03.PostgreSQL常用索引与优化_postgresql 9.6 黑科技 bloom 算法索引,一个索引支撑任意列组合查询

PostgreSQL常用索引与优化

主要内容转载自《PostgreSQL 开发指南》

索引（Index）可以用于提高数据库的查询性能；但是索引也需要进行读写，同时还会占用更多的存储空间；因此了解并适当利用索引对于数据库的优化至关重要。本篇我们就来介绍如何高效地使用 PostgreSQL 索引。

索引简介

假设存在以下数据表：

CREATE TABLE test (
  id integer,
  name text
);

insert into test
select v,'val:'||v from generate_series(1, 10000000) v;
1
2
3
4
5
6
7

我们经常需要使用类似以下的查询返回结果：

SELECT name FROM test WHERE id = 10000;
1

如果没有索引，数据库需要扫描整个表才能找到相应的数据。利用EXPLAIN命令可以看到数据库的执行计划，也就是 PostgreSQL 执行 SQL 语句的具体步骤：

explain analyze
SELECT name FROM test WHERE id = 10000;
QUERY PLAN                                                                                                              |
------------------------------------------------------------------------------------------------------------------------|
Gather  (cost=1000.00..107137.70 rows=1 width=11) (actual time=50.266..12082.777 rows=1 loops=1)                        |
  Workers Planned: 2                                                                                                    |
  Workers Launched: 2                                                                                                   |
  ->  Parallel Seq Scan on test  (cost=0.00..106137.60 rows=1 width=11) (actual time=7674.992..11553.964 rows=0 loops=3)|
        Filter: (id = 10000)                                                                                            |
        Rows Removed by Filter: 3333333                                                                                 |
Planning Time: 16.480 ms                                                                                                |
Execution Time: 12093.016 ms                                                                                            |
1
2
3
4
5
6
7
8
9
10
11
12

Parallel Seq Scan 表示并行顺序扫描，执行消耗了 12 s；由于表中有包含大量数据，而查询只返回一行数据，显然这种方法效率很低。

关于执行计划的更多信息，可以参考这篇文章。

此时，如果在 id 列上存在索引，则可以通过索引快速找到匹配的结果。我们先创建一个索引：

CREATE INDEX test_id_index ON test (id);
1

创建索引需要消耗一定的时间。然后再次查看数据库的执行计划：

explain analyze
SELECT name FROM test WHERE id = 10000;
QUERY PLAN                                                                                                           |
---------------------------------------------------------------------------------------------------------------------|
Index Scan using test_id_index on test  (cost=0.43..8.45 rows=1 width=11) (actual time=20.410..20.412 rows=1 loops=1)|
  Index Cond: (id = 10000)                                                                                           |
Planning Time: 14.989 ms                                                                                             |
Execution Time: 20.521 ms                                                                                            |
1
2
3
4
5
6
7
8

Index Scan 表示索引扫描，执行消耗了 20 ms；这种方式类似于图书最后的关键字索引，读者可以相对快速地浏览索引并翻到适当的页面，而不必阅读整本书来找到感兴趣的内容。

索引不仅仅能够优化查询语句，某些包含WHERE条件的UPDATE、DELETE语句也可以利用索引提高性能，因为修改数据的前提是找到数据。

此外，索引也可以用于优化连接查询，基于连接条件中的字段创建索引可以提高连接查询的性能。索引甚至还能优化分组或者排序操作，因为索引自身是按照顺序进行组织存储的。

另一方面，系统维护索引需要付出一定的代价，从而增加数据修改操作的负担。所以，我们需要合理创建索引，一般只为经常使用到的字段创建索引。就像图书一样，不可能为书中的每个关键字都创建一个索引。

索引类型

详细介绍可参考: PostgreSQL 9种索引的原理和应用场景

PostgreSQL 提高了多种索引类型：B-树、哈希、GiST、SP-GiST、GIN 以及 BRIN 等索引。每种索引基于不同的存储结构和算法，用于优化不同类型的查询。默认情况下，PostgreSQL 创建 B-树索引，因为它适合大部分情况下的查询。

1.B-树索引

注意B树就是B-树，"-"是个连字符号，不是减号。
B-树是一种平衡的多路**查找(又称排序)**树，在文件系统中有所应用。主要用作文件的索引。其中的B就表示平衡(Balance)，与B+树区别可参考：https://xiaolincoding.com/mysql/index/why_index_chose_bpuls_tree.html#_3%E3%80%81%E8%8C%83%E5%9B%B4%E6%9F%A5%E8%AF%A2

