postgresql模糊匹配好用利器
项目招商找A5 快速获取精准代理名单
ArteryBase-模糊匹配大杀器
问题背景
随着pg越来越强大，abase目前已经升级到5.0(postgresql10.4)，目前abase5.0继承了全文检索插件(zhparser)，使用全文检索越来越方便。本文会对abase支持的like模糊匹配，全文检索，创建何种索引，如何使用进行说明。针对于各种模糊匹配均可走索引
前模糊匹配(%xxx),后模糊匹配(xxx%)
使用场景：如果简单的前模糊匹配或者后模糊匹配则可以建一个简单的btree索引。
--1.后模糊匹配(xxx%)create index i_t_msys_btrre_c_ajmc on db_msys.t_msys using btree(c_ajmc text_pattern_ops);CREATE INDEXTime: 4189.886 ms (00:04.190)db_15fb=# select c_ajmc from db_msys.t_msys where c_ajmc like '北京%';c_ajmc ------------------------北京决定和华宇北京和华宇信息北京北京华宇，北京华宇、、、db_15fb=# explain analyze select c_ajmc from db_msys.t_msys where c_ajmc like '北京%'; QUERY PLAN -------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=43.92..2177.91 rows=4204 width=80) (actual time=0.570..2.667 rows=1570 loops=1)Filter: ((c_ajmc)::text ~~ '北京%'::text)Heap Blocks: exact=500-> Bitmap Index Scan on i_t_msys_btrre_c_ajmc (cost=0.00..42.87 rows=632 width=0) (actual time=0.477..0.477 rows=1570 loops=1)Index Cond: (((c_ajmc)::text ~>=~ '北京'::text) AND ((c_ajmc)::text ~<~ '北亭'::text))Planning time: 0.956 msExecution time: 2.841 ms(7 rows)
Time: 4.848 ms--2.前模糊匹配(%xxx),查询以c_ajmc以信息结尾的记录，使用反转函数reversedb_15fb=# create index i_t_msys_reverse_c_ajmc on db_msys.t_msys using btree(reverse(c_ajmc) text_pattern_ops);CREATE INDEXTime: 4011.131 ms (00:04.011)--查询以张三结尾的信息db_15fb=# select c_ajmc from db_msys.t_msys where reverse(c_ajmc) like reverse('%张三');c_ajmc ----------华宇张三北京张三(2 rows)
Time: 0.910 ms
--前模糊匹配也可走索引db_15fb=# explain analyze select c_ajmc from db_msys.t_msys where reverse(c_ajmc) like reverse('%张三'); QUERY PLAN -------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=114.86..5312.88 rows=1787 width=80) (actual time=0.064..0.066 rows=2 loops=1)Filter: (reverse((c_ajmc)::text) ~~ '三张%'::text)Heap Blocks: exact=1-> Bitmap Index Scan on i_t_msys_reverse_c_ajmc (cost=0.00..114.42 rows=1787 width=0) (actual time=0.042..0.042 rows=2 loops=1)Index Cond: ((reverse((c_ajmc)::text) ~>=~ '三张'::text) AND (reverse((c_ajmc)::text) ~<~ '三弡'::text))Planning time: 0.236 msExecution time: 0.148 ms(7 rows)
Time: 1.211 ms
--或者使用like '三张%'等效于 reverse('%张三')db_15fb=# explain analyze select c_ajmc from db_msys.t_msys where reverse(c_ajmc) like '三张%'; QUERY PLAN -------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=114.86..5312.88 rows=1787 width=80) (actual time=0.056..0.058 rows=2 loops=1)Filter: (reverse((c_ajmc)::text) ~~ '三张%'::text)Heap Blocks: exact=1-> Bitmap Index Scan on i_t_msys_reverse_c_ajmc (cost=0.00..114.42 rows=1787 width=0) (actual time=0.036..0.036 rows=2 loops=1)Index Cond: ((reverse((c_ajmc)::text) ~>=~ '三张'::text) AND (reverse((c_ajmc)::text) ~<~ '三弡'::text))Planning time: 0.259 msExecution time: 0.108 ms(7 rows)
Time: 1.119 ms
前模糊匹配的原理是将数据反转存储，查询时字段需要反转，输入的值也需要反转。 原理和前模糊匹配一样。
全模糊匹配(%xxx%)-三元组匹配pg_trgm
使用场景：pg_trgm支持前模糊匹配，后模糊匹配以及全模糊匹配，但是全模糊匹配至少要三个字符才会走索引，在全模糊匹配不少于三个字符的场景才生效(abase一个汉字为一个字符)，也就是like '%xxx%'不能少于三个汉字。
