【postgresql初级使用】创建不同索引类型，选择适合数据类型的索引，查看执行计划，评估不同索引路径的性能

索引的使用

专栏内容：

postgresql使用入门基础
手写数据库toadb
并发编程

个人主页：我的主页
管理社区：开源数据库
座右铭：天行健，君子以自强不息；地势坤，君子以厚德载物.

文章目录

索引的使用
概述
索引
- 创建索引
- 查看索引
- 删除索引
查看执行计划
案例分析
- 添加默认索引类型
- 创建hash索引
- btree与hash索引比较
总结
结尾

概述

在postgresql中内置了丰富的索引类型如btree, hash, gin, gist, sp-gist，还有扩展的bloom等等索引，同时还可以有不同的用途，如主键，外键，唯一性等。

本文分享如何使用不同类型的索引，如创建，查看，删除；同时通过查看执行计划，了解查询状态与索引使用情况，最后通过案例如果分析增加适合自己的索引。

索引

在《postgresql 基础入门》专栏中分享了创建默认类型索引的SQL语法，这里主要介绍创建不同类型索引的语法，同时分享查看索引，删除索引的语法。

创建索引

创建索引的语法如下：

create index index_name ON tablename using index_type ( column1 );

其中：

index_name，本次创建的索引名称，长度在64个字符以内；
ON关键字之后是表名tablename，在此表的某一列上创建索引，指定列名为 column1；
using关键字指示使用的索引算法类型，可以使用btree,hash等内置的索引类型；

下面我们在product表的上创建hash索引。

表的定义如下：

-- 创建产品表  
CREATE TABLE products (  product_id INT PRIMARY KEY,  product_name VARCHAR(255) NOT NULL,  price DECIMAL(10, 2) NOT NULL,  category VARCHAR(255)  
);

可以插入几条数据，也可以使用前面章节《物化视图》提到的方法初始化大量数据来对比。

这里已经有了很多数据，先打开客户端的执行时间统计功能，查询名称wfplpgsbre为的商品。

postgres=# \timing on
Timing is on.
postgres=# select * from products where product_name='wfplpgsbre';product_id | product_name | price  | category
------------+--------------+--------+-----------44 | wfplpgsbre   | 199.66 | Category4
(1 row)Time: 4.828 ms

然后在商品名称列上创建hash类型的索引。

postgres=# create index idx_pro_name ON products using hash ( product_name );
CREATE INDEX
Time: 64.740 ms

这里我们对比一下增加索引后的查询效果。

postgres=# select * from products where product_name='wfplpgsbre';product_id | product_name | price  | category
------------+--------------+--------+-----------44 | wfplpgsbre   | 199.66 | Category4
(1 row)Time: 0.279 ms

可以看到增加索引后，查询明显变快了，效果提升了20倍。

查看索引

在postgresql的命令行客户端上，可以用以下几种方法来查看。

使用psql客户端的\di命令

postgres=> \diList of relationsSchema  |     Name      | Type  |  Owner   |  Table
----------+---------------+-------+----------+----------senlleng | idx_pro_name  | index | senllang | productssenlleng | orders_pkey   | index | senllang | orderssenlleng | products_pkey | index | senllang | products
(3 rows)postgres=> \di idx_pro_nameList of relationsSchema  |     Name     | Type  |  Owner   |  Table
----------+--------------+-------+----------+----------senlleng | idx_pro_name | index | senllang | products
(1 row)

\di 命令是display index 缩写，如果不带索引名称，就会查询当前数据库中的所有索引，可以看到有主键索引，还有刚才创建的索引。
如果带索引名称，就会查看该索引的详细信息。

另一种是查看表的定义，使用\d命令

postgres=> \d productsTable "senlleng.products"Column    |          Type          | Collation | Nullable | Default
--------------+------------------------+-----------+----------+---------product_id   | integer                |           | not null |product_name | character varying(255) |           | not null |price        | numeric(10,2)          |           | not null |category     | character varying(255) |           |          |
Indexes:"products_pkey" PRIMARY KEY, btree (product_id)"idx_pro_name" hash (product_name)
Referenced by:TABLE "orders" CONSTRAINT "orders_product_id_fkey" FOREIGN KEY (product_id) REFERENCES products(product_id)

