在任何數據庫中使用LIKE語句往往都是令人頭疼的一件事，因為不少用戶發(fā)現LIKE語句效率極低，查看執(zhí)行計劃后發(fā)現原來沒有走索引，那么在Postgresql數據中LIKE語句的執(zhí)行效率又是怎樣的呢？我們又該如何提高LIKE語句的執(zhí)行效率呢？
實驗環(huán)境
數據庫環(huán)境： PostgreSQL 12.3 X86_64
創(chuàng)建虛擬環(huán)境：
postgres=# create database testdb01 owner highgo;
CREATE DATABASE
postgres=# \c testdb01 highgo
testdb01=# create table testliketb01 (userid int primary key,username varchar(20),password varchar(60),description text);
CREATE TABLE
為何保證測試效果更直觀，我們使用隨機數據填充一下該表
testdb01=# insert into testliketb01 select generate_series(1,500000),split_part('張三,李四,王五,小明,小紅',',',(random()*(5-1)+1)::int),md5((random()*(5-1)+1)::varchar),split_part('highgo,highgo02,highgo03',',',(random()*(3-1)+1)::int);
至此，虛擬數據創(chuàng)建完畢。
testdb01=# select * from testliketb01 limit 10;
userid | username | password | description
--------+----------+----------------------------------+-------------
1 | 王五 | 4f2bca371b42abd1403d5c20c4542dff | highgo
2 | 李四 | 2a978c605188770c5ed162889fff189e | highgo02
3 | 李四 | f5d129ab728b72ac6f663fe544bc7c16 | highgo
4 | 小明 | 53134fa1022c58e65168b6aa1fbe5e39 | highgo02
5 | 王五 | 2cf9abb2a8b676a626fa2c317d401ed8 | highgo02
6 | 王五 | 2247a0cfda1f2819554d6e8e454622eb | highgo02
7 | 張三 | 59dfdc680c17533dfba1c72c9ce0bf76 | highgo02
8 | 王五 | 87db4258236a3826259dcc3e7cb5fc63 | highgo02
9 | 王五 | baaf7a2f7027df9aaeb665121432b6e2 | highgo02
10 | 王五 | 2f8fb36b3227c795b111b9bd5b031a76 | highgo02
(10 rows)
此時數據庫的狀態(tài)：
testdb01=# \l+ testdb01
List of databases
Name | Owner | Encoding | Collate | Ctype | Access privileges | Size | Tablespace | Description
----------+--------+----------+-------------+-------------+-------------------+-------+------------+-------------
testdb01 | highgo | UTF8 | en_US.UTF-8 | en_US.UTF-8 | | 59 MB | pg_default |
(1 row)
簡單LIKE語句查詢：
testdb01=# explain analyze select * from testliketb01 where username like '王%';
QUERY PLAN
-----------------------------------------------------------------------------------------------------------------------
Seq Scan on testliketb01 (cost=0.00..11405.00 rows=125350 width=52) (actual time=0.014..177.571 rows=124952 loops=1)
Filter: ((username)::text ~~ '王%'::text)
Rows Removed by Filter: 375048
Planning Time: 0.121 ms
Execution Time: 190.554 ms
(5 rows)
結論：LIKE查詢沒有走索引 創(chuàng)建普通索引： testdb01=# create index idx_testliketb01_username on testliketb01(username); CREATE INDEX 執(zhí)行三遍：analyze testliketb01 ; 重新執(zhí)行LIKE語句，發(fā)現還是沒有走索引 創(chuàng)建包含operator class的索引： testdb01=# create index idx_testliketb01_username on testliketb01(username varchar_pattern_ops); CREATE INDEX 執(zhí)行三遍：analyze testliketb01 ;
testdb01=# explain analyze select * from testliketb01 where username like '王%';
QUERY PLAN
-------------------------------------------------------------------------------------------------------------------------------------------------
