Indexing jsonb data for pattern matching searches
这是后续行动:
jsonb键/值上的模式匹配
我有一张桌子如下
1 2 3 4 5 | CREATE TABLE"PreStage".transaction ( transaction_id serial NOT NULL, TRANSACTION jsonb CONSTRAINT pk_transaction PRIMARY KEY (transaction_id) ); |
我的事务jsonb列中的内容看起来像
1 2 3 4 5 6 | {"ADDR":"abcd","CITY":"abcd","PROV":"", "ADDR2":"", "ADDR3":"","CNSNT":"Research-NA","CNTRY":"NL","EMAIL":"@.com", "PHONE":"12345","HCO_NM":"HELLO","UNQ_ID":"", "PSTL_CD":"1234","HCP_SR_NM":"","HCP_FST_NM":"", "HCP_MID_NM":""} |
我需要搜索查询,如:
1 2 | SELECT TRANSACTION AS DATA FROM "PreStage".transaction WHERE transaction->>'HCP_FST_NM' ILIKE '%neer%'; |
但我需要让我的用户灵活地搜索任何键/值。
对上一个问题的回答建议将索引创建为:
1 2 | CREATE INDEX idxgin ON"PreStage".transaction USING gin ((transaction->>'HCP_FST_NM') gin_trgm_ops); |
哪个有效,但我也想索引其他键。 因此尝试了类似的事情:
1 2 | CREATE INDEX idxgin ON"PreStage".transaction USING gin ((transaction->>'HCP_FST_NM'),(transaction->>'HCP_LST_NM') gin_trgm_ops) |
哪个不起作用。 这里最好的索引方法是什么,或者我必须为每个键创建一个单独的索引,在这种情况下,如果将新的键/值对添加到数据中,该方法将不是通用的。
@jjanes指出的语法错误,
对于一些流行密钥的混合(包含在许多行和/或经常搜索)加上许多更罕见的密钥(包含在几行和/或很少搜索,新密钥可能会动态弹出)我建议这个组合:
流行键的Trigram索引
您似乎不会经常在一次搜索中组合多个键,并且具有多个键的单个索引将变得非常大且缓慢。所以我会为每个热门密钥创建一个单独的索引。使其成为大多数行中未包含的键的部分索引:
1 2 3 4 5 6 | CREATE INDEX trans_idxgin_HCP_FST_NM ON TRANSACTION -- contained in most rows USING gin ((transaction->>'HCP_FST_NM') gin_trgm_ops); CREATE INDEX trans_idxgin_ADDR ON TRANSACTION -- not in most rows USING gin ((transaction->>'ADDR') gin_trgm_ops) WHERE TRANSACTION ? 'ADDR'; |
等等。在我之前的回答中详细说明:
- jsonb键/值上的模式匹配
基本的jsonb GIN索引
如果您有许多不同的键和/或动态添加新键,您可以使用基本(默认)
1 | CREATE INDEX trans_idxgin ON"PreStage".transaction USING gin (TRANSACTION); |
除此之外,这支持搜索键。但是你不能将它用于值的模式匹配。
- 在Postgres jsonb中查询数组结构的正确索引是什么?
询问
结合处理两个索引的谓词:
1 2 3 4 | SELECT TRANSACTION AS DATA FROM "PreStage".transaction WHERE transaction->>'HCP_FST_NM' ILIKE '%neer%' AND TRANSACTION ? 'HCP_FST_NM'; -- even if that seems redundant. |
第二个条件恰好匹配我们的部分索引。
因此,给定(常用/常用)键有一个特定的三元组索引,或者至少有一个索引来查找包含稀有键的(少数)行 - 然后过滤匹配值。相同的查询应该给你两全其美。
一定要运行最新版本的Postgres,最近有成本估算的各种更新。 Postgres使用良好的估计和当前的表统计信息来选择最佳查询计划至关重要。
没有内置索引可以精确地执行您想要的操作,搜索确切的密钥和相应的通配符匹配值,而无需提前指定要使用的密钥。应该可以创建一个可以做到这一点的扩展,但这将是一项非常多的工作,我不知道有任何存在。
开箱即用的最佳选择可能是将jsonb转换为文本并将该文本编入索引:
1 | CREATE INDEX ON TRANSACTION USING gin ((TRANSACTION::text) gin_trgm_ops); |
然后为查询添加辅助条件:
1 2 3 | SELECT TRANSACTION AS DATA FROM TRANSACTION WHERE transaction->>'HCP_FST_NM' ILIKE '%neer%' AND TRANSACTION::text ilike '%neer%'; |
现在它可以使用索引查找包含'neer'的任何内容,然后重新检查'HCP_FST_NM'键的值中是否出现'neer',而不是
如果您的查询词出现在许多地方而不是所需键的值中,那么这可能不会给您带来非常好的表现。例如,如果有人搜索:
1 2 | transaction->>'EMAIL' ilike '%ADDR%' AND TRANSACTION::text ilike '%ADDR%'; |
假设所有记录与您显示的结构具有相同的结构,则索引将返回每一行,因为每行包含"ADDR",因为用作键。然后每一行都会失败另一个条件检查,但只有在做了很多工作之后。