全文索引与 pattern_ops 索引答案

【问题标题】：Fulltext indexes vs pattern_ops indexes全文索引与 pattern_ops 索引
【发布时间】：2011-10-13 06:47:07
【问题描述】：

我正在使用 django，我所有的查询都是由 django 创建的，所以我没有手写查询...

我有一个 BillRecords 的表，其中有一个字段 subscriberno 。在我的 django 过滤器中，我使用如下过滤查询：

BillRecords.objects.filter(subscriberno__icontains='123456')

由于客户说的subscriberno可能是实数的相当缩短的版本...

该过滤器输出如下查询：

SELECT "subscriberno" FROM "BillRecords" WHERE UPPER("subscriberno"::text) LIKE UPPER(E'%123456%');

subscriberno 是一个字符字段，因为一些数字包含字母和一些特殊字符。

在我的数据库中，我的同事为该列创建了两个索引。

"BillRecords_subscriberno" btree (subscriberno)
"BillRecords_fsubscriberno_like" btree (subscriberno varchar_pattern_ops)

我想知道对这样的查询使用两个索引是合乎逻辑的。由于我们所有的 django 过滤器都使用 icontains 并且应该像我上面写的那样创建查询。

Postgres 对查询的分析如下：

Seq Scan on BillRecords  (cost=0.00..159782.40 rows=370 width=15) (actual time=579.637..3705.079 rows=10 loops=1)
Filter: (upper((subscriberno)::text) ~~ '%123456%'::text)
Total runtime: 3705.106 ms
(3 rows)

所以，据我所知，没有使用索引。由于索引 usega 在数据插入和更新方面有成本，所以有两个没有使用的索引（据我从这个分析中可以看出）似乎不合逻辑。

django 是否有机会为类似的icontanis 过滤器输出不同的查询？还是我的索引完全没用？

【问题讨论】：

标签： django postgresql indexing django-queryset full-text-indexing

【解决方案1】：

您不能在未锚定的 like 语句上使用索引。

upper(foo) like 'bar%' -- index on upper(foo)
upper(foo) like '%bar' -- no index
reverse(upper(foo)) like 'rab%' -- index on reverse(upper(foo))
upper(foo) like '%bar%' -- no index

但如果您想缩小搜索窗口，您可能会发现trigram contrib 的使用。

【讨论】：

【解决方案2】：

包含（子字符串）查询无权访问索引（除非运算符链接到全文模块）。另一方面，开始查询可以从索引中受益。如果基数不太低并且插入通常不是大批量而是在 OLTP 场景中进行，则索引开销可以忽略不计。

我是否正确阅读了统计数据：扫描 370 行几乎需要 4 秒？

附：您可能会考虑另一种方法：使用基于函数的索引，可能在subscriberno 的最后四个字符上连接到subscribername 的前三个字符，并使用starts-with 或equals 而不是LIKE 与search-term以通配符结尾。

【讨论】：

实际上 PostgreSQL 9.1 将能够使用like '%foo%' 的“包含”查询的索引。见这里：depesz.com/index.php/2011/02/19/…
@a_horse_with_no_name：对。我应该添加（除非...链接到全文模块or some other kind of string tokenizer）。
我不能使用订阅者名称）：我手头只有 subscriberno，这是一种“保存不同订阅类型信息的系统”，所以我有多种不同的订阅格式，其中一些格式适用于其中的一些...

【解决方案3】：

检查您的索引是否被使用的一种简单方法是查看

SELECT * FROM pg_stat_user_indexes;

如果您的所有查询都与您显示的一样，那么它们肯定不会被使用，因为该模式没有锚定。如果你想解决这个问题，你将不得不通过使用全文搜索、三元组或类似的东西来重新设计你的搜索。

【讨论】：