文档章节

Postgresql-模糊匹配大杀器

o
 osc_fmg49rzg
发布于 2019/03/20 11:02
字数 5392
阅读 23
收藏 0

精选30+云产品,助力企业轻松上云!>>>

# Postgresql-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。

```sql
--1.后模糊匹配(xxx%)
create index i_t_test_btrre_c_ajmc on db_msllss.t_test using btree(c_ajmc text_pattern_ops);
CREATE INDEX
Time: 4189.886 ms (00:04.190)
db_15fb=# select c_ajmc from  db_msllss.t_test where c_ajmc like '北京%';
    c_ajmc                                                                                  
------------------------
 北京决定
 北京
 北京,北京
、、、
db_15fb=# explain analyze select c_ajmc from  db_msllss.t_test where c_ajmc like '北京%';
                                                             QUERY PLAN                                      
-------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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_test_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 ms
 Execution 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reverse
db_15fb=# create index i_t_test_reverse_c_ajmc on db_msllss.t_test using btree(reverse(c_ajmc) text_pattern_ops);
CREATE INDEX
Time: 4011.131 ms (00:04.011)
--查询以张三结尾的信息
db_15fb=#  select c_ajmc from  db_msllss.t_test where reverse(c_ajmc) like reverse('%张三');
  c_ajmc  
----------
 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_msllss.t_test where reverse(c_ajmc) like reverse('%张三');
                                                             QUERY PLAN                                      
                        
-------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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_test_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 ms
 Execution 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_msllss.t_test where reverse(c_ajmc) like '三张%';
                                                             QUERY PLAN                                      
                        
-------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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_test_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 ms
 Execution 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。

```sql
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_test_gin_c_ajmc on db_msllss.t_test using gin(c_ajmc gin_trgm_ops);
CREATE INDEX
Time: 25013.192 ms (00:25.013)
--查询'洞庭湖'
db_15fb=#  select c_ajmc from  db_msllss.t_test 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_msllss.t_test where c_ajmc like ('%洞庭湖%');
                                                          QUERY PLAN                                                   
-------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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_test_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 ms
 Execution 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_test_btrre_c_ajmc;
db_15fb=# explain analyze select c_ajmc from  db_msllss.t_test where c_ajmc like ('北京%');
                                                            QUERY PLAN                                               
-------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (cost=72.58..9791.59 rows=4204 width=80) (actual time=1.058..4.993 rows=1570 loo
ps=1)
   Recheck Cond: ((c_ajmc)::text ~~ '北京%'::text)
   Rows Removed by Index Recheck: 855
   Heap Blocks: exact=989
   ->  Bitmap Index Scan on i_t_test_gin_c_ajmc  (cost=0.00..71.53 rows=4204 width=0) (actual time=0.869..0.8
69 rows=2425 loops=1)
         Index Cond: ((c_ajmc)::text ~~ '北京%'::text)
 Planning time: 0.589 ms
 Execution 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_msllss.t_test where c_ajmc like ('%合同纠纷');
                                                                QUERY PLAN                                                           
-------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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: 12
   Heap Blocks: exact=16654
   ->  Bitmap Index Scan on i_t_test_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 ms
 Execution 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_msllss.t_test where reverse(c_ajmc) like reverse('%合同纠纷');                                                                 QUERY PLAN                                                            
-------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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_test_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 ms
 Execution 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
```

 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

