PG - GIN索引

倒排索引介绍

GIN索引即Generalized Inverted Index，属于一种倒排索引。

什么是倒排索引？

根据wikipedia:

倒排索引（英语：Inverted index），也常被称为反向索引、置入档案或反向档案，是一种索引方法，被用来存储在全文搜索下某个单词在一个文档或者一组文档中的存储位置的映射。它是文档检索系统中最常用的数据结构。

简单来说就是，倒排索引能让你按照关键词查找到对应的元组，以及关键词在元组中的位置。

这里说的关键词指的是某个属性中的一部分，比如一张表有一个类型为text的article属性，article中的各个词就可以是关键词。

为什么叫倒排索引？
考虑不使用索引的情况下，如果想要按照关键词查找的话，只能遍历全表，然后判断某个字段是否含有关键词，这个过程是“顺着元组找关键词”，你可以认为这是“正”的。
在使用了倒排索引之后，你是“顺着关键词找表”，这就是“倒”的。

PG中倒排索引的使用

假设我们建立如下这样的表，并存储一些数据：

create table test_gin (id int primary key, article text);
insert into test_gin values(1, "test gin index"), (2, "gin index is useful"), (3, "internet is a useful tool");

建立索引

create index on test_gin using gin(to_tsvector('english', article));

建立索引的expression或者field需要时tsvector类型，所以可以使用to_tsvector来将text类型转换成tsvector类型。

利用索引查询

select * from test_gin where to_tsvector('english', article) @@ to_query('useful');

上面的命令中@@操作符代表使用tsquery在tsvector中查找。

原理

gin索引在结构上是一棵B树，类似于普通索引的B+树

在按照关键词查询时，顺着B树向下查，找到所有出现过关键词的位置，最后合并返回。

问题：为什么使用B树而不是B+树？
B+树适合范围查找，在通过关键词查询的时候，显然不是范围查找。

参考：https://habr.com/en/company/postgrespro/blog/448746/