。這樣你就應該對使用和不使用索引的查詢進行計時，這個時候EXPLAIN ANALYZE命令就很有用了。