PostgreSQL中的索引(七)--GIN
我們已經熟悉了PostgreSQL索引引擎和訪問方法的介面，並討論了hash索引、b-trees以及GiST和SP-GiST索引。這篇文章將介紹GIN索引。
GIN
GIN是廣義倒排索引(Generalized Inverted Index)的縮寫。這就是所謂的倒排索引。它操作的資料型別的值不是原子的，而是由元素組成的。我們將這些型別稱為複合型別。索引的不是複合型別的值，而是單獨的元素;每個元素都引用它出現的值。
與此方法有一個很好的類比，即圖書末尾的索引，對於每個術語，它提供了出現該術語的頁面列表。訪問方法必須確保快速搜尋索引元素，就像書中的索引一樣。因此，這些元素被儲存為熟悉的b樹(它使用了另一種更簡單的實現，但在本例中並不重要)。 對包含元素複合值的錶行的有序引用集連結到每個元素。順序性對於資料檢索並不重要(TIDs的排序順序沒有太大意義)，但對於索引的內部結構很重要。
元素永遠不會從GIN索引中刪除。我們認為，包含元素的值可以消失、出現或變化，但組成它們的元素集或多或少是穩定的。此解決方案極大地簡化了使用索引並行處理多個程序的演算法。
如果TIDs列表非常小，它可以與元素放在同一個頁面中(稱為«the posting list»)。但如果這個列表很大，就需要一個更高效的資料結構，我們已經意識到了這一點——它還是B-tree。這樣的樹位於單獨的資料頁上(稱為«the posting tree»)。
因此，GIN索引由元素的B-tree組成，而TIDs的B-tree或平面列表連結到該B-tree的葉行。
與前面討論的GiST和SP-GiST索引一樣，GIN為應用程式開發人員提供了支援複合資料型別的各種操作的介面。
全文檢索
GIN的主要應用領域是加速全文檢索，因此，在更詳細地討論該索引時，可以將其用作示例。
與GiST相關的文章已經提供了關於全文搜尋的簡單介紹，所以讓我們直接切入主題，不要重複。顯然，本例中的複合值是文件，而這些文件的元素是*lexemes。
讓我們來看看與GiST相關的文章中的例子:
postgres=# create table ts(doc text, doc_tsv tsvector);
postgres=# insert into ts(doc) values
('Can a sheet slitter slit sheets?'),
('How many sheets could a sheet slitter slit?'),
('I slit a sheet, a sheet I slit.'),
('Upon a slitted sheet I sit.'),
('Whoever slit the sheets is a good sheet slitter.'),
('I am a sheet slitter.'),
('I slit sheets.'),
('I am the sleekest sheet slitter that ever slit sheets.'),
('She slits the sheet she sits on.');
postgres=# update ts set doc_tsv = to_tsvector(doc);
postgres=# create index on ts using gin(doc_tsv);
該索引的可能結構如圖所示:
與前面所有的圖不同，對錶行(tid)的引用是用黑色背景上的數值(頁碼和頁面上的位置)表示的，而不是用箭頭表示的。
postgres=# select ctid, left(doc,20), doc_tsv from ts; ctid | left | doc_tsv -------+----------------------+--------------------------------------------------------- (0,1) | Can a sheet slitter | 'sheet':3,6 'slit':5 'slitter':4 (0,2) | How many sheets coul | 'could':4 'mani':2 'sheet':3,6 'slit':8 'slitter':7 (0,3) | I slit a sheet, a sh | 'sheet':4,6 'slit':2,8 (1,1) | Upon a slitted sheet | 'sheet':4 'sit':6 'slit':3 'upon':1 (1,2) | Whoever slit the she | 'good':7 'sheet':4,8 'slit':2 'slitter':9 'whoever':1 (1,3) | I am a sheet slitter | 'sheet':4 'slitter':5 (2,1) | I slit sheets. | 'sheet':3 'slit':2 (2,2) | I am the sleekest sh | 'ever':8 'sheet':5,10 'sleekest':4 'slit':9 'slitter':6 (2,3) | She slits the sheet | 'sheet':4 'sit':6 'slit':2 (9 rows)
在這個推測的示例中，所有詞素的tid列表可以位於常規頁面，但«sheet»、«slit»和«slits»除外。這些詞素出現在許多文件中，它們的tid列表已經被放置在單個的b-tree中。
順便問一下，我們如何知道一個詞素被包含在多少文件?對於一個小的表，下面所示的«direct»技術可以實現，但是我們將進一步學習如何處理較大的表。
postgres=# select (unnest(doc_tsv)).lexeme, count(*) from ts group by 1 order by 2 desc; lexeme | count ----------+------- sheet | 9 slit | 8 slitter | 5 sit | 2 upon | 1 mani | 1 whoever | 1 sleekest | 1 good | 1 could | 1 ever | 1 (11 rows)
