PostgreSQL的B-tree索引
结构
B-tree索引适合用于存储排序的数据。对于这种数据类型需要定义大于、大于等于、小于、小于等于操作符。
通常情况下,B-tree的索引记录存储在数据页中。叶子页中的记录包含索引数据(keys)以及指向heap tuple记录(即表的行记录TIDs)的指针。内部页中的记录包含指向索引子页的指针和子页中最小值。
B-tree有几点重要的特性:
1、B-tree是平衡树,即每个叶子页到root页中间有相同个数的内部页。因此查询任何一个值的时间是相同的。
2、B-tree中一个节点有多个分支,即每页(通常8KB)具有许多TIDs。因此B-tree的高度比较低,通常4到5层就可以存储大量行记录。
3、索引中的数据以非递减的顺序存储(页之间以及页内都是这种顺序),同级的数据页由双向链表连接。因此不需要每次都返回root,通过遍历链表就可以获取一个有序的数据集。
下面是一个索引的简单例子,该索引存储的记录为整型并只有一个字段:
该索引最顶层的页是元数据页,该数据页存储索引root页的相关信息。内部节点位于root下面,叶子页位于最下面一层。向下的箭头表示由叶子节点指向表记录(TIDs)。
例如通过"indexed-field = expression"形式的条件查询49这个值。
root节点有三个记录:(4,32,64)。从root节点开始进行搜索,由于32≤ 49 < 64,所以选择32这个值进入其子节点。通过同样的方法继续向下进行搜索一直到叶子节点,最后查询到49这个值。
实际上,查询算法远不止看上去的这么简单。比如,该索引是非唯一索引时,允许存在许多相同值的记录,并且这些相同的记录不止存放在一个页中。此时该如何查询?我们返回到上面的的例子,定位到第二层节点(32,43,49)。如果选择49这个值并向下进入其子节点搜索,就会跳过前一个叶子页中的49这个值。因此,在内部节点进行等值查询49时,定位到49这个值,然后选择49的前一个值43,向下进入其子节点进行搜索。最后,在底层节点中从左到右进行搜索。
(另外一个复杂的地方是,查询的过程中树结构可能会改变,比如分裂)
通过"indexed-field ≤ expression" (or "indexed-field ≥ expression")查询时,首先通过"indexed-field = expression"形式进行等值(如果存在该值)查询,定位到叶子节点后,再向左或向右进行遍历检索。
下图是查询 n ≤ 35的示意图:
大于和小于可以通过同样的方法进行查询。查询时需要排除等值查询出的值。
范围查询"expression1 ≤ indexed-field ≤ expression2"时,需要通过 "expression1 ≤ indexed-field =expression2"找到一匹配值,然后在叶子节点从左到右进行检索,一直到不满足"indexed-field ≤ expression2" 的条件为止;或者反过来,首先通过第二个表达式进行检索,在叶子节点定位到该值后,再从右向左进行检索,一直到不满足第一个表达式的条件为止。
下图是23 ≤ n ≤ 64的查询示意图:
下面是一个查询计划的实例。通过demo database中的aircraft表进行介绍。该表有9行数据,由于整个表只有一个数据页,所以执行计划不会使用索引。为了解释说明问题,我们使用整个表进行说明。
demo=#select*fromaircrafts;
aircraft_code | model | range
---------------+---------------------+-------
773 | Boeing 777-300 | 11100
763 | Boeing 767-300 | 7900
SU9 | Sukhoi SuperJet-100 | 3000
320 | Airbus A320-200 | 5700
321 | Airbus A321-200 | 5600
319 | Airbus A319-100 | 6700
733 | Boeing 737-300 | 4200
CN1 | Cessna 208 Caravan | 1200
CR2 | Bombardier CRJ-200 | 2700
(9 rows)
demo=#createindexonaircrafts(range);
demo=#setenable_seqscan =off;
(更准确的方式:create index on aircrafts using btree(range),创建索引时默认构建B-tree索引。)
等值查询的执行计划:
demo=#explain(costsoff)select*fromaircraftswhererange=3000;
QUERY PLAN
---------------------------------------------------
Index Scan using aircrafts_range_idx on aircrafts
Index Cond: (range = 3000)
(2 rows)
非等值查询的执行计划:
demo=#explain(costsoff)select*fromaircraftswhererange<3000;
QUERY PLAN
---------------------------------------------------
Index Scan using aircrafts_range_idx on aircrafts
Index Cond: (range < 3000)
(2 rows)
范围查询的执行计划:
