使用加权 tsvector 用于 PostgreSQL 全文搜索的最佳索引

Question

我是数据库的新手，对索引的工作方式没有把握。

我正在考虑对我的包含加权的 tsvector 的列进行索引（标题被赋予最大权重，然后是副标题，然后是段落内容）。 根据 Postgres 文档，GIN 是用于全文搜索的最佳选择，其次是 GiST。 但是第 12.9 章中有一个注释：

GIN 索引是首选的文本搜索索引类型。 作为倒排索引，它们包含每个单词（词素）的索引条目，以及匹配位置的压缩列表。 多词搜索可以找到第一个匹配项，然后使用索引删除缺少其他词的行。 GIN 索引仅存储 tsvector 值的单词（词素），而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重新检查表行。

这是否意味着 GIN 在我的用例中效率低下，我应该使用 GiST，还是它仍然是最好的使用？ 我正在使用最新的 Postgres 版本 (12)。

Answer 1

不，你应该坚持使用 GIN 索引。

索引扫描充当过滤器，并有望消除大部分行，因此只有少数行需要重新检查。

无论如何，您可能必须获取表行，因此除非在索引扫描期间发现许多误报，否则不会有很多额外的工作。

最好的办法是在你的数据集上运行一些基准测试，这会给你一个权威的答案，哪个索引更适合你的情况。

要找出在位图堆扫描期间消除了多少误报，您可以检查查询的EXPLAIN (ANALYZE, BUFFERS)的输出。

Answer 2

tsvector 的 GiST 索引的实现是有损的，因此他们也需要查阅表格。 文档的那部分很奇怪，因为它似乎将 GIN 与 GiST 进行了对比，但 GIN 和 GiST 都不存储权重，因此没有什么可对比的。 （GiST 甚至不存储比权重少得多的值，只存储值的散列位）。

此外，权重仅在排名时使用，而不是在搜索时使用。

关于 tsvector 首选 GiST 的唯一时间是，如果您想要一个多列索引，您将对不同列的选择条件进行 AND 运算。