pg_trgm的扩展abase也是自带的，如果不能使用可以尝试先删除扩展，然后在创建扩展--查看安装扩展db_sqlfx=# select * from pg_extension;extname | extowner | extnamespace | extrelocatable | extversion | extconfig | extcondition --------------+----------+--------------+----------------+------------+--plpgsql | 10 | 11 | f | 1.0 | | uuid-ossp | 10 | 2200 | t | 1.1 | | adminpack | 10 | 11 | f | 1.1 | | postgres_fdw | 10 | 2200 | t | 1.0 | | file_fdw | 10 | 2200 | t | 1.0 | | pg_prewarm | 10 | 2200 | t | 1.1 | | btree_gin | 10 | 2200 | t | 1.2 | | zhparser | 10 | 2200 | t | 1.0 | | pg_trgm | 10 | 2200 | t | 1.3 | | (9 rows)--如果没有则可以创建扩展：create extension pg_trgm;--删除扩展drop extension pg_trgm;--c_ajmc创建gin索引db_15fb=# create index i_t_msys_gin_c_ajmc on db_msys.t_msys using gin(c_ajmc gin_trgm_ops);CREATE INDEXTime: 25013.192 ms (00:25.013)--查询'洞庭湖'db_15fb=# select c_ajmc from db_msys.t_msys where c_ajmc like ('%洞庭湖%');c_ajmc ----------------测试洞庭湖数据(1 row)Time: 1.005 ms--全模糊匹配可走索引db_15fb=# explain analyze select c_ajmc from db_msys.t_msys where c_ajmc like ('%洞庭湖%'); QUERY PLAN -------------------------------------------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=24.27..159.92 rows=35 width=80) (actual time=0.088..0.088 rows=1 loops=1)Recheck Cond: ((c_ajmc)::text ~~ '%洞庭湖%'::text)Heap Blocks: exact=1-> Bitmap Index Scan on i_t_msys_gin_c_ajmc (cost=0.00..24.27 rows=35 width=0) (actual time=0.069..0.069rows=1 loops=1)Index Cond: ((c_ajmc)::text ~~ '%洞庭湖%'::text)Planning time: 0.404 msExecution time: 0.152 ms(7 rows)
Time: 1.263 ms--后模糊匹配，需要先删除前面的btree，默认会走btree因为代价比gin低,(需要注意的是pg_trgm的后模糊匹配至少需要提供一个字符才会走，前模糊匹配需要提供两个字符)drop index i_t_msys_btrre_c_ajmc;db_15fb=# explain analyze select c_ajmc from db_msys.t_msys where c_ajmc like ('北京%'); QUERY PLAN -------------------------------------------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=72.58..9791.59 rows=4204 width=80) (actual time=1.058..4.993 rows=1570 loops=1)Recheck Cond: ((c_ajmc)::text ~~ '北京%'::text)Rows Removed by Index Recheck: 855Heap Blocks: exact=989-> Bitmap Index Scan on i_t_msys_gin_c_ajmc (cost=0.00..71.53 rows=4204 width=0) (actual time=0.869..0.869 rows=2425 loops=1)Index Cond: ((c_ajmc)::text ~~ '北京%'::text)Planning time: 0.589 msExecution time: 5.160 ms(8 rows)Time: 6.658 ms--使用gin索引 前模糊匹配db_15fb=# explain analyze select c_ajmc from db_msys.t_msys where c_ajmc like ('%合同纠纷'); QUERY PLAN -------------------------------------------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=1220.09..19633.34 rows=126980 width=80) (actual time=62.980..298.705 rows=166872 loops=1)Recheck Cond: ((c_ajmc)::text ~~ '%合同纠纷'::text)Rows Removed by Index Recheck: 12Heap Blocks: exact=16654-> Bitmap Index Scan on i_t_msys_gin_c_ajmc (cost=0.00..1188.35 rows=126980 width=0) (actual time=58.905..58.905 rows=166886 loops=1)Index Cond: ((c_ajmc)::text ~~ '%合同纠纷'::text)Planning time: 0.623 msExecution time: 309.385 ms(8 rows)Time: 311.072 ms--使用btree的反转函数 db_15fb=# explain analyze select c_ajmc from db_msys.t_msys where reverse(c_ajmc) like reverse('%合同纠纷'); QUERY PLAN -------------------------------------------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=114.86..5312.88 rows=1787 width=80) (actual time=51.135..289.537 rows=166872 loops=1)Filter: (reverse((c_ajmc)::text) ~~ '纷纠同合%'::text)Heap Blocks: exact=16654-> Bitmap Index Scan on i_t_msys_reverse_c_ajmc (cost=0.00..114.42 rows=1787 width=0) (actual time=46.970..46.970 rows=166874 loops=1)Index Cond: ((reverse((c_ajmc)::text) ~>=~ '纷纠同合'::text) AND (reverse((c_ajmc)::text) ~<~ '纷纠吉'::text))Planning time: 0.268 msExecution time: 301.174 ms(7 rows)
Time: 302.413 ms
可以看出前模糊匹配使用gin和btree都可以走索引，gin和btree的效率相差不大，但是gin索引大小比btree大，且创建耗费时间
可以看出前模糊匹配使用gin和btree都可以走索引，gin和btree的效率相差不大，但是gin索引大小比btree大，且创建耗费时间
pg_trgm扩展的前模糊匹配和后模糊匹配也均可走索引，后模糊匹配btree的效率比gin要高。
全文检索-zhparser
使用场景：单个字段全文检索，多字段全文检索，行级全文检索
目前abase5.0自带了全文检索支持，使用select * from pg_extension可以看到zhparser的扩展。在abase5.0以前需要手动安装
--查看安装扩展db_sqlfx=# select * from pg_extension;extname | extowner | extnamespace | extrelocatable | extversion | extconfig | extcondition --------------+----------+--------------+----------------+------------+-----------+--------------plpgsql | 10 | 11 | f | 1.0 | | uuid-ossp | 10 | 2200 | t | 1.1 | | adminpack | 10 | 11 | f | 1.1 | | postgres_fdw | 10 | 2200 | t | 1.0 | | file_fdw | 10 | 2200 | t | 1.0 | | pg_prewarm | 10 | 2200 | t | 1.1 | | btree_gin | 10 | 2200 | t | 1.2 | | zhparser | 10 | 2200 | t | 1.0 | | pg_trgm | 10 | 2200 | t | 1.3 | | (9 rows)--如果没有则可以创建扩展：db_15fb=# create extension zhparser;CREATE EXTENSION--创建使用zhparser作为解析器的全文搜索的配置 db_15fb=# create text search configuration testzhcfg(parser = zhparser);CREATE TEXT SEARCH CONFIGURATION--往全文搜索配置中增加token映射 db_15fb=# alter text search configuration testzhcfg add mapping for n,v,a,i,e,l with simple;ALTER TEXT SEARCH CONFIGURATION上面的token映射只映射了名词(n)，动词(v)，形容词(a)，成语(i),叹词(e)和习用语(l)6种，这6种以外的token全部被屏蔽。词典使用的是内置的simple词典，即仅做小写转换。根据需要可以灵活定义词典和token映射，以实现屏蔽词和同义词归并等功能。--分词效果db_15fb=# select to_tsvector('testzhcfg','南京市长江大桥'); to_tsvector ----------------------------------------------------------------------------------------'南京':2 '南京市':1 '大':9 '大桥':6 '市':3 '桥':10 '江':8 '长':7 '长江':5 '长江大桥':4(1 row)
全文检索查询
--c_ajmc创建索引，可以看出创建gin索引相比btree是比较耗时的db_15fb=# create index i_t_msys_c_ajmc on db_msys.t_msys using gin(to_tsvector('testzhcfg',c_ajmc));CREATE INDEXTime: 32601.072 ms (00:32.601)--查询c_ajmc包含北京华宇，to_tsquery('testzhcfg','北京华宇')db_15fb=# select c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京华宇');c_baah | c_ajmc ---------------+----------------------华宇 | 北京决定和华宇测试案号 | 测试北京与华宇xx纠纷北京五环之歌 | 北京和华宇信息(2018)xxxxxx1 | 北京出席华宇科技测试案号华宇 | 北京华宇(5 rows)
Time: 1.927 msdb_15fb=# explain analyze select c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京华宇'); QUERY PLAN -------------------------------------------------------------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=56.00..60.26 rows=1 width=106) (actual time=0.989..1.004 rows=3 loops=1)Recheck Cond: (to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text) @@ '''北京'' & ''华宇'' & ''华'' & ''宇'''::tsquery)Heap Blocks: exact=5-> Bitmap Index Scan on i_t_msys_c_ajmc (cost=0.00..56.00 rows=1 width=0) (actual time=0.971..0.971 rows=13 loops=1)Index Cond: (to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text) @@ '''北京'' & ''华宇'' & ''华'' & ''宇'''::tsquery)Planning time: 0.275 msExecution time: 1.055 ms(7 rows)