查詢示例
postgres=# explain(costs off)
select doc from ts where doc_tsv @@ to_tsquery('many & slitter');
QUERY PLAN
---------------------------------------------------------------------
Bitmap Heap Scan on ts
Recheck Cond: (doc_tsv @@ to_tsquery('many & slitter'::text))
-> Bitmap Index Scan on ts_doc_tsv_idx
Index Cond: (doc_tsv @@ to_tsquery('many & slitter'::text))
(4 rows)
單個詞素(搜尋鍵)首先從查詢中提取:«mani»和«slitter»。這是由一個專門的API函式來完成的，它考慮到由操作符類決定的資料型別和策略:
postgres=# select amop.amopopr::regoperator, amop.amopstrategy
from pg_opclass opc, pg_opfamily opf, pg_am am, pg_amop amop
where opc.opcname = 'tsvector_ops'
and opf.oid = opc.opcfamily
and am.oid = opf.opfmethod
and amop.amopfamily = opc.opcfamily
and am.amname = 'gin'
and amop.amoplefttype = opc.opcintype;
amopopr | amopstrategy
-----------------------+--------------
@@(tsvector,tsquery) | 1 matching search query
@@@(tsvector,tsquery) | 2 synonym for @@ (for backward compatibility)
(2 rows)
在詞素的b-樹中，我們接下來找到這兩個鍵，並遍歷tid的列表。我們得到:
對於«mani»-(0,2)。
對於«slitter»-(0,1),(0,2),(1,2),(1,3),(2,2)。
最後，對於找到的每個TID，將呼叫一個API一致性函式，該函式必須確定找到的哪一行與搜尋查詢匹配。由於我們查詢中的lexemes是由布林«and»連線的，所以返回的唯一一行是(0,2):
| | | consistency
| | | function
TID | mani | slitter | slit & slitter
-------+------+---------+----------------
(0,1) | f | T | f
(0,2) | T | T | T
(1,2) | f | T | f
(1,3) | f | T | f
(2,2) | f | T | f
結果是:
postgres=# select doc from ts where doc_tsv @@ to_tsquery('many & slitter');
doc
---------------------------------------------
How many sheets could a sheet slitter slit?
(1 row)
如果我們將這種方法與已經討論過的GiST方法進行比較，那麼GIN用於全文搜尋的優勢就很明顯了。但這裡還有比表面上看到的更多的東西。
slow update的問題
問題是GIN索引中的資料插入或更新非常慢。每個文件通常包含許多要建立索引的詞素。因此，當只新增或更新一個文件時，我們必須大規模地更新索引樹。
另一方面，如果同時更新幾個文件，它們的一些詞素可能是相同的，那麼總的工作量將比逐個更新文件時要小。
GIN索引有«fastupdate»儲存引數，我們可以在建立和更新索引時指定:
postgres=# create index on ts using gin(doc_tsv) with (fastupdate = true);
開啟此引數後，更新將在一個單獨的無序列表中累積(在各個連線的頁上)。 當這個列表足夠大或在vacuuming期間，所有累積的更新都會立即對索引進行。要考慮的列表«large enough»是由«gin_pending_list_limit»配置引數決定的，或者由索引的同名儲存引數決定的。
但是這種方法也有缺點:首先，搜尋速度變慢(因為除了樹之外還需要檢視無序列表)，其次，如果無序列表已經溢位，下一次更新可能會意外地花費很多時間。
部分匹配的檢索
我們可以在全文搜尋中使用部分匹配。例如，考慮以下查詢:
gin=# select doc from ts where doc_tsv @@ to_tsquery('slit:*');
doc
--------------------------------------------------------
Can a sheet slitter slit sheets?
How many sheets could a sheet slitter slit?
I slit a sheet, a sheet I slit.
Upon a slitted sheet I sit.
Whoever slit the sheets is a good sheet slitter.
I am a sheet slitter.
I slit sheets.
I am the sleekest sheet slitter that ever slit sheets.
She slits the sheet she sits on.