实现原理可参考：《深入浅出PostgreSQL B-Tree索引结构》

B-树是一个自平衡树（self-balancing tree），按照顺序存储数据，支持对数时间复杂度（O(logN)）的搜索、插入、删除和顺序访问。举例来说，假如 100 条数据时需要 1 次磁盘 I/O，也就是说 N 等于 100；10000 条数据时只需要 2 次 I/O，1 亿数据时只需要 4 次 I/O。

对于索引列上的以下比较运算符，PostgreSQL 优化器都会考虑使用 B-树索引：

• <
• <=
• =
• >=
• BETWEEN
• IN
• IS NULL
• IS NOT NULL

另外，如果模式匹配运算符LIKE和~中模式的开头不是通配符，优化器也可以使用 B-树索引，例如：

col  LIKE 'foo%' 
col  ~ '^foo'
1
2

对于不区分大小的的ILIKE和~*运算符，如果匹配的模式以非字母的字符（不受大小写转换影响）开头，也可以使用 B-树索引。

B-树索引还可以用于优化排序操作，例如：

SELECT col1, col2
  FROM t
 WHERE col1 BETWEEN 100 AND 200
 ORDER BY col1;
1
2
3
4

col1 上的索引不仅能够优化查询条件，也可以避免额外的排序操作；因为基于该索引访问时本身就是按照排序返回结果。

2.哈希索引

哈希索引（Hash index）只能用于简单的等值查找（=），也就是说索引字段被用于等号条件判断。因为对数据进行哈希运算之后不再保留原来的大小关系。

hash索引特别适用于字段VALUE非常长（不适合b-tree索引，因为b-tree一个PAGE至少要存储3个ENTRY，所以不支持特别长的VALUE）的场景，例如很长的字符串，并且用户只需要等值搜索，建议使用hash index。

创建哈希索引需要使用HASH关键字：

CREATE INDEX index_name 
ON table_name USING HASH (column_name);
1
2

CREATE INDEX语句用于创建索引，USING子句指定索引的类型，具体参考下文。

3.GiST 索引

GiST 代表通用搜索树（Generalized Search Tree），GiST 索引单个索引类型，而是一种支持不同索引策略的框架。GiST 索引常见的用途包括几何数据的索引和全文搜索。GiST 索引也可以用于优化“最近邻”搜索，例如：

SELECT * FROM places ORDER BY location <-> point '(101,456)' LIMIT 10;
1

该语句用于查找距离某个目标地点最近的 10 个地方。

GiST是一个通用的索引接口，可以使用GiST实现b-tree, r-tree等索引结构。

不同的类型，支持的索引检索也各不一样。例如：

1、几何类型，支持位置搜索（包含、相交、在上下左右等），按距离排序。

2、范围类型，支持位置搜索（包含、相交、在左右等）。

3、IP类型，支持位置搜索（包含、相交、在左右等）。

4、空间类型（PostGIS），支持位置搜索（包含、相交、在上下左右等），按距离排序。

5、标量类型，支持按距离排序。

实现原理可参考：《PostgreSQL 百亿地理位置数据 近邻查询性能》

4.SP-GiST 索引

SP-GiST 代表空间分区 GiST，主要用于 GIS、多媒体、电话路由以及 IP 路由等数据的索引。

与 GiST 类似，SP-GiST 也支持“最近邻”搜索。是一个通用的索引接口，但是SP-GIST使用了空间分区的方法，使得SP-GiST可以更好的支持非平衡数据结构，例如quad-trees, k-d tree, radis tree.

实现原理可参考：《Space-partitioning trees in PostgreSQL》

5.GIN 索引

GIN 代表广义倒排索引（generalized inverted indexes），主要用于单个字段中包含多个值的数据，例如 hstore、array、jsonb 以及 range 数据类型。一个倒排索引为每个元素值都创建一个单独的索引项，可以有效地查询某个特定元素值是否存在。Google、百度这种搜索引擎利用的就是倒排索引。

实现原理可参考：《PostgreSQL GIN索引实现原理》

应用场景

1、当需要搜索多值类型内的VALUE时，适合多值类型，例如数组、全文检索、TOKEN。（根据不同的类型，支持相交、包含、大于、在左边、在右边等搜索）

2、当用户的数据比较稀疏时，如果要搜索某个VALUE的值，可以适应btree_gin支持普通btree支持的类型。（支持btree的操作符）

3、当用户需要按任意列进行搜索时，gin支持多列展开单独建立索引域，同时支持内部多域索引的bitmapAnd, bitmapOr合并，快速的返回按任意列搜索请求的数据。