demo=#explain(costsoff)select*fromaircrafts
whererangebetween3000and5000;
QUERY PLAN
-----------------------------------------------------
Index Scan using aircrafts_range_idx on aircrafts
Index Cond: ((range >= 3000) AND (range <= 5000))
(2 rows)
再次强调,通过index、index-only或bitmap扫描,btree访问方法可以返回有序的数据。因此如果表的排序条件上有索引,优化器会考虑以下方式:表的索引扫描;表的顺序扫描然后对结果集进行排序。
当创建索引时可以明确指定排序顺序。如下所示,在range列上建立一个索引,并且排序顺序为降序:
demo=#createindexonaircrafts(rangedesc);
本案例中,大值会出现在树的左边,小值出现在右边。为什么有这样的需求?这样做是为了多列索引。创建aircraft的一个视图,通过range分成3部分:
demo=#createviewaircrafts_vas
selectmodel,
case
whenrange<4000then1
whenrange<10000then2
else3
endasclass
fromaircrafts;
demo=#select*fromaircrafts_v;
model | class
---------------------+-------
Boeing 777-300 | 3
Boeing 767-300 | 2
Sukhoi SuperJet-100 | 1
Airbus A320-200 | 2
Airbus A321-200 | 2
Airbus A319-100 | 2
Boeing 737-300 | 2
Cessna 208 Caravan | 1
Bombardier CRJ-200 | 1
(9 rows)
然后创建一个索引(使用下面表达式):
demo=#createindexonaircrafts(
(casewhenrange<4000then1whenrange<10000then2else3end),
model);
现在,可以通过索引以升序的方式获取排序的数据:
demo=#selectclass,modelfromaircrafts_vorderbyclass,model;
class | model
-------+---------------------
1 | Bombardier CRJ-200
1 | Cessna 208 Caravan
1 | Sukhoi SuperJet-100
2 | Airbus A319-100
2 | Airbus A320-200
2 | Airbus A321-200
2 | Boeing 737-300
2 | Boeing 767-300
3 | Boeing 777-300
(9 rows)
demo=#explain(costsoff)
selectclass,modelfromaircrafts_vorderbyclass,model;
QUERY PLAN
--------------------------------------------------------
Index Scan using aircrafts_case_model_idx on aircrafts
(1 row)
同样,可以以降序的方式获取排序的数据:
demo=#selectclass,modelfromaircrafts_vorderbyclassdesc,modeldesc;
class | model
-------+---------------------
3 | Boeing 777-300
2 | Boeing 767-300
2 | Boeing 737-300
2 | Airbus A321-200
2 | Airbus A320-200
2 | Airbus A319-100
1 | Sukhoi SuperJet-100
1 | Cessna 208 Caravan
1 | Bombardier CRJ-200
(9 rows)
demo=#explain(costsoff)
selectclass,modelfromaircrafts_vorderbyclassdesc,modeldesc;
QUERY PLAN
-----------------------------------------------------------------
Index Scan BACKWARD using aircrafts_case_model_idx on aircrafts
(1 row)
然而,如果一列以升序一列以降序的方式获取排序的数据的话,就不能使用索引,只能单独排序:
demo=#explain(costsoff)
selectclass,modelfromaircrafts_vorderbyclassASC,modelDESC;
QUERY PLAN
-------------------------------------------------
Sort
Sort Key: (CASE ...END), aircrafts.modelDESC
-> SeqScanonaircrafts
(3rows)
(注意,最终执行计划会选择顺序扫描,忽略之前设置的enable_seqscan = off。因为这个设置并不会放弃表扫描,只是设置他的成本----查看costs on的执行计划)
