2

这是我的查询：

explain analyze SELECT levenshtein('google', lower(s."Name"), 2, 2, 1), d."Domain"
FROM   analyst_sld s, analyst_domain d
WHERE  levenshtein('google', lower(s."Name"), 2, 2, 1) < 4 AND s.id = d."SLDk_id"
ORDER  BY 1;

这是输出：

                                                                  QUERY PLAN
----------------------------------------------------------------------------------------------------------------------------------------------
 Sort  (cost=5340874.17..5383497.72 rows=17049420 width=46) (actual time=136245.943..138709.585 rows=1022346 loops=1)
   Sort Key: (levenshtein('google'::text, lower((s."Name")::text), 2, 2, 1))
   Sort Method:  external sort  Disk: 78656kB
   ->  Hash Join  (cost=122111.24..1195078.39 rows=17049420 width=46) (actual time=16730.865..133020.419 rows=1022346 loops=1)
         Hash Cond: (d."SLDk_id" = s.id)
         ->  Seq Scan on analyst_domain d  (cost=0.00..417631.20 rows=17049420 width=38) (actual time=0.036..64677.170 rows=17041042 loops=1)
         ->  Hash  (cost=103151.93..103151.93 rows=1090665 width=16) (actual time=16730.443..16730.443 rows=1071 loops=1)
               ->  Seq Scan on analyst_sld s  (cost=0.00..103151.93 rows=1090665 width=16) (actual time=14.742..16726.358 rows=1071 loops=1)
                     Filter: (levenshtein('google'::text, lower(("Name")::text), 2, 2, 1) < 4)
 Total runtime: 139557.853 ms

为什么它不使用索引，而是顺序扫描？另外，“Hash Join”和“Hash Cond”是什么意思？

EDIT_1：索引：

                                      Table "public.analyst_domain"
     Column     |           Type           |                          Modifiers
----------------+--------------------------+-------------------------------------------------------------
 ID             | integer                  | not null default nextval('analyst_domain_id_seq'::regclass)
 Domain         | character varying(255)   | not null
 SLDk_id        | integer                  |
Indexes:
    "analyst_domain_pkey" PRIMARY KEY, btree ("ID")
    "analyst_domain_Domain_key" UNIQUE, btree ("Domain")
    "analyst_domain_sldk" btree ("SLDk_id")



                                      Table "public.analyst_sld"
     Column     |           Type           |                        Modifiers
----------------+--------------------------+----------------------------------------------------------
 id             | integer                  | not null default nextval('analyst_sld_id_seq'::regclass)
 Name           | character varying(255)   | not null
Indexes:
    "analyst_sld_pkey" PRIMARY KEY, btree (id)
    "analyst_sld_Name_key" UNIQUE, btree ("Name") CLUSTER
    "analyst_sld_upper_idx" btree (upper("Name"::text))
4

3 回答 3

2

它对analyst_sld 使用顺序扫描，因为这是进行levenshtein 过滤的唯一方法。如果您认为这是一个重要的过滤器，您可以

CREATE INDEX lev_index on 
 analyst_sld (levenshtein('google', lower("Name"), 2, 2, 1));

就哈希而言：Postgres 已决定加入表的最佳方法是在连接列上查找相等的哈希（并在桶有多个条目的情况下解决它们）。您的表有多少元素，您希望连接有多大？

于 2012-08-15T20:27:36.067 回答
1

至于 DDL：在 pgAdmin III 中 - 当您在树中选择一个对象（表/索引/等）时，DDL 将显示在右侧的窗口中。

DDL 将提供比下面基于假设的猜测更好的答案。

至于原因，根据给出的信息并假设连接条件上的主键索引，这是我的猜测：d 比 s 大约 17 倍，s 正在对未索引的函数进行过滤，因此优化器没有关于该过滤器的选择性的想法。使用 s.name 的行查找的索引扫描或顺序扫描哪个更快？根据优化器顺序获胜。

于 2012-08-15T20:32:22.000 回答
0

虽然到目前为止我还不是 PostgreSQL 专家，但由于使用了 levenshtein 函数，它看起来正在使用顺序扫描。我不知道这个函数的细节，但通常可以基于函数评估创建索引；但是我冒险猜测“Google”字符串在你的情况下是可变的，所以我不知道索引会有多有用......

于 2012-08-15T19:49:03.140 回答