Time: 2.290 ms--to_tsquery('testzhcfg','北京华宇')等效于to_tsquery('testzhcfg','北京&华宇')db_15fb=# select c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京&华宇');c_baah | c_ajmc ---------------+----------------------华宇 | 北京决定和华宇测试案号 | 测试北京与华宇xx纠纷北京五环之歌 | 北京和华宇信息(2018)xxxxxx1 | 北京出席华宇科技测试案号华宇 | 北京华宇(5 rows)
Time: 2.037 msdb_15fb=# explain analyze select c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京&华宇'); QUERY PLAN ---------------------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=56.00..60.26 rows=1 width=106) (actual time=0.941..0.958 rows=5 loops=1)Recheck Cond: (to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text) @@ '''北京'' & ''华宇'' & ''华'' & ''宇'''::tsquery)Heap Blocks: exact=5-> Bitmap Index Scan on i_t_msys_c_ajmc (cost=0.00..56.00 rows=1 width=0) (actual time=0.921..0.921 rows=15 loops=1)Index Cond: (to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text) @@ '''北京'' & ''华宇'' & ''华'' & ''宇'''::tsquery)Planning time: 0.295 msExecution time: 1.008 ms(7 rows)
Time: 2.070 ms
--包含'北京'或者'华宇'的：to_tsquery('testzhcfg','北京|华宇')db_15fb=# select c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京|华宇');c_baah | c_ajmc ---------------------------+--------------北京科技园 | 华宇信息华宇 | 北京决定和华宇测试案号 | 测试北京与华宇xx纠纷北京五环之歌 | 北京和华宇信息(2017)xx民初xx号 | 华宇(2017)xx民初xx号 | 北京...Time: 10.426 ms
db_15fb=# explain analyze select c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京|华宇'); QUERY PLAN -------------------------------------------------------------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=69.85..5710.15 rows=1787 width=106) (actual time=2.269..7.338 rows=2941 loops=1)Recheck Cond: (to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text) @@ '''北京'' | ''华宇'' & ''华'' & ''宇'''::tsquery)Heap Blocks: exact=1355-> Bitmap Index Scan on i_t_msys_c_ajmc (cost=0.00..69.41 rows=1787 width=0) (actual time=2.034..2.034 rows=2954 loops=1)Index Cond: (to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text) @@ '''北京'' | ''华宇'' & ''华'' & ''宇'''::tsquery)Planning time: 0.268 msExecution time: 7.565 ms(7 rows)
Time: 8.655 ms
这里查询的结果包含了北京和华宇，如果想让只查询包含'北京'和'华宇'中间不包含其他名词或动词等，可使用phraseto_tsquery,此处不管是'北京华宇','北京|华宇','北京&华宇'结果都一样。db_15fb=# select c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc)@@phraseto_tsquery('testzhcfg','北京华宇');c_baah | c_ajmc --------------+----------------------测试案号 | 测试北京与华宇xx纠纷北京五环之歌 | 北京和华宇信息测试案号华宇 | 北京华宇(3 rows)
Time: 2.203 ms