6.BRIN 索引

BRIN 代表块区间索引（block range indexes），存储了连续物理范围区间内的数据摘要信息。BRIN 也相比于 B-树索引要小很多，维护也更容易。对于不进行水平分区就无法使用 B-树索引的超大型表，可以考虑 BRIN。

BRIN 通常用于具有线性排序顺序的字段，例如订单表的创建日期。

例如时序数据，在时间或序列字段创建BRIN索引，进行等值、范围查询时效果很棒。

应用场景

《BRIN (block range index) index》

《PostgreSQL 物联网黑科技 - 瘦身几百倍的索引(BRIN index)》

《PostgreSQL 聚集存储 与 BRIN索引 - 高并发行为、轨迹类大吞吐数据查询场景解说》

《PostgreSQL 并行写入堆表，如何保证时序线性存储 - BRIN索引优化》

7.rum 索引

原理可参考：https://github.com/postgrespro/rum

rum 是一个索引插件，由Postgrespro开源，适合全文检索，属于GIN的增强版本。

增强包括：

1、在RUM索引中，存储了lexem的位置信息，所以在计算ranking时，不需要回表查询（而GIN需要回表查询）。

2、RUM支持phrase搜索，而GIN无法支持。

3、在一个RUM索引中，允许用户在posting tree中存储除ctid（行号）以外的字段VALUE，例如时间戳。

这使得RUM不仅支持GIN支持的全文检索，还支持计算文本的相似度值，按相似度排序等。同时支持位置匹配，例如（速度与激情，可以采用"速度" <2> “激情” 进行匹配，而GIN索引则无法做到）

应用场景

《PostgreSQL 全文检索加速 快到没有朋友 - RUM索引接口(潘多拉魔盒)》

《从难缠的模糊查询聊开 - PostgreSQL独门绝招之一 GIN , GiST , SP-GiST , RUM 索引原理与技术背景》

《PostgreSQL结合余弦、线性相关算法 在文本、图片、数组相似 等领域的应用 - 3 rum, smlar应用场景分析》

8.bloom 索引

bloom索引接口是PostgreSQL基于bloom filter构造的一个索引接口，属于lossy索引，可以收敛结果集(排除绝对不满足条件的结果，剩余的结果里再挑选满足条件的结果)，因此需要二次check，bloom支持任意列组合的等值查询。

bloom存储的是签名，签名越大，耗费的空间越多，但是排除更加精准。有利有弊。

CREATE INDEX bloomidx ON tbloom USING bloom (i1,i2,i3)
       WITH (length=80, col1=2, col2=2, col3=4);

签名长度 80 bit, 最大允许4096 bits
col1 - col32，分别指定每列的bits，默认长度2，最大允许4095 bits.
1
2
3
4
5

应用场景

bloom索引适合多列任意组合查询。

《PostgreSQL 9.6 黑科技 bloom 算法索引，一个索引支撑任意列组合查询》

9.zombodb 索引

zombodb是PostgreSQL与ElasticSearch结合的一个索引接口，可以直接读写ES。

https://github.com/zombodb/zombodb

应用场景

与ES结合，实现SQL接口的搜索引擎，实现数据的透明搜索。

创建索引

PostgreSQL 使用CREATE INDEX语句创建新的索引：

CREATE INDEX index_name ON table_name 
[USING method]
(column_name [ASC | DESC] [NULLS FIRST | NULLS LAST]);
1
2
3

其中：

• index_name 是索引的名称，table_name 是表的名称；
• method 表示索引的类型，例如 btree、hash、gist、spgist、gin 或者 brin。默认为 btree；
• column_name 是字段名，ASC表示升序排序（默认值），DESC表示降序索引；
• NULLS FIRST和NULLS LAST表示索引中空值的排列顺序，升序索引时默认为NULLS LAST，降序索引时默认为NULLS FIRST。

如果我们经常使用 name 字段作为查询条件，可以为 test 表创建以下索引：

CREATE INDEX test_name_index ON test (name);
1

创建索引之后，优化器会自动选择是否使用索引，例如：

explain analyze
SELECT * FROM test WHERE name IS NULL;
QUERY PLAN                                                                                                           |
---------------------------------------------------------------------------------------------------------------------|
Index Scan using test_name_index on test  (cost=0.43..5.77 rows=1 width=15) (actual time=0.036..0.037 rows=0 loops=1)|
  Index Cond: (name IS NULL)                                                                                         |
Planning Time: 1.067 ms                                                                                              |
Execution Time: 0.048 ms                                                                                             |
1
2
3
4
5
6
7
8

