索引：如果节点数相同，则整数与字符串性能

Question

我正在使用 PostgreSQL (9.4) 数据库在 Ruby on Rails 中开发应用程序。对于我的用例，表中的列将被非常频繁地查找，因为应用程序的重点是在模型上搜索非常具体的属性。

我目前正在决定是对列使用integer类型还是简单地使用典型的字符串类型（例如character varying(255)，这是 Rails 中的默认值），因为我不确定索引上的性能差异是什么。

这些列是 enums。对于它们可以拥有的可能值的数量，它们具有固定的大小。大多数枚举长度不超过 5，这意味着索引在应用程序的整个生命周期中或多或少是固定的；因此，整数和字符串索引在节点数上是相同的。

但是，将被索引的字符串可能有大约 20 个字符长，在内存中大约是整数的 5 倍（如果一个整数是 4 个字节，并且字符串是纯 ASCII 每个字符 1 个字节，那么这成立）。我不知道数据库引擎如何进行索引查找，但是如果它需要“扫描”字符串直到它完全匹配，那么本质上这意味着字符串查找将比整数查找慢 5 倍；整数查找匹配之前的“扫描”将是 4 个字节而不是 20 个。这就是我的想象：

查找值为（整数）4：

扫描………………………………………………………………………………………………………………………………………… 正在获取记录... |BYTE_1|BYTE_2|BYTE_3|BYTE_4|BYTE_5|BYTE_6|BYTE_7|BYTE_8|...|

查找值是（字符串）“some_val”（8 个字节）：

扫描................................................. …………………………………………………………………………………………………………………………………………………………………… 正在获取记录... |BYTE_1|BYTE_2|BYTE_3|BYTE_4|BYTE_5|BYTE_6|BYTE_7|BYTE_8|...|

我希望这是有道理的。基本上，因为整数占用更少的空间，它可以比它的字符串对应物更快地“匹配”。也许这是一个完全错误的猜测，但我不是专家，所以这就是我问你们的原因！我想我刚刚找到的这个答案似乎支持我的假设，但我想确定一下。

列中可能值的数量在使用任何一个时都不会改变，因此索引本身不会改变（除非我向枚举添加了一个新值）。在这种情况下，使用integeror会有性能差异varchar(255)，还是使用整数类型更有意义？

---

我问的原因是 Rails 的enum类型将整数映射到字符串键，但它们并不是面向用户的列。本质上，您无法验证枚举值是否有效，因为无效值会ArgumentError在运行任何验证之前导致。使用string类型将允许验证，但如果存在性能成本，我宁愿绕过验证问题。

Answer 1

简短的回答：integer比varchar或text在各个方面都快。对于小桌子和/或短键来说无关紧要。差异随着键的长度和行数的增加而增加。

字符串 ... 20 个字符长，在内存中大约是整数的 5 倍（如果整数是 4 个字节，并且字符串是纯 ASCII，每个字符 1 个字节，那么这成立）

准确地说，字符类型 ( textor varchar)在磁盘上的 20 个 ASCII 字符正好占用21个字节，在 RAM 中占用23个字节。详细评估：

• varchar(n) 的开销是多少？

同样重要的是：COLLATION规则可以使字符数据排序更昂贵 - 与数字数据类型不同：

• 当所有值都是 36 个字符时，使用 char 和 varchar 进行索引查找会明显更快吗

在大多数情况下，索引大小可能是造成性能差异的最大原因。考虑每个索引元组的开销（与表基本相同）：4 个字节用于项目标识符，8 个字节用于索引元组标头。因此，索引元组integer将达到20 个字节（包括 4 个字节的对齐填充），对于varchar(20)20 个 ASCII 字符，它将是36 个字节（也包括填充）。细节：

• 为读取性能配置 PostgreSQL

抛开所有理论：最好只是测试：

• 测量 PostgreSQL 表行的大小

Postgres 9.5引入了对长字符串数据（关键字“缩写键”）进行排序的优化。但是 Linux 上某些 C 库函数中的一个错误迫使该项目在 Postgres 9.5.2 中禁用非 C 校对的功能。发行说明中的​​详细信息。

但是，如果您实际使用 Postgresenum类型，那么大多数这些考虑因素都是无关紧要的，因为integer无论如何这些都是在内部使用值实现的。手册：

一个enum值在磁盘上占用四个字节。

旁白：varchar(255)用于早期版本的 SQL Server，它可以在内部使用更高效的数据类型，最多 255 个字符。但是 255 个字符的奇数长度限制在 Postgres 中根本没有特殊意义。