查询中不使用表达式索引（正则表达式模式匹配）

Question

在我的PostgreSQL 12.8数据库中，我有一个相对简单的表the_table，其中有一列value类型为varchar：

CREATE TABLE public.the_table (
    id uuid DEFAULT gen_random_uuid() NOT NULL,
    label character varying,
    value character varying,
    created_at timestamp without time zone NOT NULL,
    updated_at timestamp without time zone NOT NULL,
);

我想查询具有格式为电子邮件地址的值的所有行。查询看起来像这样：SELECT * FROM the_table WHERE value ~ '^[a-zA-Z0-9.$%&*+/=?^_{|}~-]+@[a-zA-Z0-9.-]+\.[a-zA-Z0-9]+$'。

由于该表中有几百万行，我尝试通过添加匹配的表达式索引来加速此查询CREATE INDEX index_the_table_on_email_values ON the_table ((value ~ '^[a-zA-Z0-9.$%&*+/=?^_{|}~-]+@[a-zA-Z0-9.-]+\.[a-zA-Z0-9]+$'));

不幸的是，查询计划程序不使用索引，而是对表执行完整扫描，这非常慢。

有人可以帮我修复索引或告诉我还有什么其他选择吗？我已经考虑过生成布尔列is_email。我可以向生成的列添加索引并直接查询它。但这对于原始问题来说似乎是一个奇怪的解决方法，应该可以通过匹配的索引来解决，对吗？

Answer 1

公平地说，您对boolean表达式的索引基本上也有效。

要点是：如果“电子邮件”行占很大比例，则任何索引都不会（有很大）帮助 - 特殊情况除外。Postgres 通常会选择更快的顺序扫描。（我怀疑这就是你的情况。）
如果只有很少的“电子邮件”行，则部分索引会更有效，因为它首先排除了大多数行：

CREATE INDEX the_table_email_idx ON the_table ((true))
WHERE value ~ '^[a-zA-Z0-9.$%&*+/=?^_{|}~-]+@[a-zA-Z0-9.-]+\.[a-zA-Z0-9]+$';

(true)只是一个任意常数，因为没有明显的索引列。通常，您在“电子邮件过滤器”顶部有一个有用的索引列，可以替换该常量 - 使索引更加有用。有关的：

• IS NULL 上的 Postgres 部分索引不起作用

当然，生成列 is_email的想法也不错。然后，您可以使用该生成列上的条件创建部分索引。这有优点也有缺点。