基于索引字段的IS NULL运算符同样可以利用索引进行优化。

唯一索引

在创建索引时，可以使用UNIQUE关键字指定唯一索引：

CREATE UNIQUE INDEX index_name
ON table_name (column_name [ASC | DESC] [NULLS FIRST | NULLS LAST]);
1
2

唯一索引可以用于实现唯一约束，PostgreSQL 目前只支持 B-树类型的唯一索引。多个 NULL 值被看作是不同的值，因此唯一索引字段可以存在多个空值。

对于主键和唯一约束，PostgreSQL 会自动创建一个唯一索引，从而确保唯一性。

多列索引

PostgreSQL 支持基于多个字段的索引，也就是多列索引（复合索引）。默认情况下，一个多列索引最多可以使用 32 个字段。只有B-树、GIST、GIN 和 BRIN 索引支持多列索引。

CREATE [UNIQUE] INDEX index_name ON table_name
[USING method]
(column1 [ASC | DESC] [NULLS FIRST | NULLS LAST], ...);
1
2
3

对于多列索引，应该将最常作为查询条件使用的字段放在左边，较少使用的字段放在右边。例如，基于（c1, c2, c3）创建的索引可以优化以下查询：

WHERE c1 = v1 and c2 = v2 and c3 = v3;
WHERE c1 = v1 and c2 = v2;
WHERE c1 = v1;
1
2
3

但是以下查询无法使用该索引：

WHERE c2 = v2;
WHERE c3 = v3;
WHERE c2 = v2 and c3 = v3;
1
2
3

对于多列唯一索引，字段的组合值不能重复；但是如果某个字段是空值，其他字段可以出现重复值。

函数索引

函数索引，也叫表达式索引，是指基于某个函数或者表达式的值创建的索引。PostgreSQL 中创建函数索引的语法如下：

CREATE [UNIQUE] INDEX index_name 
ON table_name (expression);
1
2

expression 是基于字段的表达式或者函数。

以下查询在 name 字段上使用了 upper 函数：

explain analyze
SELECT * FROM test WHERE upper(name) ='VAL:10000';
QUERY PLAN                                                                                                                 |
---------------------------------------------------------------------------------------------------------------------------|
Gather  (cost=1000.00..122556.19 rows=50001 width=15) (actual time=18.629..7310.422 rows=1 loops=1)                        |
  Workers Planned: 2                                                                                                       |
  Workers Launched: 2                                                                                                      |
  ->  Parallel Seq Scan on test  (cost=0.00..116556.09 rows=20834 width=15) (actual time=4746.266..7171.452 rows=0 loops=3)|
        Filter: (upper(name) = 'VAL:10000'::text)                                                                          |
        Rows Removed by Filter: 3333333                                                                                    |
Planning Time: 0.100 ms                                                                                                    |
Execution Time: 7310.444 ms                                                                                                |
1
2
3
4
5
6
7
8
9
10
11
12

虽然 name 字段上存在索引 test_name_index，但是函数会导致优化器无法使用该索引。为了优化这种不分区大小写的查询语句，可以基于 name 字段创建一个函数索引：

drop index test_name_index;
create index test_name_index on test(upper(name));
1
2

再次查看该语句的执行计划：

explain analyze
SELECT * FROM test WHERE upper(name) ='VAL:10000';
QUERY PLAN                                                                                                                     |
-------------------------------------------------------------------------------------------------------------------------------|
Bitmap Heap Scan on test  (cost=1159.93..57095.47 rows=50000 width=15) (actual time=17.046..17.047 rows=1 loops=1)             |
  Recheck Cond: (upper(name) = 'VAL:10000'::text)                                                                              |
  Heap Blocks: exact=1                                                                                                         |
  ->  Bitmap Index Scan on test_name_index  (cost=0.00..1147.43 rows=50000 width=0) (actual time=17.032..17.032 rows=1 loops=1)|
        Index Cond: (upper(name) = 'VAL:10000'::text)                                                                          |
Planning Time: 1.985 ms                                                                                                        |
Execution Time: 17.080 ms                                                                                                      |
1
2
3
4
5
6
7
8
9
10
11

函数索引的维护成本比较高，因为插入和更新时都需要进行函数计算。

部分索引

部分索引（partial index）是只针对表中部分数据行创建的索引，通过一个WHERE子句指定需要索引的行。例如，对于订单表 orders，绝大部的订单都处于完成状态；我们只需要针对未完成的订单进行查询跟踪，可以创建一个部分索引：

create table orders(order_id int primary key, order_ts timestamp, finished boolean);

create index orders_unfinished_index
on orders (order_id)
where finished is not true;
1
2
3
4
5

