PostgreSQL citext 索引与较低的表达式索引性能

Posted 2023-04-15

【中文标题】PostgreSQL citext 索引与较低的表达式索引性能

【英文标题】：PostgreSQL citext index vs lower expression index performance

【发布时间】：2019-04-11 08:23:13

【问题描述】：

我想决定是使用带有索引的citext 列还是使用带有lower() 索引的text 列。

我执行了一些基准测试。令我惊讶的是，使用lower() 上的索引进行搜索会导致索引扫描，但在citext 的情况下，我会得到仅索引扫描。我期待lower() 上的索引也会导致仅索引扫描。

此外，citext 索引的总成本为 4.44，但lower() 索引的总成本为 8.44。

所以我首先想到的是citext 列索引优于text 列上的表达式索引。

CREATE TABLE test_citext(a citext NOT NULL);

INSERT INTO test_citext
   SELECT cast(x as text)
   FROM generate_series(1, 1000000) AS x;

VACUUM (FREEZE, ANALYZE) test_citext;

create index citextind on test_citext(a);

Select * from test_citext where a = 'test';
--Index Only Scan.Total cost 4.44

CREATE TABLE test_textlowerindex(a text NOT NULL);

INSERT INTO test_textlowerindex
   SELECT cast(x as text)
   FROM generate_series(1, 1000000) AS x;

VACUUM (FREEZE, ANALYZE) test_textlowerindex;

create index lowertextind on test_textlowerindex(lower(a));

Select * from test_textlowerindex where lower(a) = 'test';
--Index Scan.Total cost 8.44

我说的对吗？

Laurenz Albe 先生感谢您的回答。如您所说，我更改了上面的脚本。 结果：

CREATE TABLE test_citext(a citext NOT NULL);

INSERT INTO test_citext
   SELECT cast(x as text)
   FROM generate_series(1, 1000000) AS x;

create index citextind on test_citext(a);

VACUUM (FREEZE, ANALYZE) test_citext;

Select count(*) from test_citext where a = 'test';
--Index Only Scan 4.44 + 4.46

CREATE TABLE test_textlowerindex(a text NOT NULL);

INSERT INTO test_textlowerindex
   SELECT cast(x as text)
   FROM generate_series(1, 1000000) AS x;

create index lowertextind on test_textlowerindex(lower(a));

VACUUM (FREEZE, ANALYZE) test_textlowerindex;

Select count(*) from test_textlowerindex where lower(a) = 'test';
--Index Scan 8.44 + 8.46

但任何事情都没有改变即使我在创建索引并在 select.Index 中使用 count(*) 后运行分析。索引扫描仍然继续使用 lower() 上的索引。

【问题讨论】：

我认为原因通常是“索引不能转换回小写值，所以它需要查看表”，但 SELECT lower(a) 也不会使用 Index Only。

【参考方案1】：

您的测试具有误导性。这里有两个问题：

创建索引 lowertextind 后，您没有运行 ANALYZE。

否则，PostgreSQL 不知道lower(a) 是如何分布的，并且可能会产生错误的成本估算。

通过使用SELECT *，您无意中允许仅索引扫描 用于第一个查询，但不允许用于第二个查询。这是因为第一个索引包含所有表列，但第二个不包含。

由于第二个索引不包含a，因此必须从表中获取值，从而导致额外的工作。

您可以使用SELECT count(*) FROM ... 进行更公平的基准测试。