在表的详细信息中，会列出表上的索引列表，可以看到products表中，有两个索引，分别是products_pkey和idx_pro_name。

删除索引

删除索引就比较简单，语法如下：

drop index index_name;

删除上面创建的索引。

postgres=> drop index idx_pro_name ;
DROP INDEX
Time: 9.890 ms

查看执行计划

索引经常用于提升SQL的查询性能，性能的优化是一个综合而复杂的事情，这里介绍一个常用的手段，就是查看执行计划。

执行计划是数据库将输入SQL命令解析之后，根据当前数据表的状态，如表中数据行的多少，被查询的列上是否有索引等等，对每一种路径都会统计其耗时，然后选出一个耗时较少的路径来最终执行，这就是执行计划。

当然生成执行计划的过程很复杂，但是我们可以查看执行计划，来评估执行的效率，决定是否需要增加索引来优化，以及使用那种类型索引更优秀。

查看执行计划，使用命令explain。

在执行SQL前加explain就会打印执行计划，查看一下查询产品的SQL。

postgres=> explain select * from products where product_name='lrqfankmib';QUERY PLAN
------------------------------------------------------------Seq Scan on products  (cost=0.00..1992.00 rows=1 width=31)Filter: ((product_name)::text = 'lrqfankmib'::text)
(2 rows)Time: 0.237 ms

这是索引已经删除的情况下，可以看到执行计划中Seq Scan on products，说明在这个张表上执行顺序扫描，也就是从头遍历查找，要把表整个遍历一次。

在数据量少时，顺序扫描还是可以接受的，在大数据分析场景下，那简直是灾难级的。

下面我们通过案例来看看，如何使用索引。

案例分析

顺序查找效率比较低时，我们给常用字段加一个索引。

添加默认索引类型

给产品名增加默认索引类型btree，来看看执行计划和性能的变化情况。

postgres=> create index btree_proname on products using btree (product_name );
CREATE INDEX
Time: 122.786 ms

看一下执行计划。

postgres=> explain select * from products where product_name = 'lrqfankmib';QUERY PLAN
-------------------------------------------------------------------------------Index Scan using btree_proname on products  (cost=0.42..8.44 rows=1 width=31)Index Cond: ((product_name)::text = 'lrqfankmib'::text)
(2 rows)Time: 0.322 ms

可以看到用到了我们刚才创建的索引Index Scan using btree_proname on products。

下面实际再执行一遍，看一下耗时的变化。

postgres=> select * from products where product_name = 'lrqfankmib';product_id | product_name | price  | category
------------+--------------+--------+-----------51 | lrqfankmib   | 254.70 | Category2
(1 row)Time: 0.242 ms

确实快了很多，到1ms以下了。

创建hash索引

按商品名称的特点，一般不会使用比较运算，符合hash算法的特点，我们在商品名上创建hash索引。

postgres=> create index hash_proname on products using hash ( product_name);
CREATE INDEX
Time: 83.966 ms
postgres=> \d productsTable "senlleng.products"Column    |          Type          | Collation | Nullable | Default
--------------+------------------------+-----------+----------+---------product_id   | integer                |           | not null |product_name | character varying(255) |           | not null |price        | numeric(10,2)          |           | not null |category     | character varying(255) |           |          |
Indexes:"products_pkey" PRIMARY KEY, btree (product_id)"btree_proname" btree (product_name)"hash_proname" hash (product_name)
Referenced by:TABLE "orders" CONSTRAINT "orders_product_id_fkey" FOREIGN KEY (product_id) REFERENCES products(product_id)

可以看到创建hash索引之后，商品名上有两个索引，也就是说按索引执行的路径就有两种。

再来看一下执行计划吧。

postgres=> explain select * from products where product_name = 'lrqfankmib';QUERY PLAN
------------------------------------------------------------------------------Index Scan using hash_proname on products  (cost=0.00..8.02 rows=1 width=31)Index Cond: ((product_name)::text = 'lrqfankmib'::text)
(2 rows)Time: 0.286 ms

btree与hash索引比较

可以看到执行计划中使用了刚创建的hash索，也就是说经过postgresql 数据库的计算，还是使用hash索引耗时较短。

下面实际执行一下。

postgres=> select * from products where product_name = 'lrqfankmib';product_id | product_name | price  | category
------------+--------------+--------+-----------51 | lrqfankmib   | 254.70 | Category2
(1 row)Time: 0.157 ms