Bitmap Heap Scan on testliketb01 (cost=2665.26..9387.14 rows=125350 width=52) (actual time=31.383..94.745 rows=124952 loops=1)
Filter: ((username)::text ~~ '王%'::text)
Heap Blocks: exact=5155
-> Bitmap Index Scan on idx_testliketb01_username (cost=0.00..2633.92 rows=125350 width=0) (actual time=29.730..29.730 rows=124952 loops=1)
Index Cond: (((username)::text ~>=~ '王'::text) AND ((username)::text ~~ '玌'::text))
Planning Time: 0.111 ms
Execution Time: 107.030 ms
(7 rows)
結論：在創(chuàng)建完普通索引并收集統計信息后數據庫在執(zhí)行LIKE語句時有可能仍然無法使用索引。在創(chuàng)建完帶有操作類的索引收集完統計信息后，執(zhí)行LIKE語句可以看到正常使用索引，且執(zhí)行效率有了不小提升。
PS：operator class是Postgresql新版中創(chuàng)建索引的新選項，旨在通過制定索引的操作類可以更精準的收集統計信息。
為了更精準的收集統計信息，我們也可以在初始化或者創(chuàng)建數據庫時將Collate設置為"C"，這也是Postgresql數據中常用的優(yōu)化手段。 我們來測試一下將Collate設置為"C"的效果：
testdb01=# create database testdb02 with TEMPLATE template0 LC_COLLATE='C' LC_CTYPE ='C' owner highgo;
CREATE DATABASE
testdb02=# \l+ testdb02
List of databases
Name | Owner | Encoding | Collate | Ctype | Access privileges | Size | Tablespace | Description
----------+--------+----------+---------+-------+-------------------+-------+------------+-------------
testdb02 | highgo | UTF8 | C | C | | 59 MB | pg_default |
(1 row)
testdb02=# create index idx_testliketb01_username on testliketb01(username);
CREATE INDEX
testdb02=# analyze testliketb01 ;
ANALYZE
testdb02=# analyze testliketb01 ;
ANALYZE
testdb02=# analyze testliketb01 ;
ANALYZE
testdb02=# explain analyze select * from testliketb01 where username like '王%';
QUERY PLAN
-------------------------------------------------------------------------------------------------------------------------------------------------
Bitmap Heap Scan on testliketb01 (cost=2680.26..9410.67 rows=126033 width=52) (actual time=35.262..99.052 rows=124992 loops=1)
Filter: ((username)::text ~~ '王%'::text)
Heap Blocks: exact=5155
-> Bitmap Index Scan on idx_testliketb01_username (cost=0.00..2648.75 rows=126033 width=0) (actual time=33.920..33.920 rows=124992 loops=1)
Index Cond: (((username)::text >= '王'::text) AND ((username)::text '玌'::text))
Planning Time: 0.276 ms
Execution Time: 111.578 ms
(7 rows)
結論：創(chuàng)建數據庫時將Collate設置為"C"，即便索引為普通索引，LIKE語句也可以使用索引提升查詢效率。
優(yōu)化建議：
1、初始化數據庫或者創(chuàng)建數據庫時將Collate設置為"C"。
2、創(chuàng)建索引時指定索引的操作類。（text_pattern_ops、varchar_pattern_ops和 bpchar_pattern_ops分別支持類型text、varchar和 char上的B-tree索引）
3、優(yōu)化思路，對于%X的列無法使用索引，可以新增一列 反存儲列，將%X改為X%。
4、創(chuàng)建覆蓋索引，保證復雜SQL中可以盡可能調用該索引。
5、調整業(yè)務邏輯，盡量不用LIKE語句或者調整LIKE語句在WHERE中的位置。
到此這篇關于PostgreSQL數據庫中如何保證LIKE語句的效率的文章就介紹到這了,更多相關PostgreSQL保證LIKE語句的效率內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- postgresql 中的 like 查詢優(yōu)化方案
- PostgreSQL regexp_matches替換like模糊查詢的操作
- postgresql關于like%xxx%的優(yōu)化操作
- PostgreSQL LIKE 大小寫實例
- Postgresql中LIKE和ILIKE操作符的用法詳解
