关于PostgreSQL中的组合索引之一(b-tree篇)

asdrtu

1. 问题
有时候查询中会带有多个字段的查询条件，但是其中任何单个字段的选择率都不高，但是多个字段组合起来却有比较好的选择率。这种场景是bitmap索引大显身手的地方，但是bitmap索引对更新性能的影响相当大，不适合OLTP场景。PG不支持bitmap索引，但是有一个临时的内存中的类似bitmap索引的东西，叫“Bitmap Index Scan”。
除了Bitmap Index Scan，多字段索引也是一种选择，但是两种方法的性能有没有差异呢？下面作个测试看看。


2. 测试环境
测试环境在一个PC的虚拟机上
宿主机
  CPU:AMD Athlon II X4 640 3.0GHz
  MEM:6G
  OS:Win7 64bit
  虚拟机所在存储:Apacer A S510S 128GB
虚拟机
  CPU：4 core
  MEM: 2G
  OS:CentOS release 6.5 (Final)
  PostgreSQL:9.3.4(shared_buffers = 128MB,其它都是默认值)

3. 测试数据

• postgres=# create table tb1(c1 int,c2 int);
  
  
• CREATE TABLE
  
• postgres=# insert into tb1 select round(random()*100),round(random()*1000) from generate_series(1,10000000);
  
• INSERT 0 10000000
  
• postgres=# select pg_size_pretty(pg_table_size('tb1'));
  
• pg_size_pretty
  
• ----------------
  
• 346 MB
  
• (1 row)
  

4. 性能对比测试
4.1 全表扫描

• postgres=# \timing
  
  
• Timing is on.
  
• postgres=# select count(*) from tb1 where c1=99 and c2=999;
  
• count
  
• -------
  
•     92
  
• (1 row)
  
• 
  
• Time: 1376.393 ms
  

4.2 c1单索引扫描

• postgres=# create index tb1_idx1 on tb1(c1);
  
  
• CREATE INDEX
  
• Time: 65308.131 ms
  
• postgres=# select pg_size_pretty(pg_relation_size('tb1_idx1'));
  
• pg_size_pretty
  
• ----------------
  
• 214 MB
  
• (1 row)
  
• 
  
• Time: 2.659 ms
  
• postgres=# explain (analyze,buffers) select count(*) from tb1 where c1=99 and c2=999;
  
•                                                              QUERY PLAN
  
• -------------------------------------------------------------------------------------------------------------------------------------
  
• Aggregate (cost=47675.20..47675.21 rows=1 width=0) (actual time=1267.921..1267.921 rows=1 loops=1)
  
•    Buffers: shared read=39978
  
•    -> Bitmap Heap Scan on tb1 (cost=1891.96..47674.95 rows=99 width=0) (actual time=40.726..1267.631 rows=92 loops=1)
  
•          Recheck Cond: (c1 = 99)
  
•          Rows Removed by Index Recheck: 7363157
  
•          Filter: (c2 = 999)
  
•          Rows Removed by Filter: 99794
  
•          Buffers: shared read=39978
  
•          -> Bitmap Index Scan on tb1_idx1 (cost=0.00..1891.93 rows=102333 width=0) (actual time=30.829..30.829 rows=99886 loops=1)
  
•                Index Cond: (c1 = 99)
  
•                Buffers: shared read=276
  
• Total runtime: 1267.961 ms
  
• (12 rows)
  
• 
  
• Time: 1268.916 ms
  

c1单索引的选择率只有1/100，对查询性能提升毫无作用。

4.3 c2单索引扫描

• postgres=# drop index tb1_idx1 ;
  
  
• DROP INDEX
  
• Time: 41.062 ms
  
• postgres=# create index tb1_idx2 on tb1(c2);
  
• CREATE INDEX
  
• Time: 50313.915 ms
  
• postgres=# select pg_size_pretty(pg_relation_size('tb1_idx2'));
  
• pg_size_pretty
  
• ----------------
  
• 214 MB
  
• (1 row)
  
• 
  
• Time: 0.915 ms
  
• postgres=# explain (analyze,buffers) select count(*) from tb1 where c1=99 and c2=999;
  
•                                                           QUERY PLAN
  
• -------------------------------------------------------------------------------------------------------------------------------
  
• Aggregate (cost=23558.69..23558.70 rows=1 width=0) (actual time=74.215..74.215 rows=1 loops=1)
  
•    Buffers: shared hit=1948 read=6954
  
•    -> Bitmap Heap Scan on tb1 (cost=180.85..23558.45 rows=99 width=0) (actual time=5.462..73.883 rows=92 loops=1)
  
•          Recheck Cond: (c2 = 999)
  
•          Filter: (c1 = 99)
  
•          Rows Removed by Filter: 9800
  
•          Buffers: shared hit=1948 read=6954
  
•          -> Bitmap Index Scan on tb1_idx2 (cost=0.00..180.82 rows=9652 width=0) (actual time=2.414..2.414 rows=9892 loops=1)
  
•                Index Cond: (c2 = 999)
  
•                Buffers: shared read=30
  
• Total runtime: 74.298 ms
  
• (11 rows)
  
• 
  
• Time: 76.732 ms
  

c1单索引的选择率有1/1000，性能提升很明显。

4.4 c1+c2索引bitmap扫描

• postgres=# create index tb1_idx1 on tb1(c1);
  
  
• CREATE INDEX
  
• Time: 56792.281 ms
  
• postgres=# explain (analyze,buffers) select count(*) from tb1 where c1=99 and c2=999;
  