db_15fb=# explain analyze select c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc)@@phraseto_tsquery('testzhcfg','北京华宇'); QUERY PLAN ------------------------------------------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=56.00..60.26 rows=1 width=106) (actual time=1.147..1.258 rows=3 loops=1)Recheck Cond: (to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text) @@ '''北京'' <-> ''华宇'' <-> ''华'' <-> ''宇'''::tsquery)Rows Removed by Index Recheck: 2Heap Blocks: exact=5-> Bitmap Index Scan on i_t_msys_c_ajmc (cost=0.00..56.00 rows=1 width=0) (actual time=1.016..1.016 rows=15 loops=1)Index Cond: (to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text) @@ '''北京'' <-> ''华宇'' <-> ''华'' <-> ''宇'''::tsquery)Planning time: 0.333 msExecution time: 1.307 ms(8 rows)
但是结果中包含了'测试北京与华宇xx纠纷','北京和华宇信息',原因是token映射中忽略了名词(n)，动词(v)，形容词(a)，成语(i),叹词(e)和习用语(l)6种以外的词。如果需要可以加入其中那样就可以更加精确匹配出'北京华宇'--不包含'与'ALTER TEXT SEARCH CONFIGURATION testzhcfg ADD MAPPING FOR n,v,a,i,e,l WITH simple;db_sqlfx=# select to_tsvector('testzhcfg','北京与华宇');to_tsvector ---------------------------------'北京':1 '华':3 '华宇':2 '宇':4(1 row)--将所有词性全部影射出后就就包含'与'ALTER TEXT SEARCH CONFIGURATION testzhcfg ADD MAPPING FOR a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z WITH simple;db_sqlfx=# select to_tsvector('testzhcfg','北京与华宇'); to_tsvector ------------------------------------------------------'与':4 '京':3 '北':2 '北京':1 '华':6 '华宇':5 '宇':7(1 row)
--'北京'和'华宇'中间不包含任何词，结果包含'北京华宇'ALTER TEXT SEARCH CONFIGURATION testzhcfg alter MAPPING FOR a,b,c,d,e,f,g,h,i,j,k,l,m,n,o,p,q,r,s,t,u,v,w,x,y,z WITH simple;db_15fb=# select c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc)@@phraseto_tsquery('testzhcfg','北京华宇');c_baah | c_ajmc ------------------------+----------------------(2017)川0191民初3198号 | 测试北京华宇信息技术(2017)川0191民初9022号 | 测试北京华宇xxx(2 rows)Time: 1.347 ms
--查询'北京华宇'db_15fb=# select c_baah,c_ajmc from db_msys.t_msys where f1('testzhcfg'::regconfig,c_baah||c_ajmc::text) @@ phraseto_tsquery('testzhcfg','北京华宇') ; c_baah | c_ajmc ------------------------+----------------------(2017)川0191民初3198号 | 测试北京华宇信息技术(2017)川0191民初9022号 | 测试北京华宇xxx(2 rows)
Time: 1.786 ms
行级全文检索[
比如需要在所有列中找到匹配'北京'的值使用t_msys::text可以将行转成一个大文本。--创建行级全文检索db_15fb=# create index i_t_msys_all on db_msys.t_msys using gin(f1('testzhcfg'::regconfig,t_msys::text));CREATE INDEXTime: 128538.026 ms (02:08.538)--查询所有字段包含'北京'的情况db_15fb=# select c_jksxcsmc,c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg'::regconfig,t_msys::text)@@to_tsquery('北京');c_jksxcsmc | c_baah | c_ajmc ----------------------------+---------------------------+-------------------------------------------------------------------------南京xx信息技术有限公司 | 北京科技园 | 华宇信息南京xx信息技术有限公司 | 华宇 | 北京决定和华宇南京xx信息技术有限公司 | 测试案号 | 测试北京与华宇xx纠纷南京xx信息技术有限公司 | 北京五环之歌 | 北京和华宇信息南京xx信息技术有限公司 | 北京奥运 | 之歌北京华宇信息技术有限公司 | 测试数据 | 测试数据测试北京信息技术 | 测试数据 | 测试数据...Time: 10.382 msdb_15fb=# explain analyze select c_jksxcsmc,c_baah,c_ajmc from db_msys.t_msys where to_tsvector('testzhcfg'::regconfig,t_msys::text)@@to_tsquery('北京'); QUERY PLAN ----------------------------------------------------------------------------------------------------------------------------Bitmap Heap Scan on t_msys (cost=38.10..6134.09 rows=1787 width=146) (actual time=1.014..6.792 rows=2841 loops=1)Recheck Cond: (to_tsvector('testzhcfg'::regconfig, (t_msys.*)::text) @@ to_tsquery('北京'::text))Heap Blocks: exact=1281-> Bitmap Index Scan on i_t_msys_all (cost=0.00..37.66 rows=1787 width=0) (actual time=0.788..0.788 rows=2843 loops=1)Index Cond: (to_tsvector('testzhcfg'::regconfig, (t_msys.*)::text) @@ to_tsquery('北京'::text))Planning time: 0.312 msExecution time: 7.056 ms(7 rows)