```sql
--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

```sql
--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_test_c_ajmc on db_msllss.t_test using gin(to_tsvector('testzhcfg',c_ajmc));
CREATE INDEX
Time: 32601.072 ms (00:32.601)
--查询c_ajmc包含北京华辰,to_tsquery('testzhcfg','北京华辰')
db_15fb=# select c_baah,c_ajmc from db_msllss.t_test where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京华辰');
    c_baah     |        c_ajmc        
---------------+----------------------
 华辰          | 北京决定
 测试案号       | 测试北京与xx纠纷
 北京五环之歌   | 北京和华辰信息
 (2018)xxxxxx1 | 北京出席华辰科技
 测试案号华辰   | 北京华辰
(5 rows)

Time: 1.927 ms
db_15fb=# explain analyze select c_baah,c_ajmc from db_msllss.t_test where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京华辰');
                                                          QUERY PLAN                                                           
-------------------------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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'' & ''华辰'' & ''华'' & ''宇'''::tsquery)
   Heap Blocks: exact=5
   ->  Bitmap Index Scan on i_t_test_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'' & ''华辰'' & ''华'' & ''宇'''::tsquery)
 Planning time: 0.275 ms
 Execution time: 1.055 ms
(7 rows)

Time: 2.290 ms
--to_tsquery('testzhcfg','北京华辰')等效于to_tsquery('testzhcfg','北京&华辰')
db_15fb=# select c_baah,c_ajmc from db_msllss.t_test where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京&华辰');
    c_baah     |        c_ajmc        
---------------+----------------------
 华辰          | 北京决定和华辰
 测试案号      | 测试北京与华辰xx纠纷
 北京五环之歌  | 北京和华辰信息
 (2018)xxxxxx1 | 北京出席华辰科技
 测试案号华辰  | 北京华辰
(5 rows)

Time: 2.037 ms
db_15fb=#  explain analyze select c_baah,c_ajmc from db_msllss.t_test where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京&华辰');
                                                          QUERY PLAN                                         
                  
---------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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'' & ''华辰'' & ''华'' & ''宇'''::tsquery)
   Heap Blocks: exact=5
   ->  Bitmap Index Scan on i_t_test_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'' & ''华辰'' & ''华'' &
''宇'''::tsquery)
 Planning time: 0.295 ms
 Execution time: 1.008 ms
(7 rows)

Time: 2.070 ms

--包含'北京'或者'华辰'的:to_tsquery('testzhcfg','北京|华辰')
db_15fb=# select c_baah,c_ajmc from db_msllss.t_test where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京|华辰');
          c_baah           |       c_ajmc                                         
                                                                                
---------------------------+--------------
 北京科技园                | 华辰信息
 华辰                     | 北京决定和华辰
 测试案号                  | 测试北京与华辰xx纠纷
 北京五环之歌              | 北京和华辰信息
 (2017)xx民初xx号         | 华辰
 (2017)xx民初xx号           | 北京
...
Time: 10.426 ms

db_15fb=#  explain analyze select c_baah,c_ajmc from db_msllss.t_test where to_tsvector('testzhcfg',c_ajmc)@@to_tsquery('testzhcfg','北京|华辰');
                                                          QUERY PLAN                                                           
-------------------------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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'' | ''华辰'' & ''华'' & ''宇'''::tsquery)
   Heap Blocks: exact=1355
   ->  Bitmap Index Scan on i_t_test_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'' | ''华辰'' & ''华'' & ''宇'''::tsquery)
 Planning time: 0.268 ms
 Execution time: 7.565 ms
(7 rows)

Time: 8.655 ms

这里查询的结果包含了北京和华辰,如果想让只查询包含'北京'和'华辰'中间不包含其他名词或动词等,可使用phraseto_tsquery,此处不管是'北京华辰','北京|华辰','北京&华辰'结果都一样。
db_15fb=# select c_baah,c_ajmc from db_msllss.t_test where to_tsvector('testzhcfg',c_ajmc)@@phraseto_tsquery('testzhcfg','北京华辰');
    c_baah    |        c_ajmc        
--------------+----------------------
 测试案号     | 测试北京与华辰xx纠纷
 北京五环之歌 | 北京和华辰信息
 测试案号华辰 | 北京华辰
(3 rows)

Time: 2.203 ms

db_15fb=# explain analyze select c_baah,c_ajmc from db_msllss.t_test where to_tsvector('testzhcfg',c_ajmc)@@phraseto_tsquery('testzhcfg','北京华辰');
                                                             QUERY PLAN                                                              
------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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'' <-> ''华辰'' <-> ''华'' <-> ''宇'''::tsquery)
   Rows Removed by Index Recheck: 2
   Heap Blocks: exact=5
   ->  Bitmap Index Scan on i_t_test_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'' <-> ''华辰'' <-> ''华'' <-> ''宇'''::tsquery)
 Planning time: 0.333 ms
 Execution time: 1.307 ms
(8 rows)


但是结果中包含了'测试北京与华辰xx纠纷','北京和华辰信息',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'北京华辰'
--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','北京与华辰');
           to_tsvector           
---------------------------------
 '北京':1 '华':3 '华辰':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','北京与华辰')
;
                     to_tsvector                      
------------------------------------------------------
 '与':4 '京':3 '北':2 '北京':1 '华':6 '华辰':5 '宇':7
(1 row)

--'北京'和'华辰'中间不包含任何词,结果包含'北京华辰'
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_msllss.t_test where to_tsvector('testzhcfg',c_ajmc)@@phraseto_tsquery('testzhcfg','北京华辰');
         c_baah         |        c_ajmc        
------------------------+----------------------
 (2017)川0191民初3198号 | 测试北京华辰信息技术
 (2017)川0191民初9022号 | 测试北京华辰xxx
(2 rows)
Time: 1.347 ms

