Sha*_*ane 5 postgresql index count distinct
考虑以下示例：
CREATE TABLE test (
id SERIAL,
some_integer INT
);
INSERT INTO test (some_integer)
SELECT FLOOR(RANDOM()*100000) from generate_series(1,100000) s(i);
CREATE INDEX some_integer_idx ON test (some_integer);
EXPLAIN ANALYZE SELECT COUNT(DISTINCT some_integer) from test;
它返回以下查询计划：
CREATE TABLE test (
id SERIAL,
some_integer INT
);
INSERT INTO test (some_integer)
SELECT FLOOR(RANDOM()*100000) from generate_series(1,100000) s(i);
CREATE INDEX some_integer_idx ON test (some_integer);
EXPLAIN ANALYZE SELECT COUNT(DISTINCT some_integer) from test;
我很惊讶它仍然在测试中进行顺序扫描。简单地计算索引中的行数不是更快吗？
B 树索引中的每一行都有一个单独的条目，对于重复项也是如此。所以我们永远不能“简单地统计索引中的行数”。需要读取和聚合的索引行数与表行数一样多。
\nPostgres 13 或更高版本中的索引重复数据删除可以压缩重复项，提供更多优化潜力，但主要逻辑不变（1 行，1 个索引元组）。看：
\n\n由于 B 树索引通常小于其表，因此仅索引扫描仍然是一个有吸引力的选择。但这会增加一些开销：检查可见性映射、堆获取非“全部可见”的数据页。而且索引往往比表更膨胀（失去了最初的优势）。索引默认为fillfactor90，而表默认为fillfactor100 。并且可见性映射必须是最新的 - 表必须被充分清理。添加VACUUM ANALYZE到您的测试中作为开始。
您的测试表有 8 个字节的数据，这是可能的最小行大小。而且您创建的重复项非常少。因此，即使在完美的条件下，仅索引扫描也几乎没有什么好处。Postgres 甚至没有尝试。
\n添加有效负载列以增加表行，并创建更多重复项，瞧\xc3\xa1，我们看到仅索引扫描：
\nCREATE TABLE test (\n id serial\n, some_integer int\n, payload text\n);\n\nINSERT INTO test (some_integer, payload)\nSELECT trunc(random() * 10000) -- fewer distinct values, some dupes\n , \'Lorem ipsum dolor sit amet, consectetur adipisicing elit\' -- bigger row !!\nFROM generate_series(1,100000) s;\n\nCREATE INDEX some_integer_idx ON test (some_integer);\nVACUUM ANALYZE test;\nEXPLAIN ANALYZE SELECT count(DISTINCT some_integer) FROM test;\n聚合（成本=2210.29..2210.30行=1宽度=8）（实际时间=25.763..25.764行=1循环=1）\n-> 仅在测试中使用some_integer_idx进行索引扫描（成本=0.29..1960.29行= 100000宽度=4）（实际时间=0.030..12.562行=100000循环=1）\n堆获取：0\n计划时间：0.184毫秒\n执行时间：25.891毫秒\n
db<>在这里摆弄
\n优势随着相对大小障碍表 >> 索引、重复项的百分比以及“所有可见”数据页的部分（更新的可见性图）而增长。
\n现在，如果已经实现了索引跳过扫描，则即使没有有效负载列，索引也可以很好地用于具有许多重复项的情况（与您的示例不同）。但我们还没有做到这一点（Postgres 15）。
\n在那之前我们可以模拟索引跳过扫描：
\nWITH RECURSIVE cte AS (\n (\n SELECT some_integer AS i\n FROM test\n ORDER BY 1\n LIMIT 1\n )\n \n UNION ALL\n SELECT (SELECT t.some_integer\n FROM test t\n WHERE t.some_integer > c.i\n ORDER BY 1\n LIMIT 1)\n FROM cte c\n WHERE c.i IS NOT NULL\n )\nSELECT count(i) FROM cte;\ndb<>在这里摆弄
\n快多了。看：
\n