VastbaseG100

基于openGauss内核开发的企业级关系型数据库。

Menu

创建GIN索引

功能描述

为了加速文本搜索,可以创建GIN索引

注意事项

  • to_tsvector()函数有两个版本。只输一个参数的版本和输两个参数的版本。只输一个参数时,系统默认采用default_text_search_config所指定的分词器。
  • 创建索引时必须使用to_tsvector的两参数版本。只有指定了分词器名称的全文检索函数才可以在索引表达式中使用。这是因为索引的内容必须不受default_text_search_config的影响,否则索引内容可能不一致。由于default_text_search_config的值可以随时调整,从而导致不同条目生成的tsvector采用了不同的分词器,并且没有办法区分究竟使用了哪个分词器。正确地转储和恢复这样的索引也是不可能的。
  • 因为在上述创建索引中to_tsvector使用了两个参数,只有当查询时也使用了两个参数,且参数值与索引中相同时,才会使用该索引。也就是说,WHERE to_tsvector('english', bod) @@ 'a & b'可以使用索引,但WHERE to_tsvector(bod) @@ 'a & b'不能使用索引。这确保只使用这样的索引——索引各条目是使用相同的分词器创建的。

示例

前置条件:创建测试表并插入数据。

CREATE SCHEMA tsearch;
CREATE TABLE tsearch.pgweb(id int, bod text, title text, last_mod_date date);
INSERT INTO tsearch.pgweb VALUES(1, 'China, officially the People''s Republic of China(PRC), located in Asia, is the world''s most populous state.', 'China', '2010-1-1');
INSERT INTO tsearch.pgweb VALUES(2, 'America is a rock band, formed in England in 1970 by multi-instrumentalists Dewey Bunnell, Dan Peek, and Gerry Beckley.', 'America', '2010-1-1');
INSERT INTO tsearch.pgweb VALUES(3, 'England is a country that is part of the United Kingdom. It shares land borders with Scotland to the north and Wales to the west.', 'England','2010-1-1');
  • 方法一:

    1、创建GIN索引,索引中的分词器名称由另一列指定时可以建立更复杂的表达式索引。

    CREATE INDEX pgweb_idx_1 ON tsearch.pgweb USING gin(to_tsvector('ngram', bod));
    

    2、索引可以连接列。

    CREATE INDEX pgweb_idx_2 ON tsearch.pgweb USING gin(to_tsvector('english', title || ' ' || bod));
    
  • 方法二:

    1、创建一个单独的tsvector列控制to_tsvector的输出。下面的例子是title和bod的连接,当其它是NULL的时候,使用coalesce确保一个字段仍然会被索引:

    ALTER TABLE tsearch.pgweb ADD COLUMN textsearchable_index_col tsvector; 
    UPDATE tsearch.pgweb SET textsearchable_index_col = to_tsvector('english', coalesce(title,'') || ' ' || coalesce(bod,''));
    

    2、为加速搜索创建一个GIN索引。

    CREATE INDEX textsearch_idx_3 ON tsearch.pgweb USING gin(textsearchable_index_col);
    

    3、执行一个快速全文搜索。

    SELECT title 
    FROM tsearch.pgweb 
    WHERE textsearchable_index_col @@ to_tsquery('china & asia') 
    ORDER BY last_mod_date DESC 
    LIMIT 10; 
    

    结果显示如下:

    title
    -------
    China
    (1 row)
    

相比于一个表达式索引,单独列方法的一个优势是:它没有必要在查询时明确指定分词器以便能使用索引。正如上面例子所示,查询可以依赖于default_text_search_config。另一个优势是搜索比较快速,因为它没有必要重新利用to_tsvector调用来验证索引匹配。表达式索引方法更容易建立,且它需要较少的磁盘空间,因为tsvector形式没有明确存储。