在 Postgres jsonb 中查询数组结构的正确索引是什么？

Question

我正在尝试在 Postgres 9.4 的 Postgres jsonb 字段中保留如下值：

[{"event_slug":"test_1","start_time":"2014-10-08","end_time":"2014-10-12"},
 {"event_slug":"test_2","start_time":"2013-06-24","end_time":"2013-07-02"},
 {"event_slug":"test_3","start_time":"2014-03-26","end_time":"2014-03-30"}]

我正在执行如下查询：

SELECT * FROM locations
WHERE EXISTS (
  SELECT 1 FROM jsonb_array_elements(events) AS e
  WHERE (
    e->>'event_slug' = 'test_1' AND
    (
      e->>'start_time' >= '2014-10-30 14:04:06 -0400' OR
      e->>'end_time' >= '2014-10-30 14:04:06 -0400'
    )
  )
)

如何为该数据创建索引以供上述查询使用？对于几百万行（每行在该列中包含约 10 个事件）来说，这种设计听起来合理吗？

值得注意的是，我似乎仍在进行顺序扫描：

CREATE INDEX events_gin_idx ON some_table USING GIN (events);

我猜是因为我在查询中做的第一件事是将数据转换为 json 数组元素。

Answer 1

首先，您不能像那样访问 JSON 数组值。对于给定的 json 值

[{"event_slug":"test_1","start_time":"2014-10-08","end_time":"2014-10-12"},
 {"event_slug":"test_2","start_time":"2013-06-24","end_time":"2013-07-02"},
 {"event_slug":"test_3","start_time":"2014-03-26","end_time":"2014-03-30"}]

对第一个数组元素的有效测试是：

WHERE e->0->>'event_slug' = 'test_1'

但您可能不想将搜索限制在数组的第一个元素上。使用 Postgres 9.4 中的 jsonb 数据类型，您可以获得额外的运算符和索引支持。要索引数组的元素，您需要一个 GIN 索引。

GIN 索引的内置运算符类不支持“大于”或“小于”运算符> >= < <=。 jsonb 也是如此，您可以在其中选择两个运算符类。 Per documentation:

Name             Indexed Data Type  Indexable Operators
...
jsonb_ops        jsonb              ? ?& ?| @>
jsonb_path_ops   jsonb              @>
   

（jsonb_ops 是默认值。）您可以覆盖相等测试，但这些运算符都不能满足您对 >= 比较的要求。你需要一个 btree 索引。

基本解决方案

使用索引支持相等检查：

CREATE INDEX locations_events_gin_idx ON locations
USING gin (events jsonb_path_ops);

SELECT * FROM locations WHERE events @> '[{"event_slug":"test_1"}]';

如果过滤器有足够的选择性，这可能就足够了。
假设end_time >= start_time，所以我们不需要两次检查。仅检查 end_time 更便宜且等效：

SELECT l.*
FROM   locations l
     , jsonb_array_elements(l.events) e
WHERE  l.events @> '[{"event_slug":"test_1"}]'
AND   (e->>'end_time')::timestamp >= '2014-10-30 14:04:06 -0400'::timestamptz;

使用隐式JOIN LATERAL。详情（最后一章）：

• PostgreSQL unnest() with element number

小心不同的数据类型！ JSON 值中的内容类似于 timestamp [without time zone]，而谓词使用 timestamp with time zone 文字。 timestamp 值根据当前 时区 设置进行解释，而给定的 timestamptz 文字必须显式转换为 timestamptz 否则时区将被忽略！上面的查询应该可以按需要工作。详细解释：

• Ignoring time zones altogether in Rails and PostgreSQL

jsonb_array_elements()的更多解释：

• PostgreSQL joining using JSONB

高级解决方案

如果以上还不够好，我会考虑使用MATERIALIZED VIEW 以标准化形式存储相关属性。这允许普通的 btree 索引。

代码假定您的 JSON 值具有与问题中显示的一致的格式。

设置：

CREATE TYPE event_type AS (
 , event_slug  text
 , start_time  timestamp
 , end_time    timestamp
);

CREATE MATERIALIZED VIEW loc_event AS
SELECT l.location_id, e.event_slug, e.end_time  -- start_time not needed
FROM   locations l, jsonb_populate_recordset(null::event_type, l.events) e;

jsonb_populate_recordset()的相关答案：

• How to convert PostgreSQL 9.4's jsonb type to float

CREATE INDEX loc_event_idx ON loc_event (event_slug, end_time, location_id);

还包括location_id 以允许仅索引扫描。 （见manual page和Postgres Wiki。）

查询：

SELECT *
FROM   loc_event
WHERE  event_slug = 'test_1'
AND    end_time  >= '2014-10-30 14:04:06 -0400'::timestamptz;

或者，如果您需要底层 locations 表中的完整行：

SELECT l.*
FROM  (
   SELECT DISTINCT location_id
   FROM   loc_event
   WHERE  event_slug = 'test_1'
   AND    end_time  >= '2014-10-30 14:04:06 -0400'::timestamptz
   ) le
JOIN locations l USING (location_id);

Answer 2

CREATE INDEX json_array_elements_index ON
    json_array_elements ((events_arr->>'event_slug'));

应该让你朝着正确的方向开始。