文本搜索的GiST和GIN索引

文本搜索的GiST和GIN索引

本主题描述并比较用于全文搜索的Greenplum数据库索引类型。

有两种索引可用于加速全文搜索。索引对于全文搜索不是强制性的，但是在定期搜索列的情况下，通常需要索引。

CREATE INDEX name ON table USING gist(column);

创建基于GiST（广义搜索树）的索引。该列可以是tsvector或tsquery类型。

CREATE INDEX name ON table USING gin(column);

创建基于GIN（广义倒置索引）的索引。该列必须是tsvector类型。

两种索引类型之间存在显着的性能差异，因此了解它们的特征非常重要。

GiST索引是有损的，这意味着索引可能产生错误匹配，并且有必要检查实际的表行以消除这种错误匹配。（Greenplum数据库在需要时自动执行此操作。）GiST索引是有损的，因为每个文档在索引中由固定长度签名表示。通过将每个字散列为n比特串中的单个比特来生成签名，所有这些比特一起做OR产生n比特文档签名。当两个单词散列到相同的位位置时，将存在错误匹配。如果查询中的所有单词都匹配（真或假），则必须检索表行以查看匹配是否正确。

由于错误匹配导致不必要的表记录提取，因此有损压缩会导致性能下降。由于对表记录的随机访问速度很慢，因此限制了GiST索引的有用性。错误匹配的可能性取决于几个因素，特别是唯一字的数量，因此建议使用字典来减少此数字。

对于标准查询，GIN索引不是有损的，但它们的性能取决于唯一字数量的对数。（但是，GIN索引只存储tsvector值的单词（词位），而不存储它们的权重标签。因此，当使用涉及权重的查询时，需要重新检查表行。）

在选择要使用的索引类型，GiST或GIN时，请考虑以下性能差异：

GIN索引查找速度比GiST快三倍
GIN索引的构建时间比GiST长大约三倍
GIN索引的更新速度比GiST索引要慢，但如果禁用快速更新支持，速度会慢10倍（有关详细信息，请参阅PostgreSQL文档中的GIN快速更新技术）
GIN索引比GiST索引大两到三倍

根据经验，GIN索引最适合静态数据，因为查找速度更快。对于动态数据，GiST索引的更新速度更快。具体来说，GiST索引非常适合动态数据，如果唯一单词（词位）的数量低于100,000，则快速，而GIN索引将更好地处理100,000+词位，但更新速度较慢。

请注意，通常可以通过增加maintenance_work_mem来提高GIN索引构建时间，而GiST索引构建时间对该参数不敏感。

对大型集合进行分区以及正确使用GiST和GIN索引可以通过在线更新实现非常快速的搜索。可以使用表继承在数据库级别进行分区，也可以使用dblink在服务器上分发文档和收集搜索结果。后者是可能的，因为排名功能仅使用本地信息。

Parent topic: 使用全文搜索