12.9. 文本搜索的首选索引类型#

有两种索引可用于加速全文搜索：GIN和GiST。请注意，索引对于全文搜索不是必需的，但在定期搜索某一列的情况下，通常需要一个索引。

要创建此类索引，请执行以下操作之一

CREATE INDEX 名称 ON 表 USING GIN (列);

创建一个基于 GIN（广义倒排索引）的索引。列 必须为 tsvector 类型。

CREATE INDEX 名称 ON 表 USING GIST (列 [ { DEFAULT | tsvector_ops } (siglen = 数字) ] );

创建一个基于 GiST（广义搜索树）的索引。列 可以为 tsvector 或 tsquery 类型。可选的整数参数 siglen 确定签名长度（以字节为单位）（有关详细信息，请参见下文）。

GIN 索引是首选的文本搜索索引类型。作为倒排索引，它们为每个单词（词素）包含一个索引条目，其中包含匹配位置的压缩列表。多单词搜索可以找到第一个匹配项，然后使用索引删除缺少其他单词的行。GIN 索引仅存储tsvector值的单词（词素），而不存储其权重标签。因此，在使用涉及权重的查询时需要重新检查表行。

GiST 索引是有损的，这意味着索引可能会产生错误匹配，并且有必要检查实际表行以消除此类错误匹配。（PostgreSQL在需要时会自动执行此操作。）GiST 索引有损，因为每个文档在索引中都由固定长度的签名表示。签名长度（以字节为单位）由可选整数参数siglen的值确定。默认签名长度（当未指定siglen时）为 124 字节，最大签名长度为 2024 字节。签名是通过将每个单词哈希到 n 位字符串中的单个位来生成的，并将所有这些位进行 OR 运算以生成 n 位文档签名。当两个单词哈希到相同位位置时，将出现错误匹配。如果查询中的所有单词都有匹配项（真实或错误），则必须检索表行以查看匹配项是否正确。较长的签名会导致更精确的搜索（扫描较小部分的索引和更少的堆页），但代价是索引更大。

GiST 索引可以是覆盖索引，即使用INCLUDE子句。包含的列可以具有没有任何 GiST 运算符类的任何数据类型。包含的属性将以未压缩的形式存储。

由于不必要的表记录获取（结果证明是错误匹配）会导致性能下降，因此会造成信息丢失。由于对表记录的随机访问很慢，因此这限制了 GiST 索引的实用性。错误匹配的可能性取决于多个因素，特别是唯一单词的数量，因此建议使用词典来减少此数量。

请注意，通常可以通过增加maintenance_work_mem来改善GIN索引的构建时间，而GiST索引的构建时间对此参数不敏感。

对大型集合进行分区以及正确使用 GIN 和 GiST 索引允许实现具有在线更新的非常快速的搜索。可以使用表继承在数据库级别进行分区，或者通过在服务器上分发文档并收集外部搜索结果（例如，通过外部数据访问）进行分区。后者之所以可行，是因为排名函数仅使用本地信息。