```



## 多字段全文检索

前面是单个字段的全文检索,如果我需要对多个字段做全文检索如何做呢?
比如我需要对案号,案件名称等字段 查询其中包含‘北京’的行。由于pg_trgm是三元组匹配,所以这个地方就不能实现。

```sql
ALTER TEXT SEARCH CONFIGURATION testzhcfg ADD MAPPING FOR n,v,a,i,e,l WITH simple;
--针对多个字段的函数索引
创建函数索引,需要将函数修改为稳定状态(immutable)
db_15fb=# create or replace function f1(regconfig,text) returns tsvector as $$  
 select to_tsvector($1,$2);  
 $$ language sql immutable strict;  
CREATE FUNCTION
Time: 13.580 ms

db_15fb=# create or replace function f1(text) returns tsvector as $$            
 select to_tsvector($1);     
 $$ language sql immutable strict;
CREATE FUNCTION

Time: 17.822 ms
db_15fb=# alter function record_out(record) immutable;  
ALTER FUNCTION
Time: 20.823 ms

db_15fb=# alter function textin(cstring) immutable;  
ALTER FUNCTION
Time: 15.078 ms

--创建c_baah,c_ajmc字段索引
db_15fb=# create index i_t_test_ah_ajmc on db_msllss.t_test using gin(f1('testzhcfg'::regconfig,c_baah||c_ajmc::text));
CREATE INDEX
Time: 38587.146 ms (00:38.587)
--查询c_baah,c_ajmc包含'北京'和'华辰'的记录,等效于to_tsquery('testzhcfg','北京华辰') ; to_tsquery('北京&华辰')效率稍高

db_15fb=# select c_baah,c_ajmc from db_msllss.t_test where f1('testzhcfg'::regconfig,c_baah||c_ajmc::text) @@ to_tsquery('北京&华辰') ;
    c_baah     |        c_ajmc        
---------------+----------------------
 北京科技园    | 华辰信息
 华辰          | 北京决定和华辰
 测试案号      | 测试北京与华辰xx纠纷
 北京五环之歌  | 北京和华辰信息
 (2018)xxxxxx1 | 北京出席华辰科技
 测试案号华辰  | 北京华辰
(6 rows)

Time: 1.222 ms
db_15fb=# explain analyze select c_baah,c_ajmc from db_msllss.t_test where f1('testzhcfg'::regconfig,c_baah||c_ajmc::text) @@ to_tsquery('北京&华辰') ;
                                                           QUERY PLAN                                                           
---------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (cost=32.32..72.33 rows=9 width=106) (actual time=0.184..0.197 rows=6 loops=1)
   Recheck Cond: (to_tsvector('testzhcfg'::regconfig, ((c_baah)::text || (c_ajmc)::text)) @@ to_tsquery('北京&华辰'::text))
   Heap Blocks: exact=3
   ->  Bitmap Index Scan on i_t_test_ah_ajmc  (cost=0.00..32.32 rows=9 width=0) (actual time=0.163..0.163 rows=7 loops=1)
         Index Cond: (to_tsvector('testzhcfg'::regconfig, ((c_baah)::text || (c_ajmc)::text)) @@ to_tsquery('北京&华辰'::text))
 Planning time: 0.329 ms
 Execution time: 0.251 ms
(7 rows)

Time: 1.396 ms

----查询c_baah,c_ajmc包含'北京'或'华辰'的记录
db_15fb=# select c_baah,c_ajmc from db_msllss.t_test where f1('testzhcfg'::regconfig,c_baah||c_ajmc::text) @@ to_tsquery('北京|华辰') ;
          c_baah          |      c_ajmc                                         
                                                                                
---------------------------+--------------------
 北京科技园                | 华辰信息
 华辰                      | 北京决定和华辰
 测试案号                  | 测试北京与华辰xx纠纷
 北京五环之歌              | 北京和华辰信息
 北京奥运                  | 之歌
 (2017)xxxxx民初xxxx号    | 华辰
 (2017)xxxx1民初xxxx号    | 北京

...未显示完全
Time: 9.965 ms
db_15fb=# explain analyze select c_baah,c_ajmc from db_msllss.t_test where f1('testzhcfg'::regconfig,c_baah||c_ajmc::text) @@ to_tsquery('北京|华辰') ;
                                                           QUERY PLAN                                                           
--------------------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (cost=63.89..10564.67 rows=3566 width=106) (actual time=1.104..6.190 rows=2942 loops=1)
   Recheck Cond: (to_tsvector('testzhcfg'::regconfig, ((c_baah)::text || (c_ajmc)::text)) @@ to_tsquery('北京|华辰'::text))
   Heap Blocks: exact=1353
   ->  Bitmap Index Scan on i_t_test_ah_ajmc  (cost=0.00..62.99 rows=3566 width=0) (actual time=0.853..0.853 rows=2944 loops=1)
         Index Cond: (to_tsvector('testzhcfg'::regconfig, ((c_baah)::text || (c_ajmc)::text)) @@ to_tsquery('北京|华辰'::text))
 Planning time: 0.285 ms
 Execution time: 6.429 ms
(7 rows)

Time: 7.670 ms


--查询'北京华辰'
db_15fb=# select c_baah,c_ajmc from db_msllss.t_test where f1('testzhcfg'::regconfig,c_baah||c_ajmc::text) @@ phraseto_tsquery('testzhcfg','北京华辰') ;
         c_baah         |        c_ajmc        
------------------------+----------------------
 (2017)川0191民初3198号 | 测试北京华辰信息技术
 (2017)川0191民初9022号 | 测试北京华辰xxx
(2 rows)

Time: 1.786 ms