Time: 8.364 ms
权重排序
查询术语在文档中出现的频率，术语在文档中的接近程度，以及文档中出现的部分的重要性--c_ajmc根据权重排序db_15fb=# select c_ajmc,ts_rank(to_tsvector('testzhcfg',c_ajmc),to_tsquery('testzhcfg','北京华宇')) rank from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc) @@to_tsquery('testzhcfg','北京华宇') order by rank desc;c_ajmc | rank ----------------------+----------北京华宇，北京华宇 | 0.910206测试北京与华宇xx纠纷 | 0.463622北京和华宇信息 | 0.463622北京华宇 | 0.463622北京决定和华宇 | 0.457134北京出席华宇科技 | 0.457134(6 rows)
Time: 2.179 ms
--c_baah,c_ajmc多字段权重排序db_15fb=# select c_baah,c_ajmc,ts_rank(f1('testzhcfg'::regconfig,c_baah||c_ajmc::text),to_tsquery('北京&华宇')) rank db_15fb-# from db_msys.t_msys where f1('testzhcfg'::regconfig,c_baah||c_ajmc::text) @@to_tsquery('北京&华宇') db_15fb-# order by rank desc;c_baah | c_ajmc | rank -------------------+----------------------+-----------北京华宇,北京华宇 | 北京华宇，北京华宇 | 0.733734测试案号华宇 | 北京华宇 | 0.186813华宇 | 北京决定和华宇 | 0.185238北京五环之歌 | 北京和华宇信息 | 0.181526测试案号 | 测试北京与华宇xx纠纷 | 0.0991032(2018)xxxxxx1 | 北京出席华宇科技 | 0.0973585北京科技园 | 华宇信息 | 0.095243(7 rows)Time: 2.038 ms
--查询离婚信息，返回结果26610条，耗时849msdb_15fb=# explain (analyze,verbose,buffers) select c_ajmc,ts_rank(to_tsvector('testzhcfg',c_ajmc),to_tsquery('testzhcfg','离婚')) rank db_15fb-# from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc) @@to_tsquery('testzhcfg','离婚') order by rank desc limit 10db_15fb-# ; QUERY PLAN -------------------------------------------------------------------------------------------------------------------------------------------Limit (cost=48.53..48.53 rows=1 width=84) (actual time=849.020..849.023 rows=10 loops=1)Output: c_ajmc, (ts_rank(to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text), '''离婚'' & ''离'' & ''婚'''::tsquery))Buffers: shared hit=11372-> Sort (cost=48.53..48.53 rows=1 width=84) (actual time=849.017..849.018 rows=10 loops=1)Output: c_ajmc, (ts_rank(to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text), '''离婚'' & ''离'' & ''婚'''::tsquery))Sort Key: (ts_rank(to_tsvector('testzhcfg'::regconfig, (t_msys.c_ajmc)::text), '''离婚'' & ''离'' & ''婚'''::tsquery)) DESCSort Method: top-N heapsort Memory: 25kBBuffers: shared hit=11372-> Bitmap Heap Scan on db_msys.t_msys (cost=44.00..48.52 rows=1 width=84) (actual time=14.057..825.193 rows=26610 loops=1)Output: c_ajmc, ts_rank(to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text), '''离婚'' & ''离'' & ''婚'''::tsquery)Recheck Cond: (to_tsvector('testzhcfg'::regconfig, (t_msys.c_ajmc)::text) @@ '''离婚'' & ''离'' & ''婚'''::tsquery)Heap Blocks: exact=11336Buffers: shared hit=11372-> Bitmap Index Scan on i_t_msys_c_ajmc (cost=0.00..44.00 rows=1 width=0) (actual time=11.260..11.260 rows=26610 loops=1) Index Cond: (to_tsvector('testzhcfg'::regconfig, (t_msys.c_ajmc)::text) @@ '''离婚'' & ''离'' & ''婚'''::tsquery) Buffers: shared hit=36Planning time: 0.384 msExecution time: 849.099 ms(18 rows)