该索引只包含了未完成的订单 id，比直接基于 finished 字段创建的索引小很多。它可以用于优化未完成订单的查询：

explain analyze
select order_id
from orders
where finished is not true;
QUERY PLAN                                                                                                                      |
--------------------------------------------------------------------------------------------------------------------------------|
Bitmap Heap Scan on orders  (cost=4.38..24.33 rows=995 width=4) (actual time=0.010..0.010 rows=0 loops=1)                       |
  Recheck Cond: (finished IS NOT TRUE)                                                                                          |
  ->  Bitmap Index Scan on orders_unfinished_index  (cost=0.00..4.13 rows=995 width=0) (actual time=0.004..0.004 rows=0 loops=1)|
Planning Time: 0.130 ms                                                                                                         |
Execution Time: 0.049 ms                                                                                                        |
1
2
3
4
5
6
7
8
9
10
11

覆盖索引

PostgreSQL 中的索引都属于二级索引，意味着索引和数据是分开存储的。因此通过索引查找数据即需要访问索引，又需要访问表，而表的访问是随机 I/O。

为了解决这个性能问题，PostgreSQL 支持 Index-Only 扫描，只需要访问索引的数据就能获得需要的结果，而不需要再次访问表中的数据。例如：

CREATE TABLE t (a int, b int, c int);
CREATE UNIQUE INDEX idx_t_ab ON t USING btree (a, b) INCLUDE (c);
1
2

以上语句基于字段 a 和 b 创建了多列索引，同时利用INCLUDE在索引的叶子节点存储了字段 c 的值。以下查询可以利用 Index-Only 扫描：

explain analyze
select a, b, c 
from t 
where a = 100 and b = 200;
QUERY PLAN                                                                                                      |
----------------------------------------------------------------------------------------------------------------|
Index Only Scan using idx_t_ab on t  (cost=0.15..8.17 rows=1 width=12) (actual time=0.007..0.007 rows=0 loops=1)|
  Index Cond: ((a = 100) AND (b = 200))                                                                         |
  Heap Fetches: 0                                                                                               |
Planning Time: 0.078 ms                                                                                         |
Execution Time: 0.021 ms                                                                                        |
1
2
3
4
5
6
7
8
9
10
11

以上查询只返回索引字段（a、b）和覆盖的字段（c），可以仅通过扫描索引即可返回结果。

B-树索引支持 Index-Only 扫描，GiST 和 SP-GiST 索引支持某些运算符的 Index-Only 扫描，其他索引不支持这种方式。

查看索引

PostgreSQL 提供了一个关于索引的视图 pg_indexes，可以用于查看索引的信息：

select * from pg_indexes where tablename = 'test';
schemaname|tablename|indexname      |tablespace|indexdef                                                             |
----------|---------|---------------|----------|---------------------------------------------------------------------|
public    |test     |test_id_index  |          |CREATE INDEX test_id_index ON public.test USING btree (id)           |
public    |test     |test_name_index|          |CREATE INDEX test_name_index ON public.test USING btree (upper(name))|
1
2
3
4
5

该视图包含的字段依次为：模式名、表名、索引名、表空间以及索引的定义语句。

如果使用 psql 客户端连接，可以使用\d table_name命令查看表的结构，包括表中的索引信息。

维护索引

PostgreSQL 提供了一些修改和重建索引的方法：

ALTER INDEX index_name RENAME TO new_name;
ALTER INDEX index_name SET TABLESPACE tablespace_name;

REINDEX [ ( VERBOSE ) ] { INDEX | TABLE | SCHEMA | DATABASE | SYSTEM }  index_name;
1
2
3
4

两个ALTER INDEX语句分别用于重命名索引和移动索引到其他表空间；REINDEX用于重建索引数据，支持不同级别的索引重建。

另外，索引被创建之后，系统会在修改数据的同时自动更新索引。不过，我们需要定期执行ANALYZE命令更新数据库的统计信息，以便优化器能够合理使用索引。

删除索引

如果需要删除一个已有的索引，可以使用以下命令：

DROP INDEX index_name [ CASCADE | RESTRICT ];
1

CASCADE 表示级联删除其他依赖该索引的对象；RESTRICT 表示如果存在依赖于该索引的对象，将会拒绝删除操作。默认为 RESTRICT。

我们可以使用以下语句删除 test 上的索引：

DROP INDEX test_id_index, test_name_index;
1