performance - 在 Postgres 中创建索引的最有效方法

Question

是在加载数据完成之后还是之前创建索引更高效，还是没关系？

例如，假设我有 500 个文件要加载到 Postgres 8.4 数据库中。以下是我可以使用的两个索引创建方案：

1. 创建表时创建索引，然后将每个文件加载到表中；或者
2. 在所有文件都加载到表中后创建索引。

表数据本身约为 45 GB。该索引约为 12 GB。我正在使用标准索引。它是这样创建的：

CREATE INDEX idx_name ON table_name (column_name);

我的数据加载使用COPY FROM。

加载所有文件后，表上将不会发生更新、删除或额外加载（这是一天的数据不会改变）。所以我想问哪种方案最有效？初步测试似乎表明加载所有文件然后创建索引（场景2）更快，但我没有对这两种方法进行科学比较。

Answer 1

您的观察是正确的 - 先加载数据然后再创建索引更有效。原因是插入期间的索引更新很昂贵。如果在所有数据都存在之后创建索引，它会快得多。

它更进一步 - 如果您需要将大量数据导入现有索引表，通常先删除现有索引，导入数据，然后再次重新创建索引更有效。

导入后创建索引的一个缺点是表必须被锁定，并且可能需要很长时间（在相反的情况下不会被锁定）。但是，在 PostgreSQL 8.2 及更高版本中，您可以使用CREATE INDEX CONCURRENTLY，它不会在索引期间锁定表（有一些警告）。