Postgresql：多列索引与单列索引

Question

我有一个表，每年都会增加 10M 行。

该表有 10 列，称为 c1、c2、c3、...、c10。

我WHERE可能会在其中 8 个上使用该条款。

更具体地说：每次我查询表时，c10 列上总会有一个子句WHERE（它是一个日期，我可以搜索相等或范围）。

其他 7 个可能的可搜索列将不遵循任何模式。我可以搜索：

• c10、c1、c2、c5
• c10、c5
• c10、c3
• c10、c2、c6
• c10、c2、c3、c5、c6

...以及所有其他可能的组合。

因此，在WHERE子句中，c10 将始终存在，而其他项可以以任意组合存在（甚至根本不存在）。

在这种情况下什么索引策略可以提高性能？我认为正确的做法是为每一列创建一个索引。使用多列索引可以提高性能吗？

据我所知，仅对于按此顺序使用 c1、c2、c3 或 c1、c2 或 c1 的查询，您将通过 (c1, c2, c3) 上的多列索引获得性能。但就像我说的，在我的场景中我唯一可以假设的是 c10 将始终出现在 WHERE 子句中（如果这有帮助的话，它也可以是第一个子句）

Answer 1

为了回答我们应该使用什么样的索引的问题，我们可以创建一个简单的测试。首先，我们创建数据库、表和索引。

CREATE DATABASE index_test;

CREATE TABLE single_column(a int, b int, c int);
CREATE TABLE multi_column(a int, b int, c int);

CREATE INDEX single_column_a_idx ON single_column (a);
CREATE INDEX single_column_b_idx ON single_column (b);
CREATE INDEX single_column_c_idx ON single_column (c);

CREATE INDEX multi_column_idx ON multi_column (a, b, c);

用随机数据填充表。

-- this function will be used for random number generation
CREATE OR REPLACE FUNCTION random_in_range(INTEGER, INTEGER) RETURNS INTEGER AS $$
SELECT floor(($1 + ($2 - $1 + 1) * random()))::INTEGER;
$$ LANGUAGE SQL;

INSERT INTO single_column(a, b, c)
SELECT random_in_range(1, 100),
    random_in_range(1, 100),
    random_in_range(1, 100)
FROM generate_series(1, 1000000);

INSERT INTO multi_column(a, b, c)
SELECT random_in_range(1, 100),
    random_in_range(1, 100),
    random_in_range(1, 100)
FROM generate_series(1, 1000000);

运行测试。

CREATE DATABASE index_test;

CREATE TABLE single_column(a int, b int, c int);
CREATE TABLE multi_column(a int, b int, c int);

CREATE INDEX single_column_a_idx ON single_column (a);
CREATE INDEX single_column_b_idx ON single_column (b);
CREATE INDEX single_column_c_idx ON single_column (c);

CREATE INDEX multi_column_idx ON multi_column (a, b, c);

结果

-- this function will be used for random number generation
CREATE OR REPLACE FUNCTION random_in_range(INTEGER, INTEGER) RETURNS INTEGER AS $$
SELECT floor(($1 + ($2 - $1 + 1) * random()))::INTEGER;
$$ LANGUAGE SQL;

INSERT INTO single_column(a, b, c)
SELECT random_in_range(1, 100),
    random_in_range(1, 100),
    random_in_range(1, 100)
FROM generate_series(1, 1000000);

INSERT INTO multi_column(a, b, c)
SELECT random_in_range(1, 100),
    random_in_range(1, 100),
    random_in_range(1, 100)
FROM generate_series(1, 1000000);

结论

• single_column表在任何情况下都将始终使用索引。

EXPLAIN ANALYZE SELECT * FROM single_column WHERE a < 3; -- index used
EXPLAIN ANALYZE SELECT * FROM single_column WHERE b < 3; -- index used
EXPLAIN ANALYZE SELECT * FROM single_column WHERE c < 3; -- index used

EXPLAIN ANALYZE SELECT * FROM single_column WHERE a < 3 AND b > 10 AND c <= 11; -- index used

• 对表执行单列 WHERE multi_column，仅当查询中的列与索引定义中的第一列相同时才会使用索引。

EXPLAIN ANALYZE SELECT * FROM multi_column WHERE a < 3; -- index used
EXPLAIN ANALYZE SELECT * FROM multi_column WHERE b < 3; -- index not used
EXPLAIN ANALYZE SELECT * FROM multi_column WHERE c < 3; -- index not used

• 虽然single_column表可以在多列 WHERE 上使用索引，但multi_column表速度更快。
• 虽然multi_column表可以在单列 WHERE 上使用索引，但single_column表速度更快。

Answer 2

我强烈建议采取以下策略：

• 在其他列上创建单列索引；
• 分区在c10. 由于它是日期，因此您可以按范围进行分区，进行年度或每月分区。

我发现分区带来了巨大的性能提升，特别是在 、 和大型表中始终使用一列或多列的情况下WHERE。