performance - 应该将 search_data tsvector 存储在同一张表或外部表中吗？

Question

我正在 postgres 中实现全文搜索。

我想搜索我系统中的所有帖子。帖子全文索引是帖子标题和帖子正文的合并。

我有两种方法可以做到这一点：

1. 在 posts 表中创建一个 tsvector 列，触发对其的更新。
2. 使用包含索引数据的 post_id 和 tsvector 列创建第二个表 (posts_search)。
3. 创建一个简单的杜松子酒索引...（不可能，因为我的现实世界问题需要多个表中的数据作为索引）

考虑到我有时需要按表中的其他属性（如等）过滤搜索，什么会表现得更好deleted_at is null。

将 tsvector 列与数据保持在同一个表中（副作用选择 * 现在很糟糕）还是单独的表（副作用，需要连接，索引过滤很复杂）是更好的方法吗？

Answer 1

在我的实验中， tsvector 列的典型大小大约1%是该 tsvector 使用to_tsvector().

考虑到这一点，将 tsvector 列存储在另一个表中应该会带来性能优势。例如，即使您不使用SELECT *（实际上您不应该使用），原始单表中的任何 seqscan 仍然必须加载包含原始文本的页面。如果将 tsvector 字段卸载到单独的表中，页面加载速度将提高 100 倍。

换句话说，我倾向于将 tsvector 字段卸载到单独的表的第二种解决方案。或者，或者，将帖子（原始文本）卸载到您的表格层次结构中（但我想这几乎是同一件事）。

请注意，要使全文搜索起作用，原始文本不是必需的。您甚至不想将它存储在数据库中，或者以高度压缩的格式存储它（并且不一定很容易被 SQL 例程访问）。只要有东西可以基于原始文本创建 tsvector，或者在它更改时更新，它就可以工作。