Time: 850.649 ms
--查询合同|纠纷，返回179308条数据，耗时10sdb_15fb=# explain (analyze,verbose,buffers) select c_ajmc,ts_rank(to_tsvector('testzhcfg',c_ajmc),to_tsquery('testzhcfg','合同|纠纷')) rank from db_msys.t_msys where to_tsvector('testzhcfg',c_ajmc) @@to_tsquery('testzhcfg','合同|纠纷') ; QUERY PLAN --------------------------------------------------------------------------------------------------------------------------------------------------------Bitmap Heap Scan on db_msys.t_msys (cost=80.00..84.52 rows=1 width=84) (actual time=148.596..10658.341 rows=179308 loops=1)Output: c_ajmc, ts_rank(to_tsvector('testzhcfg'::regconfig, (c_ajmc)::text), '''合同'' & ''合'' & ''同'' | ''纠纷'' & ''纠'' & ''纷'''::tsquery)Recheck Cond: (to_tsvector('testzhcfg'::regconfig, (t_msys.c_ajmc)::text) @@ '''合同'' & ''合'' & ''同'' | ''纠纷'' & ''纠'' & ''纷'''::tsquery)Heap Blocks: exact=16632Buffers: shared hit=16811-> Bitmap Index Scan on i_t_msys_c_ajmc (cost=0.00..80.00 rows=1 width=0) (actual time=144.298..144.298 rows=179310 loops=1)Index Cond: (to_tsvector('testzhcfg'::regconfig, (t_msys.c_ajmc)::text) @@ '''合同'' & ''合'' & ''同'' | ''纠纷'' & ''纠'' & ''纷'''::tsquery)Buffers: shared hit=179Planning time: 0.373 msExecution time: 10695.288 ms(10 rows)
可以看出当查询的结果集大的时候排序是非常耗时的，因为它要求查询每一个匹配文档的tsvector，如果一行较大，可能存储在toast表中，这样就涉及到大量的随机访问
磁盘io会升高。不幸的是，这几乎不可能避免，因为实际查询常常导致巨大数目的匹配。
表大小：db_15fb=# select pg_size_pretty(pg_relation_size('t_msys'));pg_size_pretty ----------------131 MB(1 row)
Time: 0.858 ms--索引使用
| 索引类型 | 索引名称 | 索引大小 | 创建耗时 | 场景 || :----------- | ----------------------- | -------- | -------------|--------------|| btree | i_t_msys_btrre_c_ajmc | 37MB | 4189.886 ms |前模糊匹配 || btree-reverse| i_t_msys_reverse_c_ajmc | 37MB | 4011.131 ms |后模糊匹配 || gin-pg_trgm |i_t_msys_gin_c_ajmc | 67MB | 25013.192 ms |全模糊匹配三元组|| gin-zhparser |i_t_msys_c_ajmc | 21MB| 32601.072 ms |单字段全文检索 || gin-zhparser |i_t_msys_ah_ajmc | 25MB| 38587.146 ms |多字段全文检索 || gin-zhparser |i_t_msys_all | 106MB| 128538.026 ms|行级全文检索 |行级全文检索占用空间接近表达小，创建也比较耗时。
结语
1.后模糊匹配(xxx%)，可使用btree创建索引，效率比gin索引高，using btree(c_ajmc text_pattern_ops).
2.前模糊匹配(%xxx)，btree和gin的效率相差不大，但是gin创建耗费时间，且gin比btree索引大。所以推荐使用btree reverse函数创建索引。using btree(reverse(c_ajmc))
3.全模糊匹配(%xxx%),可使用gin创建索引，但是pg_trgm支持最少三个字符。using gin(c_ajmc gin_trgm_ops)
4.如果需要对多个字段的全文检索，比如查询案号，或者案件名称这两个字段中包含‘北京'的值，或者案件名称中包含‘北京'和‘华宇'可以使用全文检索，具体的创建参考上面的例子。
5.需要注意的是当全文检索返回的结果集很大时，按照权重排序效率会很低！！！
6.需要注意的是使用全模糊匹配，查询的字符太少返回的结果多，会影响查询效率！！！
7.如果该字段仅需要后模糊匹配只需要建索引：using btree(c_ajmc text_pattern_ops)。如果该字段仅需要前模糊匹配则建索引using btree(reverse(c_ajmc))。如果字段有全模糊匹配也有前后模糊匹配就只需要建一个gin索引即可。
文章来源：脚本之家
来源地址：https://www.jb51.net/article/204613.htm
尊敬的看官您对postgresql模糊匹配好用利器有什么看法呢？互联网品牌制作专家愿与您共同探讨！版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请加微信号oem365 举报，一经查实，本站将立刻删除。上一篇: PostgreSQL忘记postgres账号密码的解决方法 返 回 下一篇:PostgreSQL实现子查询返回多行的案例
