使用加權 tsvector 用於 PostgreSQL 全文搜索的最佳索引

Question

我是數據庫的新手，對索引的工作方式沒有把握。

我正在考慮對我的包含加權的 tsvector 的列進行索引（標題被賦予最大權重，然后是副標題，然后是段落內容）。 根據 Postgres 文檔，GIN 是用於全文搜索的最佳選擇，其次是 GiST。 但是第 12.9 章中有一個注釋：

GIN 索引是首選的文本搜索索引類型。 作為倒排索引，它們包含每個單詞（詞素）的索引條目，以及匹配位置的壓縮列表。 多詞搜索可以找到第一個匹配項，然后使用索引刪除缺少其他詞的行。 GIN 索引僅存儲 tsvector 值的單詞（詞素），而不存儲它們的權重標簽。 因此，在使用涉及權重的查詢時需要重新檢查表行。

這是否意味着 GIN 在我的用例中效率低下，我應該使用 GiST，還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，你應該堅持使用 GIN 索引。

索引掃描充當過濾器，並有望消除大部分行，因此只有少數行需要重新檢查。

無論如何，您可能必須獲取表行，因此除非在索引掃描期間發現許多誤報，否則不會有很多額外的工作。

最好的辦法是在你的數據集上運行一些基准測試，這會給你一個權威的答案，哪個索引更適合你的情況。

要找出在位圖堆掃描期間消除了多少誤報，您可以檢查查詢的EXPLAIN (ANALYZE, BUFFERS)的輸出。

Answer 2

tsvector 的 GiST 索引的實現是有損的，因此他們也需要查閱表格。 文檔的那部分很奇怪，因為它似乎將 GIN 與 GiST 進行了對比，但 GIN 和 GiST 都不存儲權重，因此沒有什么可對比的。 （GiST 甚至不存儲比權重少得多的值，只存儲值的散列位）。

此外，權重僅在排名時使用，而不是在搜索時使用。

關於 tsvector 首選 GiST 的唯一時間是，如果您想要一個多列索引，您將對不同列的選擇條件進行 AND 運算。