PostgreSQL 支持hstore 来存放KEY->VALUE这类数据, 其实也类似于ARRAY或者JSON类型。 要高效的使用这类数据,当然离不开高效的索引。我们今天就来看看两类不同的索引对于同一种检索请求的性能问题。
假如我们有这样一个原始表,基于str1字段有一个BTREE索引。
-
t_girl=# \d status_check;
-
Table "ytt.status_check"
-
Column | Type | Modifiers
-
--------+-----------------------+-----------
-
is_yes | boolean | not null
-
str1 | character varying(20) | not null
-
str2 | character varying(20) | not null
-
Indexes:
-
"index_status_check_str1" btree (str1)
里面有10W条记录。 数据大概如下,
-
t_girl=# select * from status_check limit 2;
-
is_yes | str1 | str2
-
--------+------+----------------------
-
f | 0 | cfcd208495d565ef66e7
-
t | 1 | c4ca4238a0b923820dcc
-
(2 rows)
-
-
-
Time: 0.617 ms
-
t_girl=#
存放hstore类型的status_check_hstore 表结构,基于str1_str2字段有一个GIST索引。
-
Table "ytt.status_check_hstore"
-
Column | Type | Modifiers
-
-----------+---------+-----------
-
is_yes | boolean |
-
str1_str2 | hstore |
-
Indexes:
-
"idx_str_str2_gist" gist (str1_str2)
-
-
-
t_girl=# select * from status_check_hstore limit 2;
-
is_yes | str1_str2
-
--------+-----------------------------
-
f | "0"=>"cfcd208495d565ef66e7"
-
t | "1"=>"c4ca4238a0b923820dcc"
-
(2 rows)
-
-
-
Time: 39.874 ms
接下来我们要得到跟查询原始表一样的结果,当然原始表的查询非常高效。 表语句以及结果如下,
-
t_girl=# select * from status_check where str1 in ('10','23','33');
-
is_yes | str1 | str2
-
--------+------+----------------------
-
t | 10 | d3d9446802a44259755d
-
t | 23 | 37693cfc748049e45d87
-
f | 33 | 182be0c5cdcd5072bb18
-
(3 rows)
-
-
-
Time: 0.690 ms
上面的语句用了不到1毫秒。
接下来我们对hstore表进行查询,
-
t_girl=# select is_yes,skeys(str1_str2),svals(str1_str2) from status_check_hstore where str1_str2 ?| array['10','23','33'];
-
is_yes | skeys | svals
-
--------+-------+----------------------
-
t | 10 | d3d9446802a44259755d
-
t | 23 | 37693cfc748049e45d87
-
f | 33 | 182be0c5cdcd5072bb18
-
(3 rows)
-
-
-
Time: 40.256 ms
我的天,比原始表的查询慢了几十倍。
看下查询计划,把所有行都扫描了一遍。
-
QUERY PLAN
-
-----------------------------------------------------------------------------------
-
Bitmap Heap Scan on status_check_hstore (cost=5.06..790.12 rows=100000 width=38)
-
Recheck Cond: (str1_str2 ?| '{10,23,33}'::text[])
-
-> Bitmap Index Scan on idx_str_str2_gist (cost=0.00..5.03 rows=100 width=0)
-
Index Cond: (str1_str2 ?| '{10,23,33}'::text[])
-
(4 rows)
-
-
-
Time: 0.688 ms
我们想办法来优化这条语句, 如果把这条语句变成跟原始语句一样的话,那么是否就可以用到BTREE索引了?
接下来,建立一个基于BTREE的函数索引,
-
t_girl=# create index idx_str1_str2_akeys on status_check_hstore using btree (array_to_string(akeys(str1_str2),','));
-
CREATE INDEX
-
Time: 394.123 ms
OK,变化语句来执行下同样的检索,
-
t_girl=# select is_yes,skeys(str1_str2),svals(str1_str2) from status_check_hstore where array_to_string(akeys(str1_str2),',') in ('10','23','33');
-
is_yes | skeys | svals
-
--------+-------+----------------------
-
t | 10 | d3d9446802a44259755d
-
t | 23 | 37693cfc748049e45d87
-
f | 33 | 182be0c5cdcd5072bb18
-
(3 rows)
-
-
-
Time: 0.727 ms
这次和原始查询速度一样快了。
阅读(1240) | 评论(0) | 转发(0) |