若有使用索引,创建索引时指定排序的方向:
demo=#createindexaircrafts_case_asc_model_desc_idxonaircrafts(
(case
whenrange<4000then1
whenrange<10000then2
else3
end)ASC,
modelDESC);
demo=#explain(costsoff)
selectclass,modelfromaircrafts_vorderbyclassASC,modelDESC;
QUERY PLAN
-----------------------------------------------------------------
Index Scan using aircrafts_case_asc_model_desc_idx on aircrafts
(1 row)
当使用多列索引时与列的顺序有关的问题会显示出来。对于B-tree,这个顺序非常重要:页中的数据先以第一个字段进行排序,然后再第二个字段,以此类推。
下图是在range和model列上构建的索引:
当然,上图这么小的索引在一个root页足以存放。但是为了清晰起见,特意将其分成几页。
从图中可见,通过类似的谓词class = 3(仅按第一个字段进行搜索)或者class = 3 and model = 'Boeing 777-300'(按两个字段进行搜索)将非常高效。
然而,通过谓词model = 'Boeing 777-300'进行搜索的效率将大大降低:从root开始,判断不出选择哪个子节点进行向下搜索,因此会遍历所有子节点向下进行搜索。这并不意味着永远无法使用这样的索引----它的效率有问题。例如,如果aircraft有3个classes值,每个class类中有许多model值,此时不得不扫描索引1/3的数据,这可能比全表扫描更有效。
但是,当创建如下索引时:
demo=#createindexonaircrafts(
model,
(casewhenrange<4000then1whenrange<10000then2else3end));
索引字段的顺序会改变:
通过这个索引,model = 'Boeing 777-300'将会很有效,但class = 3则没这么高效。
PostgreSQL的B-tree支持在NULLs上创建索引,可以通过IS NULL或者IS NOT NULL的条件进行查询。
考虑flights表,允许NULLs:
demo=#createindexonflights(actual_arrival);
demo=#explain(costsoff)select*fromflightswhereactual_arrivalisnull;
QUERY PLAN
-------------------------------------------------------
Bitmap Heap Scan on flights
Recheck Cond: (actual_arrival IS NULL)
-> Bitmap Index Scan on flights_actual_arrival_idx
Index Cond: (actual_arrival IS NULL)
(4 rows)
NULLs位于叶子节点的一端或另一端,这依赖于索引的创建方式(NULLS FIRST或NULLS LAST)。如果查询中包含排序,这就显得很重要了:如果SELECT语句在ORDER BY子句中指定NULLs的顺序索引构建的顺序一样(NULLS FIRST或NULLS LAST),就可以使用整个索引。
下面的例子中,他们的顺序相同,因此可以使用索引:
demo=#explain(costsoff)
select*fromflightsorderbyactual_arrivalNULLSLAST;
QUERY PLAN
--------------------------------------------------------
Index Scan using flights_actual_arrival_idx on flights
(1 row)
下面的例子,顺序不同,优化器选择顺序扫描然后进行排序:
demo=#explain(costsoff)
select*fromflightsorderbyactual_arrivalNULLSFIRST;
QUERY PLAN
----------------------------------------
Sort
Sort Key: actual_arrival NULLS FIRST
-> Seq Scan on flights
(3 rows)
NULLs必须位于开头才能使用索引:
demo=#createindexflights_nulls_first_idxonflights(actual_arrivalNULLSFIRST);
demo=#explain(costsoff)
select*fromflightsorderbyactual_arrivalNULLSFIRST;
QUERY PLAN
-----------------------------------------------------
Index Scan using flights_nulls_first_idx on flights
(1 row)
像这样的问题是由NULLs引起的而不是无法排序,也就是说NULL和其他这比较的结果无法预知:
demo=# \pset null NULL
demo=#selectnull<42;
?column?