•                                                                 QUERY PLAN
  
• 
  
• -------------------------------------------------------------------------------------------------------------------------------------
  
• ------
  
• Aggregate (cost=2456.74..2456.75 rows=1 width=0) (actual time=50.347..50.348 rows=1 loops=1)
  
•    Buffers: shared hit=6587 read=343
  
•    -> Bitmap Heap Scan on tb1 (cost=2073.06..2456.49 rows=99 width=0) (actual time=39.969..50.312 rows=92 loops=1)
  
•          Recheck Cond: ((c2 = 999) AND (c1 = 99))
  
•          Rows Removed by Index Recheck: 7291
  
•          Buffers: shared hit=6587 read=343
  
•          -> BitmapAnd (cost=2073.06..2073.06 rows=99 width=0) (actual time=37.864..37.864 rows=0 loops=1)
  
•                Buffers: shared hit=30 read=276
  
•                -> Bitmap Index Scan on tb1_idx2 (cost=0.00..180.82 rows=9652 width=0) (actual time=3.091..3.091 rows=9892 loops=1)
  
•                      Index Cond: (c2 = 999)
  
•                      Buffers: shared hit=30
  
•                -> Bitmap Index Scan on tb1_idx1 (cost=0.00..1891.93 rows=102333 width=0) (actual time=33.030..33.030 rows=99886 loo
  
• ps=1)
  
•                      Index Cond: (c1 = 99)
  
•                      Buffers: shared read=276
  
• Total runtime: 50.484 ms
  
• (15 rows)
  
• 
  
• Time: 52.287 ms
  

c1+c2索引bitmap扫描性能进一步提升。（这个性能提升也可能仅仅是因为buffers的hit命中率提升）

4.5 多字段索引扫描

• postgres=# create index tb1_idx3 on tb1(c1,c2);
  
  
• CREATE INDEX
  
• Time: 67824.333 ms
  
• postgres=# select pg_size_pretty(pg_relation_size('tb1_idx3'));
  
• pg_size_pretty
  
• ----------------
  
• 214 MB
  
• (1 row)
  
• 
  
• Time: 0.835 ms
  
• postgres=# explain (analyze,buffers) select count(*) from tb1 where c1=99 and c2=999;
  
•                                                        QUERY PLAN
  
• -------------------------------------------------------------------------------------------------------------------------
  
• Aggregate (cost=389.13..389.14 rows=1 width=0) (actual time=0.580..0.580 rows=1 loops=1)
  
•    Buffers: shared hit=92 read=3
  
•    -> Bitmap Heap Scan on tb1 (cost=5.45..388.89 rows=99 width=0) (actual time=0.298..0.566 rows=92 loops=1)
  
•          Recheck Cond: ((c1 = 99) AND (c2 = 999))
  
•          Buffers: shared hit=92 read=3
  
•          -> Bitmap Index Scan on tb1_idx3 (cost=0.00..5.42 rows=99 width=0) (actual time=0.279..0.279 rows=92 loops=1)
  
•                Index Cond: ((c1 = 99) AND (c2 = 999))
  
•                Buffers: shared read=3
  
• Total runtime: 0.651 ms
  
• (9 rows)
  
• 
  
• Time: 3.912 ms
  

由此可见，本例中，多字段索引的效率相当高。


5. 其它
5.1 多字段索引的适用条件
http://postgres.cn/docs/9.3/indexes-multicolumn.html
------------------------------------------------------------------
一个多字段的 B-tree 索引可以用在包含索引字段子集的查询条件里，不过， 如果在前导字段(最左边)上有约束条件，那么效率最高。准确的规则是前导字段上的等于约束， 加上第一个没有等于约束的非等于约束字段，将用于限制所扫描的索引范围。 将检查这两个字段右边字段上的索引以减少对表的访问，但是并不减少需要扫描的索引。比如， 假如我们有一个在(a, b, c)上的索引，查询条件是WHERE a = 5 AND b >= 42 AND c < 77， 那么索引就需要先扫描所有a= 5 且b= 42 ，直到所有a = 5 的记录扫描完毕。那些c >= 77的索引条目将被忽略，但是他们仍然会被扫描。 这个索引原则上仍然会被用于那些在b和/或c上有约束， 但是在a上没有约束的查询，但是就必须扫描整个索引了。因此，在大多数这种情况下， 优化器会选择顺序扫描表，而不使用索引。
------------------------------------------------------------------


5.2 多字段索引的原理
b-tree多字段索引的原理很简单，就是把多个字段，按定义索引时的先后顺序排序，所以越靠前的字段越重要。
下面是b-tree多字段索引条目内容的一个例子。

• postgres=# \d tb1
  
  
•       Table "public.tb1"
  
• Column | Type | Modifiers
  
• --------+---------+-----------
  
• id | integer |
  
• name | text |
  
• Indexes:
  
•     "tb1_idx2" btree (id, name)
  
• 
  
• postgres=# insert into tb1 values(1,'aaaa');
  
• INSERT 0 1
  
• postgres=# create extension pageinspect;
  
• CREATE EXTENSION
  
• postgres=# SELECT * FROM bt_page_items('tb1_idx2', 1);
  
• itemoffset | ctid | itemlen | nulls | vars | data
  
• ------------+-------+---------+-------+------+-------------------------------------------------
  
•           1 | (0,5) | 24 | f | t | 01 00 00 00 0b 61 61 61 61 00 00 00 00 00 00 00
  
• (1 row)
  
• 
  
• postgres=# select 'a'::bytea;
  
• bytea
  
• -------
  
• \x61
  
• (1 row)