我试图更好地理解创建 Postgres 索引所涉及的权衡。作为其中的一部分,我很想了解通常使用多少空间索引。我已通读 the docs ,但找不到这方面的任何信息。我一直在做自己的小实验来创建表和索引,但如果有人能解释为什么大小是这样的,那就太棒了。假设像这样一个有 1M 行的公共(public)表,其中每一行都有一个唯一的 id
和一个独特的 outstanding
.
CREATE TABLE account (
id integer,
active boolean NOT NULL,
outstanding double precision NOT NULL,
);
和创建的索引CREATE INDEX id_idx ON account(id)
CREATE INDEX outstanding_idx ON account(outstanding)
CREATE INDEX id_outstanding_idx ON account(id, outstanding)
CREATE INDEX active_idx ON account(active)
CREATE INDEX partial_id_idx ON account(id) WHERE active
您估计索引大小以字节为单位,更重要的是,为什么?
最佳答案
由于您没有指定 index type , 我假设默认 B树索引 .其他类型可能有很大不同。
这是计算 的简单函数估计的最小大小(以字节为单位)对于具有给定列的给定表上的索引:
CREATE OR REPLACE FUNCTION f_index_minimum_size(_tbl regclass, _cols VARIADIC text[], OUT estimated_minimum_size bigint)
LANGUAGE plpgsql AS
$func$
DECLARE
_missing_column text;
BEGIN
-- assert
SELECT i.attname
FROM unnest(_cols) AS i(attname)
LEFT JOIN pg_catalog.pg_attribute a ON a.attname = i.attname
AND a.attrelid = _tbl
WHERE a.attname IS NULL
INTO _missing_column;
IF FOUND THEN
RAISE EXCEPTION 'Table % has no column named %', _tbl, quote_ident(_missing_column);
END IF;
SELECT INTO estimated_minimum_size
COALESCE(1 + ceil(reltuples/trunc((blocksize-page_overhead)/(4+tuple_size)))::int, 0) * blocksize -- AS estimated_minimum_size
FROM (
SELECT maxalign, blocksize, reltuples, fillfactor, page_overhead
, (maxalign -- up to 16 columns, else nullbitmap may force another maxalign step
+ CASE WHEN datawidth <= maxalign THEN maxalign
WHEN datawidth%maxalign = 0 THEN datawidth
ELSE (datawidth + maxalign) - datawidth%maxalign END -- add padding to the data to align on MAXALIGN
) AS tuple_size
FROM (
SELECT c.reltuples, count(*)
, 90 AS fillfactor
, current_setting('block_size')::bigint AS blocksize
, CASE WHEN version() ~ '64-bit|x86_64|ppc64|ia64|amd64|mingw32' -- MAXALIGN: 4 on 32bits, 8 on 64bits
THEN 8 ELSE 4 END AS maxalign
, 40 AS page_overhead -- 24 bytes page header + 16 bytes "special space"
-- avg data width without null values
, sum(ceil((1-COALESCE(s.null_frac, 0)) * COALESCE(s.avg_width, 1024))::int) AS datawidth -- ceil() because avg width has a low bias
FROM pg_catalog.pg_class c
JOIN pg_catalog.pg_attribute a ON a.attrelid = c.oid
JOIN pg_catalog.pg_stats s ON s.schemaname = c.relnamespace::regnamespace::text
AND s.tablename = c.relname
AND s.attname = a.attname
WHERE c.oid = _tbl
AND a.attname = ANY(_cols) -- all exist, verified above
GROUP BY 1
) sub1
) sub2;
END
$func$;
调用示例:SELECT f_index_minimum_size('my_table', 'col1', 'col2', 'col3');
SELECT f_index_minimum_size('public.my_table', VARIADIC '{col1, col2, col3}');
db<> fiddle here关于
VARIADIC
参数:基本上 ,所有索引都使用通常为 8 kb block 大小(很少为 4 kb)的数据页。 有一个数据页开销B树索引开始。每个额外的数据页都有 40 字节的固定开销(当前)。每个页面存储元组,如手册 here 中所述.每个元组都有一个元组头(通常为 8 字节,包括对齐填充),可能是空位图,数据(可能包括多列索引的列之间的对齐填充),以及可能对齐到
MAXALIGN
的下一个倍数的填充。 (通常为 8 个字节)。另外,还有一个 ItemId
每个元组 4 个字节。一些空间最初可以通过 fillfactor
保留以供以后添加。 - B-tree 索引默认为 90%。重要说明和免责声明
报告的大小是估计的最小大小。由于页面拆分的自然膨胀,实际索引通常会大 25% 左右。另外,无法计算对齐填充 考虑到多个列之间。可以再增加几个百分点(在极端情况下甚至更多)。看:
估计基于 View 中的列统计信息
pg_stats
基于系统表 pg_statistics
. (直接使用后者会更快,但只允许 super 用户使用。)特别是,计算基于 null_frac
,“为空的列条目的分数”和avg_width
,“列条目的平均宽度(以字节为单位)”来计算平均数据宽度 - 忽略多列索引可能的额外对齐填充。默认 90 %
fillfactor
被考虑在内。 (可能会指定一个不同的。)高达 50% 的膨胀通常对于 B-tree 索引来说是很自然的,无需担心。
不适用于表达式索引。
不提供部分索引。
如果传递了除现有普通列名之外的任何内容,则函数会引发异常。区分大小写!
如果表是新表(或者在任何情况下统计数据可能已过时),请务必运行
ANALYZE
在调用函数更新(甚至启动!)统计信息之前,在表上。由于主要优化, 中的 B-tree 索引Postgres 12 浪费更少的空间,通常更接近报告的最小尺寸。
不占deduplication由 介绍Postgres 13 ,它可以压缩具有重复值的索引。
部分代码取自 ioguix 的膨胀估计查询:
Postgres源代码在这里有更多血腥细节:
关于postgresql - 估计 Postgres 索引的大小,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63760689/