----------
NULL
(1 row)
这和B-tree的概念背道而驰并且不符合一般的模式。然而NULLs在数据库中扮演者很重要的角色,因此不得不为NULL做特殊设置。
由于NULLs可以被索引,因此即使表上没有任何标记也可以使用索引。(因为这个索引包含表航记录的所有信息)。如果查询需要排序的数据,而且索引确保了所需的顺序,那么这可能是由意义的。这种情况下,查询计划更倾向于通过索引获取数据。
下面介绍btree访问方法的特性。
amname | name | pg_indexam_has_property
--------+---------------+-------------------------
btree | can_order | t
btree | can_unique | t
btree | can_multi_col | t
btree | can_exclude | t
可以看到,B-tree能够排序数据并且支持唯一性。同时还支持多列索引,但是其他访问方法也支持这种索引。我们将在下次讨论EXCLUDE条件。
name | pg_index_has_property
---------------+-----------------------
clusterable | t
index_scan | t
bitmap_scan | t
backward_scan | t
Btree访问方法可以通过以下两种方式获取数据:index scan以及bitmap scan。可以看到,通过tree可以向前和向后进行遍历。
name | pg_index_column_has_property
--------------------+------------------------------
asc | t
desc | f
nulls_first | f
nulls_last | t
orderable | t
distance_orderable | f
returnable | t
search_array | t
search_nulls | t
前四种特性指定了特定列如何精确的排序。本案例中,值以升序(asc)进行排序并且NULLs在后面(nulls_last)。也可以有其他组合。
search_array的特性支持向这样的表达式:
demo=#explain(costsoff)
select*fromaircraftswhereaircraft_codein('733','763','773');
QUERY PLAN
-----------------------------------------------------------------
Index Scan using aircrafts_pkey on aircrafts
Index Cond: (aircraft_code = ANY ('{733,763,773}'::bpchar[]))
(2 rows)
returnable属性支持index-only scan,由于索引本身也存储索引值所以这是合理的。下面简单介绍基于B-tree的覆盖索引。
前面讨论了:覆盖索引包含查询所需的所有值,需不要再回表。唯一索引可以成为覆盖索引。
假设我们查询所需要的列添加到唯一索引,新的组合唯一键可能不再唯一,同一列上将需要2个索引:一个唯一,支持完整性约束;另一个是非唯一,为了覆盖索引。这当然是低效的。
在我们公司 Anastasiya Lubennikova @ lubennikovaav 改进了btree,额外的非唯一列可以包含在唯一索引中。我们希望这个补丁可以被社区采纳。实际上PostgreSQL11已经合了该补丁。
考虑表bookings:d
demo=# \d bookings
Table "bookings.bookings"
Column | Type | Modifiers
--------------+--------------------------+-----------
book_ref | character(6) | not null
book_date | timestamp with time zone | not null
total_amount | numeric(10,2) | not null
Indexes:
"bookings_pkey" PRIMARY KEY, btree (book_ref)
Referenced by:
TABLE "tickets" CONSTRAINT "tickets_book_ref_fkey" FOREIGN KEY (book_ref) REFERENCES bookings(book_ref)
这个表中,主键(book_ref,booking code)通过常规的btree索引提供,下面创建一个由额外列的唯一索引:
demo=#createuniqueindexbookings_pkey2onbookings(book_ref)INCLUDE(book_date);
然后使用新索引替代现有索引:
demo=#begin;
demo=#altertablebookingsdropconstraintbookings_pkeycascade;
demo=#altertablebookingsaddprimarykeyusingindexbookings_pkey2;
demo=#altertableticketsaddforeignkey(book_ref)referencesbookings (book_ref);
demo=#commit;
然后表结构:
demo=# \d bookings
Table "bookings.bookings"
Column | Type | Modifiers
--------------+--------------------------+-----------
book_ref | character(6) | not null
book_date | timestamp with time zone | not null
total_amount | numeric(10,2) | not null
Indexes:
"bookings_pkey2" PRIMARY KEY, btree (book_ref) INCLUDE (book_date)
Referenced by:
TABLE "tickets" CONSTRAINT "tickets_book_ref_fkey" FOREIGN KEY (book_ref) REFERENCES bookings(book_ref)
此时,这个索引可以作为唯一索引工作也可以作为覆盖索引:
demo=#explain(costsoff)
selectbook_ref, book_datefrombookingswherebook_ref ='059FC4';
QUERY PLAN
--------------------------------------------------
Index Only Scan using bookings_pkey2 on bookings
Index Cond: (book_ref = '059FC4'::bpchar)
(2 rows)
众所周知,对于大表,加载数据时最好不要带索引;加载完成后再创建索引。这样做不仅提升效率还能节省空间。
创建B-tree索引比向索引中插入数据更高效。所有的数据大致上都已排序,并且数据的叶子页已创建好,然后只需构建内部页直到root页构建成一个完整的B-tree。
