Postgresql 中文操作指南

12.9. Preferred Index Types for Text Search #

有两种索引可用于加速全文搜索： GIN 和 GiST 。请注意，索引不是全文搜索的强制要求，但在定期对某一列进行搜索的情况下，通常需要有一个索引。

如要创建这样的索引，执行以下操作之一：

  • CREATE INDEX _name ON table USING GIN ( column );_

    • 以 GIN（通用倒排索引）为基础创建一个索引。column 必须为 tsvector 类型。

  • CREATE INDEX _name ON table USING GIST ( column [ { DEFAULT | tsvector_ops } (siglen = number ) ] );_

    • 以 GiST（通用搜索树）为基础创建一个索引。column 可以为 tsvector 或 tsquery 类型。可选整型参数 siglen 用以确定签名长度（以字节为单位，有关详细信息，请参见下文）。

GIN 索引是优先选择的文本搜索索引类型。作为倒排索引，它们为每个单词（语素）包含一个索引项，并以压缩列表形式列出匹配的位置。多词搜索可以找到首个匹配项，然后使用索引删除缺少其他单词的行。GIN 索引仅存储 tsvector 值的单词（语素），而不存储其权重标签。因此，在使用涉及权重的查询时需要重新检查表行。

GiST 索引是 lossy，这意味着该索引可能会产生错误匹配项，因此有必要检查实际表行以消除这种错误匹配项。（PostgreSQL 在需要时会自动执行此操作。）GiST 索引是有损索引，因为每个文档都在索引中由固定长度的签名表示。签名长度（以字节为单位）由可选整型参数 siglen 的值决定。默认签名长度（在未指定 siglen 时）为 124 字节，最大签名长度为 2024 字节。签名是通过将每个单词哈希到 n 位字符串中的单个位，然后对所有这些位进行或运算而生成的 n 位文档签名。当两个单词哈希到相同位位置时，就会出现错误匹配项。如果查询中的所有单词都有匹配项（真实或错误），则必须检索表行以查看匹配项是否正确。更长的签名会导致更精确的搜索（扫描索引和堆页页的较小部分），但代价是索引更大。

GiST 索引可以覆盖，即使用 INCLUDE 子句。包含的列可以具有没有任何 GiST 运算符类的任何数据类型。包含的属性将以非压缩格式存储。

有损性会导致性能下降，原因是由于错误匹配项引起的不必要的表记录提取。由于随机访问表记录速度很慢，因此会限制 GiST 索引的效用。错误匹配项的可能性取决于多个因素，尤其是唯一单词的数量，因此建议使用词典来减少此数量。

请注意，通过增加 maintenance_work_mem，通常可以改善 GIN 索引的构建时间，而 GiST 索引构建时间对此参数不敏感。

对大集合进行分区以及正确使用 GIN 和 GiST 索引，可以实现借助在线更新执行的极快速搜索。分区可以在数据库级别使用表继承来完成，或通过在服务器上分发文档并收集外部搜索结果来完成，例如通过 Foreign Data访问。后者之所以可行，是因为排名函数仅使用本地信息。