postgresql pg_trgm 对模糊查询的优化

为什么80%的码农都做不了架构师？>>>   

pg_trgm是用来做相似度匹配的，在一些情况下也可以拿来代替全文检索做字符匹配。

从大量数据中通过字符串的匹配查找数据的关键是索引，对字符串的精确相等匹配，前缀匹配(like 'x%')和后缀匹配(like '%x')可以使用btree索引,对中缀匹配(like '%x%')和正则表达式匹配就可以用pg_trgm的索引了。

1.环境

Ubuntu 14.04

PostgreSQL 9.4.0

1000万随机产生的MD5数据的前8个字符。

postgres=# create table tb(info text);  
CREATE TABLE  
postgres=# insert into tb select substring(md5(random()::text),1,8) from generate_series(1,10000000);  
INSERT 0 10000000
shop_5> SELECT * from tb where info ~ '4c589' limit 1;
+----------+
| info     |
|----------|
| a64c5891 |
+----------+
SELECT 1
Time: 0.003s
shop_5> SELECT * from tb where info ~ '4c589' limit 20;
+----------+
| info     |
|----------|
| a64c5891 |
| 5d4c5899 |
| b6b4c589 |
| 984c589a |
| 省略 数据 |
| 8d4c5894 |
| c0e4c589 |
| 974c589b |
+----------+
SELECT 20
Time: 4.035s       # 直接模糊查询需要 4s
shop_5> CREATE INDEX tb_info_gin_idx on tb using gin(info gin_trgm_ops);
CREATE INDEX
Time: 54.878s
shop_5> SELECT * from tb where info ~ '4c589' limit 20;
+----------+
| info     |
|----------|
| 4c589ea6 |
| a734c589 |
| 54c58961 |
| 4c589d5d |
| a64c5891 |
| 省略 数据 |
| a4c589b7 |
| 4c5894ea |
| b4c589f6 |
| 6d14c589 |
| aa4c5897 |
+----------+
SELECT 20
Time: 0.005s       # 加索引后，模糊查询只需要 0.005s
shop_5> explain analyze SELECT * from tb where info ~ '4c589' limit 20;
+--------------------------------------------------------------------------------------
| QUERY PLAN                                                                           
|--------------------------------------------------------------------------------------
| Limit  (cost=51.75..123.23 rows=20 width=9) (actual time=2.431..2.478 rows=20 loops=1
|   ->  Bitmap Heap Scan on tb  (cost=51.75..3625.71 rows=1000 width=9) (actual time=2.
|         Recheck Cond: ((info)::text ~ '4c589'::text)                                 
|         Heap Blocks: exact=20                                                        
|         ->  Bitmap Index Scan on tb_info_gin_idx  (cost=0.00..51.50 rows=1000 width=0
|               Index Cond: ((info)::text ~ '4c589'::text)                             
| Planning time: 0.210 ms                                                              
| Execution time: 2.503 ms                                                             
+--------------------------------------------------------------------------------------
EXPLAIN
Time: 0.005s
shop_5> \d tb;
+----------+-----------------------+-------------+
| Column   | Type                  | Modifiers   |
|----------+-----------------------+-------------|
| info     | character text        |             |
+----------+-----------------------+-------------+
Indexes:
    "tb_info_gin_idx" gin (info gin_trgm_ops)
Time: 0.004s
shop_5> SELECT pg_relation_size('tb_info_gin_idx');
+--------------------+
|   pg_relation_size |
|--------------------|
|          234635264 |
+--------------------+
SELECT 1
Time: 0.001s
shop_5> 
shop_5> SELECT pg_size_pretty(pg_table_size('tb'));
+------------------+
| pg_size_pretty   |
|------------------|
| 422 MB           |
+------------------+
SELECT 1Time: 0.001s
shop_5>

###############

这类场景中，gist 效率没有 gin 效率高。

除了like,gin_trgm索引还可以用在正则表达式匹配上。

参考:

http://blog.chinaunix.net/uid-20726500-id-4824895.html

https://yq.aliyun.com/articles/7444

转载于:https://my.oschina.net/bwhite/blog/665328