GIN和GiST索引类型

有两种索引可以用来加速全文搜索:GIN和GiST。全文搜索并非一定需要索引,但是在一个定期会被搜索的列上,通常需要有一个索引。

可以通过以下任意一种方式创建索引:

  • 创建基于 GIN(通用倒排索引)的索引。

    CREATE INDEX name ON table USING GIN (column);

    column必须是tsvector类型。

  • 创建基于 GiST(通用搜索树)的索引。

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

    column可以是tsvectortsquery类型。可选整数参数siglen确定以字节为单位的签名长度(详见下文)

GIN 索引是更好的文本搜索索引类型。作为倒排索引,每个词(词位)在其中都有一个索引项,其中有压缩过的匹配位置的列表。多词搜索可以找到第一个匹配,然后使用该索引移除缺少额外词的行。GIN 索引只存储 tsvector值的词(词位),并且不存储它们的权重标签。因此, 在使用涉及权重的查询时需要一次在表行上的重新检查。

一个 GiST 索引是有损的,这表示索引可能产生假匹配,并且有必要检查真实的表行来消除这种假匹配(本数据库中在需要时会自动做这一步)。GiST 索引之所以是有损的,是因为每一个文档在索引中被表示为一个定长的签名。以字节为单位的签名长度由可选整数参数 siglen 的值决定。 默认签名长度(未指定 siglen 时)为 124 字节,最大签名长度为 2024 字节。该签名通过哈希每一个词到一个 n 位串中的一个单一位来产生,通过将所有这些位 OR 在一起产生一个 n 位的文档签名。当两个词哈希到同一个位位置时就会产生假匹配。如果查询中所有词都有匹配(真或假),则必须检索表行查看匹配是否正确。更长的签名导致更精确的搜索(扫描索引的一小部分和更少的堆页面),但代价是更大的索引。

GiST 索引可以被覆盖,例如使用INCLUDE子句。 包含的列可以具有没有任何 GiST 操作符类的数据类型。 包含的属性将非压缩存储。

有损性导致的性能下降归因于不必要的表记录(即被证实为假匹配的记录)获取。因为表记录的随机访问是较慢的,这限制了 GiST 索引的可用性。假匹配的可能性取决于几个因素,特别是唯一词的数量,因此推荐使用词典来缩减这个数量。

注意 GIN 索引的构件时间常常可以通过增加 maintenance_work_mem 来改进,而 GiST 索引的构建时间则与该参数无关。

对大集合分区并正确使用 GIN 和 GiST 索引允许实现带在线更新的快速搜索。分区可以在数据库层面上使用表继承来完成,或者是通过将文档分布在服务器上并收集外部的搜索结果,例如通过外部数据访问。后者是可能的,因为排名函数只使用本地信息。