sql - Postgres pg_trgm GIN 索引在特定连接中被忽略

标签 sql postgresql optimization indexing

我有一张 table item具有多个文本字段,例如 name , unique_attr , category等,所有这些我都使用 GIN (gin_trgm_ops) 索引更快地编制索引 ilike查询,实际上,即使连接到表 inventory_membership使用索引并加快执行时间。我的解释的输出:

   explain analyze select i.* from item i 
     join inventory_membership im on im.inventory_id = i.inventory_id
     where i.name ilike '%blu%' or unique_attr ilike '%blu%' or category ilike '%blu%' 
     or brand ilike '%blu%';

Hash Join  (cost=98.64..4584.98 rows=87302 width=478) (actual time=4.258..30.393 rows=57584 loops=1)
  Hash Cond: (i.inventory_id = im.inventory_id)
  ->  Bitmap Heap Scan on item i  (cost=95.45..3584.23 rows=4982 width=478) (actual time=3.706..10.529 rows=3340 loops=1)
        Recheck Cond: ((name ~~* '%blu%'::text) OR (unique_attr ~~* '%blu%'::text) OR (category ~~* '%blu%'::text) OR (brand ~~* '%blu%'::text))
        Heap Blocks: exact=715
        ->  BitmapOr  (cost=95.45..95.45 rows=5130 width=0) (actual time=3.622..3.622 rows=0 loops=1)
              ->  Bitmap Index Scan on item_name_idx  (cost=0.00..42.97 rows=3596 width=0) (actual time=1.612..1.612 rows=3160 loops=1)
                    Index Cond: (name ~~* '%blu%'::text)
              ->  Bitmap Index Scan on item_unique_attr_idx  (cost=0.00..12.01 rows=1 width=0) (actual time=0.586..0.586 rows=32 loops=1)
                    Index Cond: (unique_attr ~~* '%blu%'::text)
              ->  Bitmap Index Scan on item_category_idx  (cost=0.00..22.78 rows=1437 width=0) (actual time=0.888..0.888 rows=1394 loops=1)
                    Index Cond: (category ~~* '%blu%'::text)
              ->  Bitmap Index Scan on item_brand_idx  (cost=0.00..12.72 rows=96 width=0) (actual time=0.532..0.532 rows=42 loops=1)
                    Index Cond: (brand ~~* '%blu%'::text)
  ->  Hash  (cost=1.97..1.97 rows=97 width=4) (actual time=0.059..0.060 rows=87 loops=1)
        Buckets: 1024  Batches: 1  Memory Usage: 12kB
        ->  Seq Scan on inventory_membership im  (cost=0.00..1.97 rows=97 width=4) (actual time=0.010..0.032 rows=87 loops=1)
Planning Time: 0.924 ms
Execution Time: 42.093 ms
我们可以看到 item_name_idx , item_unique_attr_idx , item_category_idxitem_brand_idx GIN 索引用于索引条件。伟大的。
但是,当我加入另一个表(只有 inventoryid 列的 name 表)时,索引消失了。
解释:
explain analyze select i.* from item i
    join inventory inv on inv.id = i.inventory_id
    join inventory_membership im on im.inventory_id = i.inventory_id
    where i.name ilike '%blu%' or unique_attr ilike '%blu%' or category ilike '%blu%' or brand 
    ilike '%blu%';

Hash Join  (cost=4.67..1172.61 rows=60407 width=478) (actual time=0.775..121.787 rows=57584 loops=1)
  Hash Cond: (inv.id = im.inventory_id)
  ->  Merge Join  (cost=1.49..440.81 rows=4982 width=482) (actual time=0.111..101.857 rows=3340 loops=1)
        Merge Cond: (i.inventory_id = inv.id)
        ->  Index Scan using item_inventory_id_idx on item i  (cost=0.29..13946.60 rows=4982 width=478) (actual time=0.085..99.857 rows=3340 loops=1)
              Filter: ((name ~~* '%blu%'::text) OR (unique_attr ~~* '%blu%'::text) OR (category ~~* '%blu%'::text) OR (brand ~~* '%blu%'::text))
              Rows Removed by Filter: 34858
        ->  Sort  (cost=1.20..1.22 rows=8 width=4) (actual time=0.020..0.025 rows=8 loops=1)
              Sort Key: inv.id
              Sort Method: quicksort  Memory: 25kB
              ->  Seq Scan on inventory inv  (cost=0.00..1.08 rows=8 width=4) (actual time=0.006..0.009 rows=8 loops=1)
  ->  Hash  (cost=1.97..1.97 rows=97 width=4) (actual time=0.650..0.651 rows=87 loops=1)
        Buckets: 1024  Batches: 1  Memory Usage: 12kB
        ->  Seq Scan on inventory_membership im  (cost=0.00..1.97 rows=97 width=4) (actual time=0.005..0.028 rows=87 loops=1)
Planning Time: 7.193 ms
Execution Time: 132.427 ms
你可以看到 GIN 索引消失了,解释使用的唯一索引是 item_inventory_id_idx - 这是常规的 FK BTREE 索引。
此外,执行时间也超过了屋顶。为什么?

