多列索引和性能

我有一个带有多列索引的表，并且我对正确排序索引以在查询中获得最大性能存有疑问。

场景：

PostgreSQL 8.4，具有约一百万行的表
c1列中的值可以有大约100个不同的值。我们可以假设这些值是均匀分布的，因此每个可能的值都有大约10000行。
列c2可以具有1000个不同的值。每个可能的值都有1000行。

搜索数据时，条件始终包含这两列的值，因此该表具有包含c1和c2的多列索引。如果您仅使用一列进行过滤的查询，我已经读到了正确排序多列索引中的列的重要性。在我们的方案中情况并非如此。

我的问题是这个：

考虑到一个过滤器选择的数据要少得多的事实，如果第一个索引的选择性最强（允许使用较小的数据集），我是否可以提高性能？在看到引用的文章中的图形之前，我从未考虑过这个问题：

在此处输入图片说明

查询使用两列中的值进行过滤。我没有只使用一列进行过滤的查询。它们都是：WHERE c1=@ParameterA AND c2=@ParameterB。也有类似这样的条件：WHERE c1 = "abc" AND c2 LIKE "ab%"

postgresql index index-tuning

— 1968年
source

Answers:

回答

由于您访问该网站use-the-index-luke.com，请考虑以下章节：

使用索引，卢克›哪里子句›搜索范围› 更大，更少和之间

它有一个示例可以完美地满足您的情况（两列索引，一个经过相等性测试，另一个用于range），解释了（使用更多这些漂亮的索引图形）为什么@ypercube的建议是准确的并进行总结：

Rule of thumb: index for equality first — then for ranges.

也只适合一列吗？

对于仅一列的查询该怎么办似乎很清楚。在以下相关问题下，有关此方面的更多详细信息和基准：

选择性较低的列优先？

除此之外，如果两个列都只有相等条件怎么办？

没关系。将列放在最有可能接收其自身条件的列上，这实际上很重要。

考虑这个演示，或自己复制它。我创建了一个简单的表，其中包含两列，每行包含10万行。一个具有很少的值，另一个具有许多不同的值：

CREATE TEMP TABLE t AS
SELECT (random() * 10000)::int AS lots
     , (random() * 4)::int     AS few
FROM generate_series (1, 100000);

DELETE FROM t WHERE random() > 0.9;  -- create some dead tuples, more "real-life"

ANALYZE t;

SELECT count(distinct lots)   -- 9999
     , count(distinct few)    --    5
FROM   t;

查询：

SELECT *
FROM   t
WHERE  lots = 2345
AND    few = 2;

EXPLAIN ANALYZE 输出（十个最佳，以排除缓存影响）：

在t上进行序列扫描（成本= 0.00..5840.84行= 2宽度= 8）
               （实际时间= 5.446..15.535行= 2个循环= 1）
  过滤器：（（手数= 2345）AND（很少= 2））
  缓冲区：本地点击数= 443
总运行时间：15.557毫秒

添加索引，重新测试：

CREATE INDEX t_lf_idx ON t(lots, few);

在t上使用t_lf_idx进行索引扫描（成本= 0.00..3.76行= 2宽度= 8）
                                （实际时间= 0.008..0.011行= 2循环= 1）
  指数条件：（（手数= 2345）AND（很少= 2））
  缓冲区：本地命中= 4
总运行时间：0.027毫秒

添加其他索引，重新测试：

DROP INDEX t_lf_idx;
CREATE INDEX t_fl_idx  ON t(few, lots);

在t上使用t_fl_idx进行索引扫描（成本= 0.00..3.74行= 2宽度= 8）
                                （实际时间= 0.007..0.011行= 2循环= 1）
  索引条件：（[few = 2）AND（lots = 2345））
  缓冲区：本地命中= 4
总运行时间：0.027毫秒

— 欧文·布兰德斯特
source

索引中的3列（或更多列）是否也是这种情况？

— Hayd

@ hayd：不确定“ this”是指什么。您可能会问一个新问题。您可以随时参考此内容。（并在此处添加评论以链接回。）

— Erwin Brandstetter

“这个”的意思是“如果索引定义中有两列以上，索引定义的排序是否重要”

— hayd

@hayd：最重要的一点：btree索引适合在前导索引表达式上具有相等条件的查询。其中的顺序几乎无关紧要。许多其他细节将不适合发表评论……

— Erwin Brandstetter

谢谢，我将尝试写一个连贯的问题并链接到它。

— Hayd

如您所说，如果涉及这两列的查询都是对两列的相等性检查，例如：

WHERE c1=@ParameterA AND c2=@ParameterB

不要为此烦恼。我怀疑会不会有任何差异，如果有差异，那可以忽略不计。当然，您始终可以使用数据和服务器设置进行测试。在优化方面，不同版本的DBMS的行为可能略有不同。

索引内的顺序对于其他类型的查询很重要，仅检查一列，或者不等式条件，或者一列的条件，另一列的分组，等等。

如果要选择两个顺序之一，则可以选择将选择性较低的列放在第一位。考虑带有列year和的表month。您更可能需要一个WHERE year = 2000条件或a WHERE year BETWEEN 2000 AND 2013或a WHERE (year, month) BETWEEN (1999, 6) AND (2000, 5)。

WHERE month = 7 GROUP BY year可能需要确定类型的查询（查找7月出生的人），但查询频率会降低。当然，这取决于表中存储的实际数据。现在说一个订单，然后说(c1, c2)，您以后随时可以添加另一个索引(c2, c1)。

在OP评论后更新：

也有类似这样的条件： WHERE c1 = 'abc' AND c2 LIKE 'ab%'

此类查询是否恰好是c2列上的范围条件，并且需要(c1, c2)索引。如果您还有反向查询：

WHERE c2 = 'abc' AND c1 LIKE 'ab%'

那么如果您还有(c2, c1)索引，那将是很好的。

— 超级立方体
source