具有许多值的 Postgres IN 子句不使用部分索引

Question

我正在使用 Postgres 9.2.24。

我有一个以_order大约 100,000,000 行命名的表。该表有一个名为的列merged_id int8。大约 2,000,000_order行有一个merged_id值，其余的为空。

我找到了两种不同的 Postgres 行为，我在其中_order使用查询进行搜索

select * from _order where merged_id in ( 10001 ,10002 ,10003 ....., 11000);

如果我创建这样的索引：

create index order_merged_id_index on _order(merged_id);

无论 in 子句中有多少个 id（测试从 1 到 50 到 100 到 200 到 1000）EXPLAIN显示搜索都将使用index_scan.

但是如果我创建这个部分索引：

create index order_merged_id_index on _order(merged_id) where merged_id is not null;

EXPLAINseq_scan在WHERE子句中显示100 多个 ID 号。

为什么是这样？
有什么办法可以解决吗？

Answer 1

您正在运行Postgres的过时版本。考虑尽快升级。

可能的原因有很多。我怀疑过时版本的选择性估计存在弱点。我依稀记得最多 100 个值，用于涉及后来改进的数组的查询计划。IN表达式通常在= ANY (ARRAY[...]内部转换为)：

无论哪种方式，您都可以通过在查询中重复部分索引的谓词来修复该行为：

SELECT * FROM _order 
WHERE merged_id IN ( 10001 ,10002 ,10003 ....., 11000)
AND   merged_id is not null;  -- logically redundant

您的服务器配置可能存在其他问题，例如成本设置或表统计信息：

并且不要忘记ANALYZE在创建部分索引后至少在您的表上运行一次。或者，最好是VACUUM ANALYZE，但那对于你的大桌子来说更贵。

但是，对于很长的值列表，可以使用更有效的查询变体：

SELECT o.*
FROM   unnest('{10001 ,10002 ,10003 ....., 11000}'::int8[]) merged_id
JOIN   _order o USING (merged_id);

看：