这种方法的速度依赖于RAM的大小,受限于参数maintenance_work_mem。因此增大该参数值可以提升速度。对于唯一索引,除了分配maintenance_work_mem的内存外,还分配了work_mem的大小的内存。
前面,提到PG需要知道对于不同类型的值调用哪个函数,并且这个关联方法存储在哈希访问方法中。同样,系统必须找出如何排序。这在排序、分组(有时)、merge join中会涉及。PG不会将自身绑定到操作符名称,因为用户可以自定义他们的数据类型并给出对应不同的操作符名称。
例如bool_ops操作符集中的比较操作符:
postgres=#selectamop.amopopr::regoperatorasopfamily_operator,
amop.amopstrategy
frompg_am am,
pg_opfamily opf,
pg_amop amop
whereopf.opfmethod = am.oid
andamop.amopfamily = opf.oid
andam.amname ='btree'
andopf.opfname ='bool_ops'
orderbyamopstrategy;
opfamily_operator | amopstrategy
---------------------+--------------
<(boolean,boolean) | 1
<=(boolean,boolean) | 2
=(boolean,boolean) | 3
>=(boolean,boolean) | 4
>(boolean,boolean) | 5
(5 rows)
这里可以看到有5种操作符,但是不应该依赖于他们的名字。为了指定哪种操作符做什么操作,引入策略的概念。为了描述操作符语义,定义了5种策略:
1 — less
2 — less or equal
3 — equal
4 — greater or equal
5 — greater
postgres=#selectamop.amopopr::regoperatorasopfamily_operator
frompg_am am,
pg_opfamily opf,
pg_amop amop
whereopf.opfmethod = am.oid
andamop.amopfamily = opf.oid
andam.amname ='btree'
andopf.opfname ='integer_ops'
andamop.amopstrategy =1
orderbyopfamily_operator;
pfamily_operator
----------------------
<(integer,bigint)
<(smallint,smallint)
<(integer,integer)
<(bigint,bigint)
<(bigint,integer)
<(smallint,integer)
<(integer,smallint)
<(smallint,bigint)
<(bigint,smallint)
(9 rows)
一些操作符族可以包含几种操作符,例如integer_ops包含策略1的几种操作符:
正因如此,当比较类型在一个操作符族中时,不同类型值的比较,优化器可以避免类型转换。
文档中提供了一个创建符合数值的新数据类型,以及对这种类型数据进行排序的操作符类。该案例使用C语言完成。但不妨碍我们使用纯SQL进行对比试验。
创建一个新的组合类型:包含real和imaginary两个字段
postgres=#createtypecomplexas(refloat, imfloat);
创建一个包含该新组合类型字段的表:
postgres=#createtablenumbers(x complex);
postgres=#insertintonumbersvalues((0.0,10.0)), ((1.0,3.0)), ((1.0,1.0));
现在有个疑问,如果在数学上没有为他们定义顺序关系,如何进行排序?
已经定义好了比较运算符:
postgres=#select*fromnumbersorderbyx;
x
--------
(0,10)
(1,1)
(1,3)
(3 rows)
默认情况下,对于组合类型排序是分开的:首先比较第一个字段然后第二个字段,与文本字符串比较方法大致相同。但是我们也可以定义其他的排序方式,例如组合数字可以当做一个向量,通过模值进行排序。为了定义这样的顺序,我们需要创建一个函数:
postgres=#createfunctionmodulus(a complex)returnsfloatas$$
selectsqrt(a.re*a.re + a.im*a.im);
$$ immutable language sql;
//此时,使用整个函数系统的定义5种操作符:
postgres=#createfunctioncomplex_lt(a complex, b complex)returnsbooleanas$$
selectmodulus(a) < modulus(b);
$$ immutable language sql;
postgres=#createfunctioncomplex_le(a complex, b complex)returnsbooleanas$$
selectmodulus(a) <= modulus(b);
$$ immutable language sql;
postgres=#createfunctioncomplex_eq(a complex, b complex)returnsbooleanas$$
selectmodulus(a) = modulus(b);
$$ immutable language sql;
postgres=#createfunctioncomplex_ge(a complex, b complex)returnsbooleanas$$
selectmodulus(a) >= modulus(b);
$$ immutable language sql;
postgres=#createfunctioncomplex_gt(a complex, b complex)returnsbooleanas$$
selectmodulus(a) > modulus(b);
$$ immutable language sql;
然后创建对应的操作符:
postgres=#createoperator#<#(leftarg=complex, rightarg=complex,procedure=complex_lt);
postgres=#createoperator#<=#(leftarg=complex, rightarg=complex,procedure=complex_le);
postgres=#createoperator#=#(leftarg=complex, rightarg=complex,procedure=complex_eq);
postgres=#createoperator#>=#(leftarg=complex, rightarg=complex,procedure=complex_ge);
postgres=#createoperator#>#(leftarg=complex, rightarg=complex,procedure=complex_gt);
此时,可以比较数字:
postgres=#select(1.0,1.0)::complex #<# (1.0,3.0)::complex;
?column?