```

## 行级全文检索

```sql
比如需要在所有列中找到匹配'北京'的值
使用t_test::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_test_all on db_msllss.t_test using gin(f1('testzhcfg'::regconfig,t_test::text));
CREATE INDEX
Time: 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_msllss.t_test where to_tsvector('testzhcfg'::regconfig,t_test::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                | 华辰信息
 南京xx信息技术有限公司 | 华辰                     | 北京决定和华辰
 南京xx信息技术有限公司 | 测试案号                 | 测试北京与华辰xx纠纷
 南京xx信息技术有限公司 | 北京五环之歌              | 北京和华辰信息
 南京xx信息技术有限公司 | 北京奥运                 | 之歌
 北京华辰信息技术有限公司   | 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 ms
db_15fb=# explain analyze select c_jksxcsmc,c_baah,c_ajmc from db_msllss.t_test where to_tsvector('testzhcfg'::regconfig,t_test::text)@@to_tsquery('北京');
                                                         QUERY PLAN                                                         
----------------------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on t_test  (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_test.*)::text) @@ to_tsquery('北京'::text))
   Heap Blocks: exact=1281
   ->  Bitmap Index Scan on i_t_test_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_test.*)::text) @@ to_tsquery('北京'::text))
 Planning time: 0.312 ms
 Execution time: 7.056 ms
(7 rows)

Time: 8.364 ms