最佳答案

您注意到您最感兴趣的是库存名称,并且库存表中只有 8 行。这 8 行是查询规划器更喜欢 merge join 的原因而不是 hash join ,当两个表都很大时效果更好。合并连接需要 inventory_id在排序列表中(这正是索引的含义),这意味着它不希望使用您的 GIN 索引,因为它认为那样效率会更低。
现在,没有数据,你可以做几件事,我不知道哪一件会更快。您已经尝试过的第一个方法是在 scalar subquery 中获取库存名称。 :

SELECT i.*, (select name from inventory where id = i.inventory_id) as inventoryName
FROM item i
JOIN inventory_membership im ON im.inventory_id = i.inventory_id
WHERE i.name ilike '%blu%' or unique_attr ilike '%blu%' or category ilike '%blu%' 
     or brand ilike '%blu%';
但这意味着这个 select语句执行 57k 次,每行一次。第二种是使用您拥有的查询,但查看是否更改 i.inventory_idinv.idinventory_membership改变任何东西。
SELECT i.*, inv.name as inventoryName
FROM item i
JOIN inventory inv ON inv.id = i.inventory_id
JOIN inventory_membership im ON im.inventory_id = inv.id -- <- this changed
WHERE i.name ilike '%blu%' or unique_attr ilike '%blu%' or category ilike '%blu%' 
     or brand ilike '%blu%';
最后,正如 this 中所说的那样问题,您可能会在获取库存名称之前强制执行第一个查询,使用 CTE 或带有 OFFSET 0 的子查询.
WITH my_items AS (
  SELECT i.*
  FROM item i
  JOIN inventory_membership im ON im.inventory_id = i.inventory_id
  WHERE i.name ilike '%blu%' or unique_attr ilike '%blu%' or category ilike '%blu%' 
       or brand ilike '%blu%'
)
SELECT i.*, inv.name as inventoryName
FROM my_items i
JOIN inventory inv ON inv.id = i.inventory_id
或者
SELECT i.*, inv.name as inventoryName
FROM (
  SELECT i.*
  FROM item i
  JOIN inventory_membership im ON im.inventory_id = i.inventory_id
  WHERE i.name ilike '%blu%' or unique_attr ilike '%blu%' or category ilike '%blu%' 
       or brand ilike '%blu%'
  OFFSET 0 -- <- this forces the subquery to be evaluated separate from the rest of the query
) i
JOIN inventory inv ON inv.id = i.inventory_id

关于sql - Postgres pg_trgm GIN 索引在特定连接中被忽略,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63485270/

相关文章:

sql - 当存储过程结束时,即使嵌套在另一个 SP 中,是否会释放通过 "select for update"获得的锁?

php - SQL查询MySQL到JSON

database - 未使用数组列上的 GIN 索引,即使在将 `enable_seqscan` 设置为关闭之后?

java - 为什么 JIT 会在启动时编译一些方法?

c - 'smart' 是如何进行 GCC 的 Tail-Call-Optimisation 的?

c++ - 如何在设置字符串值时优化函数调用?

mysql - 实现一对一关系

sql - 将记录从 Char 列复制到 Varchar 列后,我无法在 SQL Server 2014 中使用 like 语句找到该行,但在 2003 中很好

postgresql - PostGIS -Ubuntu 安装错误询问依赖关系

sql-server - T-SQL 中的存储过程转换为 PostgreSQL