----------
t
(1 row)
除了整个5个操作符,还需要定义函数:小于返回-1;等于返回0;大于返回1。其他访问方法可能需要定义其他函数:
postgres=#createfunctioncomplex_cmp(a complex, b complex)returnsintegeras$$
selectcasewhenmodulus(a) < modulus(b)then-1
whenmodulus(a) > modulus(b)then1
else0
end;
$$ language sql;
创建一个操作符类:
postgres=# createoperatorclass complex_ops
defaultfortypecomplex
usingbtree as
operator1#<#,
operator2#<=#,
operator3#=#,
operator4#>=#,
operator5#>#,
function1complex_cmp(complex,complex);
//排序结果:
postgres=# select * from numbers order by x;
x
--------
(1,1)
(1,3)
(0,10)
(3rows)
//可以使用此查询获取支持的函数:
postgres=# select amp.amprocnum,
amp.amproc,
amp.amproclefttype::regtype,
amp.amprocrighttype::regtype
from pg_opfamily opf,
pg_am am,
pg_amproc amp
where opf.opfname ='complex_ops'
andopf.opfmethod = am.oid
andam.amname ='btree'
andamp.amprocfamily = opf.oid;
amprocnum | amproc | amproclefttype | amprocrighttype
-----------+-------------+----------------+-----------------
1| complex_cmp |complex|complex
(1row)
使用pageinspect插件观察B-tree结构:
demo=# create extension pageinspect;
索引的元数据页:
demo=#select*frombt_metap('ticket_flights_pkey');
magic | version | root | level | fastroot | fastlevel
--------+---------+------+-------+----------+-----------
340322 | 2 | 164 | 2 | 164 | 2
(1 row)
值得关注的是索引level:不包括root,有一百万行记录的表其索引只需要2层就可以了。
Root页,即164号页面的统计信息:
demo=#selecttype, live_items, dead_items, avg_item_size, page_size, free_size
frombt_page_stats('ticket_flights_pkey',164);
type | live_items | dead_items | avg_item_size | page_size | free_size
------+------------+------------+---------------+-----------+-----------
r | 33 | 0 | 31 | 8192 | 6984
(1 row)
该页中数据:
demo=#selectitemoffset, ctid, itemlen,left(data,56)asdata
frombt_page_items('ticket_flights_pkey',164)limit5;
itemoffset | ctid | itemlen | data
------------+---------+---------+----------------------------------------------------------
1 | (3,1) | 8 |
2 | (163,1) | 32 | 1d 30 30 30 35 34 33 32 33 30 35 37 37 31 00 00 ff 5f 00
3 | (323,1) | 32 | 1d 30 30 30 35 34 33 32 34 32 33 36 36 32 00 00 4f 78 00
4 | (482,1) | 32 | 1d 30 30 30 35 34 33 32 35 33 30 38 39 33 00 00 4d 1e 00
5 | (641,1) | 32 | 1d 30 30 30 35 34 33 32 36 35 35 37 38 35 00 00 2b 09 00
(5 rows)
第一个tuple指定该页的最大值,真正的数据从第二个tuple开始。很明显最左边子节点的页号是163,然后是323。反过来,可以使用相同的函数搜索。
PG10版本提供了"amcheck"插件,该插件可以检测B-tree数据的逻辑一致性,使我们提前探知故障。
https://habr.com/en/company/postgrespro/blog/443284/