问题标签 [trigram]

我在 Postgres 中使用 trigram 相似性来帮助我灵活地搜索数据库中的名称，并且（更重要的是）从自然语言句子中提取名称并将它们与数据库记录匹配。

使用此查询，我得到了第一个可靠地工作并且快速完成的任务：

上面的查询使用了name_column这个语句的索引：

CREATE INDEX name_sim_idx ON table_with_names USING GIN (name_column gin_trgm_ops);

我的其他任务（从完整的句子中灵活地提取名称匹配）让我感到沮丧。似乎包含该函数的pg_trgm 模块similarity()也有一个word_similarity()函数，它完全可以做我需要做的事情。事实上，我用这个查询完成了任务：

然而。虽然我列出的第一个查询（相似性查找，而不是提取）非常快（1 毫秒），但第二个查询在 ~350 毫秒时非常慢，并且不会使用我的 index。

我不明白为什么第二个查询不会使用我的 trgm 索引。我曾尝试使用 来抑制 Seq Scan SET enable_seqscan = off;，但这不起作用。据我所知，Postgres 的文档声称<%如果您想使用索引来加速word_similarity()查询，则该运算符是正确的运算符，但他们的所有示例都以相反的方向使用它。

例如，文档显示：

WHERE 'search text' <% column

而我需要做相反的事情：

WHERE column <% 'search text

我想用 trgm 相似性做些什么？或者我在这里旋转我的轮子。我无法想象为什么我的索引不能在这里使用。这对我来说是 0 意义。希望有人能帮我解决这个问题！提前致谢。

编辑：这是 a_horse_with_no_name 建议的执行计划

基本上我需要将请求的产品标签列表与其他产品标签列表匹配，并准备查询集以反映为类似产品。

模型.py

视图.py

与标题字段匹配有效，但一旦我尝试使用“标签”和 product.tags 进行匹配，它就会引发错误

示例标签列表看起来像 [motor,helmet,bluetooth,speakers]

我只是 python 的初学者，我想了解更多关于它的信息。基本上我有一个数据框，其中包含客户的一些查询

我想在数据框中添加一个新列，该列将显示最常用的 3 个单词的组合，该列包含在每行的简短描述中的简短描述。我解决问题的方法如下：

不幸的是，对于大文件，检索结果需要一段时间。有人可以帮助我找到实现此结果的最有效方法吗？在此先感谢您的帮助。此致

我目前正在我的应用程序上实现搜索功能。我有一个包含用户名和全名字段的用户表。我想搜索具有最佳相似性的用户（来自用户名或全名）。我在 stackoverflow 上进行了很多搜索，发现了一个非常高效的实现： https ://stackoverflow.com/a/44856792/5979369

我使用了这段代码并创建了这个搜索查询：

我有一个用户名是mariazirita的用户，但是当我使用这个查询搜索mar时它不会返回任何内容。如果我搜索maria，它已经返回了用户。

当我搜索mar或ma时，我可以做些什么来改进此查询以返回用户？

谢谢

我有三个相互关联的模型：

地址/models.py：

提供者/models.py：

我已经搜索了为街道服务的提供商：

这一切都很好，因为我们正在寻找所有街道location__name 记录中的对象，我会对结果感到满意，但我不明白如何将过滤后的街道列表按城市放入 TrigramSimilarity 方法street = Street.objects。过滤器（城镇 = 城镇）

我希望我的搜索结果在这个表现中起作用：

但是这种构造给了我一个异常值：子查询应该只返回一列

有人知道如何解决这个问题吗？也许有人遇到过这个？

我有一个只有 7 列的表，其中一列存储每一行​​的长文本数据。该文本列数据的平均字符长度约为 1500 个字符。这个表有 500.000 行。

当我使用选择查询而不使用该文本列时，没有问题，查询按预期需要 10 秒。

但是，如果我将这个长文本列添加到我的查询中，比如Select * from table_1完成这个查询并用 dataadapter 填充数据表需要 3 或 4 分钟。

为什么我需要查找所有长文本列记录？因为我需要对其使用文本过滤器，例如：

我应该怎么做才能加快这一进程？表分区可以解决这个速度问题吗？还是我应该寻找索引？

我是 postgres jsonb 操作的新手。我使用 jsonb 列在 Postgres 中存储一些数据，该列具有如下灵活的元数据。我想搜索不同的唯一元数据（键：值对）

结果应该如下所示，不同的，按升序排列。我希望它使用一些索引是有效的。

我下面的解决方案命中了搜索索引，但排序和 distinct 不会命中任何索引，因为它们是来自 jsonb 的处理值。

感谢您对这个问题的任何想法。谢谢！

您好，我正在通过使用带有 trigram 模块和分区表的 GIN 索引来使用 postgres 作为搜索引擎，并且我正在尝试并行化查询，但无论我设置什么查询总是顺序的，欢迎任何想法。查看图片了解更多信息。这是一个查询（test_trgm_x 是每个包含大约 550k 行的分区）

对 postgres 来说很新，似乎在这里有问题，我不确定该往哪个方向发展。

我有一个导致一些性能问题的查询，我不知道如何优化它。

查询实际上很简单：

我想查找名称中包含 777 的公司的所有交易。数据库中有大约 2000 万笔交易和大约 200 家公司。

即使我们的 LIMIT 为 10，查询当前也会超时。我相信这是因为 ILIKE 没有使用索引，所以它非常慢。

这是否是您可能希望将 WHERE 过滤器添加到 JOIN 的实例？我已经对此进行了测试，如果找到记录，它可以快速运行。如果没有找到记录，它会再次超时。

我们应该研究一种可以提高速度的索引吗？

我有一张大约有 300 万行的表格。我在表的多个列上创建了单个 gin 索引。

我正在运行以下查询（简化为在条件中使用单列），但大约需要 4 秒：

输出查询计划为：

我不明白为什么在第一步从 search_idx 检索时行没有排序并且限制为 10，然后从客户表中仅获取 10 行（而不是 2126 行）

任何想法如何使这个查询更快。我尝试了 gist index，但没有看到性能提升。我还尝试将 work_mem 从 4MB 增加到 32MB，我可以看到 1 秒的改进，但不会更多。我还注意到，即使我在 SELECT 子句中删除 c.id，postgres 也不会执行仅索引扫描，并且仍会与主表连接。

谢谢您的帮助。

更新 1：在 Laurenz Albe 以下建议后，查询性能有所提高，现在约为 600 毫秒。计划现在看起来像这样：