```

## 权重排序

```sql
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','北京华辰')) rank
from db_msllss.t_test where to_tsvector('testzhcfg',c_ajmc) @@to_tsquery('testzhcfg','北京华辰')
order by   rank desc
;
        c_ajmc        |   rank   
----------------------+----------
 北京华辰,北京华辰   | 0.910206
 测试北京与华辰xx纠纷 | 0.463622
 北京和华辰信息       | 0.463622
 北京华辰             | 0.463622
 北京决定和华辰       | 0.457134
 北京出席华辰科技     | 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&华辰')) rank               
db_15fb-# from db_msllss.t_test where f1('testzhcfg'::regconfig,c_baah||c_ajmc::text)  @@to_tsquery('北京&华辰')
db_15fb-# order by  rank desc;
      c_baah       |        c_ajmc        |   rank    
-------------------+----------------------+-----------
 北京华辰,北京华辰 | 北京华辰,北京华辰   |  0.733734
 测试案号华辰      | 北京华辰             |  0.186813
 华辰              | 北京决定和华辰       |  0.185238
 北京五环之歌      | 北京和华辰信息       |  0.181526
 测试案号          | 测试北京与华辰xx纠纷 | 0.0991032
 (2018)xxxxxx1     | 北京出席华辰科技     | 0.0973585
 北京科技园        | 华辰信息             |  0.095243
(7 rows)
Time: 2.038 ms

--查询离婚信息,返回结果26610条,耗时849ms
db_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_msllss.t_test where to_tsvector('testzhcfg',c_ajmc) @@to_tsquery('testzhcfg','离婚') order by rank desc limit 10
db_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_test.c_ajmc)::text), '''离婚'' & ''离'' & ''婚'''::tsquery)) DESC
         Sort Method: top-N heapsort  Memory: 25kB
         Buffers: shared hit=11372
         ->  Bitmap Heap Scan on db_msllss.t_test  (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_test.c_ajmc)::text) @@ '''离婚'' & ''离'' & ''婚'''::tsquery)
               Heap Blocks: exact=11336
               Buffers: shared hit=11372
               ->  Bitmap Index Scan on i_t_test_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_test.c_ajmc)::text) @@ '''离婚'' & ''离'' & ''婚'''::tsquery)
                     Buffers: shared hit=36
 Planning time: 0.384 ms
 Execution time: 849.099 ms
(18 rows)

Time: 850.649 ms

--查询合同|纠纷,返回179308条数据,耗时10s
db_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_msllss.t_test where to_tsvector('testzhcfg',c_ajmc) @@to_tsquery('testzhcfg','合同|纠纷')
;
                                                                       QUERY PLAN                                                                       
--------------------------------------------------------------------------------------------------------------------------------------------------------
 Bitmap Heap Scan on db_msllss.t_test  (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_test.c_ajmc)::text) @@ '''合同'' & ''合'' & ''同'' | ''纠纷'' & ''纠'' & ''纷'''::tsquery)
   Heap Blocks: exact=16632
   Buffers: shared hit=16811
   ->  Bitmap Index Scan on i_t_test_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_test.c_ajmc)::text) @@ '''合同'' & ''合'' & ''同'' | ''纠纷'' & ''纠'' & ''纷'''::tsquery)
         Buffers: shared hit=179
 Planning time: 0.373 ms
 Execution 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。

```sql

表大小:
db_15fb=# select pg_size_pretty(pg_relation_size('t_test'));
 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_test_btrre_c_ajmc   | 37MB     | 4189.886 ms  |前模糊匹配     |
| btree-reverse| i_t_test_reverse_c_ajmc | 37MB     | 4011.131 ms  |后模糊匹配     |
| gin-pg_trgm  |i_t_test_gin_c_ajmc      | 67MB     | 25013.192 ms |全模糊匹配三元组|
| gin-zhparser |i_t_test_c_ajmc          | 21MB        | 32601.072 ms |单字段全文检索  |
| gin-zhparser |i_t_test_ah_ajmc         | 25MB        | 38587.146 ms |多字段全文检索  |
| gin-zhparser |i_t_test_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‘华辰’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。

7.[pg_trgm](http://artery.thunisoft.com:9001/form/5f31836588723b4adbe808c2d4434c1a/insert?id=f85cd4d3fb0945269819114979b7556d)

