PostgreSQL GIN 索引比 pg_trgm 的 GIST 慢吗？

Question

尽管所有文档都说了些什么，但我发现 GIN 索引比 pg_trgm 相关搜索的 GIST 索引慢得多。 这是一个包含 2500 万行的表格，其中包含一个相对较短的文本字段（平均长度为 21 个字符）。 大多数文本行都是“123 Main st, City”形式的地址。

GIST 索引大约需要 4 秒，搜索如下

select suggestion from search_suggestions where suggestion % 'seattle';

但是当使用EXPLAIN ANALYZE运行时，GIN 需要 90 秒和以下结果：

Bitmap Heap Scan on search_suggestions  (cost=330.09..73514.15 rows=25043 width=22) (actual time=671.606..86318.553 rows=40482 loops=1)
  Recheck Cond: ((suggestion)::text % 'seattle'::text)
  Rows Removed by Index Recheck: 23214341
  Heap Blocks: exact=7625 lossy=223807
  ->  Bitmap Index Scan on tri_suggestions_idx  (cost=0.00..323.83 rows=25043 width=0) (actual time=669.841..669.841 rows=1358175 loops=1)
        Index Cond: ((suggestion)::text % 'seattle'::text)
Planning time: 1.420 ms
Execution time: 86327.246 ms

请注意，索引选择了超过一百万行，即使实际上只有 40k 行匹配。 任何想法为什么这表现如此糟糕？ 这是在 PostgreSQL 9.4 上。

Answer 1

一些问题很突出：

首先，考虑升级到当前版本的 Postgres 。 在撰写本文时，它是第 9.6 页或第 10 页（目前是测试版）。 自 Pg 9.4 以来，对 GIN 索引、附加模块 pg_trgm 和大数据进行了多项改进。

接下来，您需要更多RAM ，尤其是更高的work_mem设置。 我可以从EXPLAIN输出中的这一行看出：

Heap Blocks: exact=7625 lossy=223807

位图堆扫描（使用您的特定数字）的详细信息中的“有损”表明work_mem严重短缺。 Postgres 只收集位图索引扫描中的块地址，而不是行指针，因为使用较低的work_mem设置（不能在 RAM 中保存确切地址）预计会更快。 在下面的位图堆扫描中，必须以这种方式过滤更多不合格的行。 这个相关的答案有详细信息：

• 带有位图索引扫描的查询计划中的“重新检查条件：”行

但是不要在不考虑整个情况的情况下将work_mem设置work_mem太高：

• 使用 ORDER BY 日期和文本优化简单查询

可能还有其他问题，例如索引或表膨胀或更多配置瓶颈。 但是，如果你只是解决这两个项目，查询要快很多了。

另外，您真的需要检索示例中的所有 40k 行吗？ 你可能要一个小添加LIMIT的查询，使之成为“近邻”搜索-在这种情况下，其主旨在于指数毕竟是更好的选择，因为这应该是与要旨的索引快。 例子：

• 相似度函数的最佳索引