8.[zhparser](https://github.com/amutu/zhparser )

[参考资料](http://blog.chinaunix.net/uid-20726500-id-4820580.html)

[参考资料](https://yq.aliyun.com/articles/74480)

[ts_rank](https://vue-hn.now.sh/item/12604855)

o
粉丝 0
博文 500
码字总数 0
作品 0
私信 提问
加载中
请先登录后再评论。
pgsql查询优化之模糊查询

前言 一直以来,对于搜索时模糊匹配的优化一直是个让人头疼的问题,好在强大pgsql提供了优化方案,下面就来简单谈一谈如何通过索引来优化模糊匹配 案例 我们有一张千万级数据的检查报告表,需...

osc_6oe4sgbd
2019/07/20
3
0
【搜索引擎】 PostgreSQL 10 实时全文检索和分词、相似搜索、模糊匹配实现类似Google搜索自动提示

需求分析 要通过PostgreSQL实现类似Google搜索自动提示的功能,例如要实现一个查询海量数据中的商品名字,每次输入就提示用户各种相关搜索选项,例如淘宝、京东等电商查询 思路 这个功能可以用...

osc_kfohgqus
04/16
7
0
PostgreSQL - 模糊查询

前言 like、not like在SQL中用于模糊查询,表示任意个字符,表示单个任意字符,如果需要在模糊查询中查询这两个通配符,需要用进行转义,如下: 这里表明作为转义符,所以就可以在模糊查询中...

osc_c0j5n5bj
2019/02/28
3
0
让 TiDB 访问多种数据源 | TiDB Hackathon 优秀项目分享

本文作者是来自 CC 组的兰海同学,他们的项目《让 TiDB 访问多种数据源》在本届 TiDB Hackathon 2018 中获得了二等奖。该项目可以让 TiDB 支持多种外部数据源的访问,针对不同数据源的特点会...

TiDB
2018/12/14
85
0
PostgreSQL入门到精通——世界上功能最强大的开源数据库

PostgreSQL从入门到精通》免费视频课程:PostgreSQL数据库从入门到精通(点击学习) 阿里云高级技术专家、PostgreSQL中国用户会创始人之一 周正中(德哥)主讲 关于PostgreSQL PostgreSQL被誉...

无聊的IT员
2017/10/27
66
0

没有更多内容

加载失败,请刷新页面

加载更多

平时使用的Lszrz到底是什么协议?说说Xmodem/Ymodem/Zmodem

XMODEM, YMODEM, and ZMODEM 由于平时使用rz/sz较多,r/s好理解,一个send一个receive。但是由不太清楚z是什么意思,故有此文。 sx/rx, sb/rb (b=batch)和sz/rz分别实现了xmodem,ymodem和z...

独钓渔
56分钟前
17
0
真正的强智能时代已经到来。道翰天琼认知智能机器人平台API大脑。

最近,我常说人工智能的寒冬快要来了,提醒业界要做好思想准备,但同时我也说:冬天来了,春天就不会远了…… 2019年6月我写了篇文章《深度学习的问题究竟在哪?》,说到深度学习的一个主要问...

jackli2020
今天
24
0
什么是控制型人格,控制型人格的筛查测试

一、 什么是控制性人格 拥有控制型人格的人,他们会尽力的隐藏自己的意图,但是又会使用很微妙的方式来利用周围人的弱点,进而占取便宜时,使他们能够得到自己想要的东西。这类人的控制欲非常...

蛤蟆丸子
今天
14
0
【Spring】Spring AOP 代理对象生成逻辑源码分析

1. spring aop案例(POJO注入) 1.0 被代理接口 TargetInterface /** * 被代理的接口 * @author Yang ZhiWei */public interface TargetInterface { void show(); String show......

ZeroneLove
今天
36
0
聊聊dubbo-go的gracefulShutdownFilter

序 本文主要研究一下dubbo-go的gracefulShutdownFilter gracefulShutdownFilter dubbo-go-v1.4.2/filter/filter_impl/graceful_shutdown_filter.go type gracefulShutdownFilter struct {......

go4it
今天
30
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部