(9 rows)
這個查詢將會找到包含以«slit»開頭的詞素的文件。在這個例子中，這樣的詞素是«slit»和«slitter»。
即使沒有索引，查詢也可以正常工作，但GIN還允許加速以下搜尋:
postgres=# explain (costs off)
select doc from ts where doc_tsv @@ to_tsquery('slit:*');
QUERY PLAN
-------------------------------------------------------------
Bitmap Heap Scan on ts
Recheck Cond: (doc_tsv @@ to_tsquery('slit:*'::text))
-> Bitmap Index Scan on ts_doc_tsv_idx
Index Cond: (doc_tsv @@ to_tsquery('slit:*'::text))
(4 rows)
這裡，所有在搜尋查詢中指定字首的詞素都在樹中查詢，並由布林«or»連線。
頻繁和不頻繁的詞素(lexemes)
為了觀察索引是如何在實時資料上工作的，讓我們以«pgsql-hacker»電子郵件的歸檔為例，我們在討論GiST時已經使用過了。這個版本的存檔包含356125條訊息，其中包含傳送日期、主題、作者和文字。
fts=# alter table mail_messages add column tsv tsvector; fts=# update mail_messages set tsv = to_tsvector(body_plain); NOTICE: word is too long to be indexed DETAIL: Words longer than 2047 characters are ignored. ... UPDATE 356125 fts=# create index on mail_messages using gin(tsv);
讓我們假設一個出現在許多文件中的詞素。使用«unnest»的查詢將無法在如此大的資料量上工作，正確的技術是使用«ts_stat»函式，它提供關於詞素表的資訊，它們所出現的文件數量，以及總出現次數。
fts=# select word, ndoc
from ts_stat('select tsv from mail_messages')
order by ndoc desc limit 3;
word | ndoc
-------+--------
re | 322141
wrote | 231174
use | 176917
(3 rows)
讓我們選擇«wrote»。
我們將採用一些在開發者郵件中不常見的詞，比如«tattoo»:
fts=# select word, ndoc from ts_stat('select tsv from mail_messages') where word = 'tattoo';
word | ndoc
--------+------
tattoo | 2
(1 row)
有沒有同時出現這兩個詞的文件?似乎有:
fts=# select count(*) from mail_messages where tsv @@ to_tsquery('wrote & tattoo');
count
-------
1
(1 row)
出現瞭如何執行此查詢的問題。如果我們得到兩個詞素的tid列表(如上所述)，那麼搜尋顯然效率低下:我們將不得不遍歷超過20萬個值，最終只留下一個值。幸運的是，使用planner統計資料，演算法知道«wrote»經常出現，而«tatoo»很少出現。因此，執行對不常見的詞的搜尋，然後檢查檢索到的兩個文件是否有«wrote»詞。這一點在查詢中很清楚，它執行得很快:
fts=# \timing on
fts=# select count(*) from mail_messages where tsv @@ to_tsquery('wrote & tattoo');
count
-------
1
(1 row)
Time: 0,959 ms
僅搜尋«wrote»就需要相當長的時間:
fts=# select count(*) from mail_messages where tsv @@ to_tsquery('wrote');
count
--------
231174
(1 row)
Time: 2875,543 ms (00:02,876)
這種優化當然不僅適用於兩個詞，而且適用於更復雜的情況。
限制查詢結果
GIN訪問方法的一個特性是結果總是作為點陣圖返回:該方法不能按TID返回結果。正因為如此，本文中的所有查詢計劃都使用bitmap scan。
fts=# explain (costs off)
select * from mail_messages where tsv @@ to_tsquery('wrote') limit 1;
QUERY PLAN
-----------------------------------------------------------------------------------------
Limit (cost=1283.61..1285.13 rows=1)
-> Bitmap Heap Scan on mail_messages (cost=1283.61..209975.49 rows=137207)
Recheck Cond: (tsv @@ to_tsquery('wrote'::text))
-> Bitmap Index Scan on mail_messages_tsv_idx (cost=0.00..1249.30 rows=137207)
Index Cond: (tsv @@ to_tsquery('wrote'::text))
(5 rows)
估計成本為1285.13，比構建整個點陣圖1249.30(點陣圖索引掃描節點的«cost»欄位)的成本略高。
因此，索引具有限制結果數量的特殊功能。閾值在«gin_fuzzy_search_limit»配置引數中指定，預設為零(不存在限制)。但是我們可以設定閾值:
fts=# set gin_fuzzy_search_limit = 1000;
fts=# select count(*) from mail_messages where tsv @@ to_tsquery('wrote');
count
-------
5746
(1 row)
fts=# set gin_fuzzy_search_limit = 10000;
fts=# select count(*) from mail_messages where tsv @@ to_tsquery('wrote');
count
-------
14726
(1 row)
我們可以看到，查詢返回的行數因引數值的不同而不同(如果使用索引訪問)。限制並不嚴格:可以返回比指定的多的行，這就證明了引數名中有«fuzzy»部分是正確的。
緊湊表示(Compact representation)
在其他方面，gin索引還是很好的，因為它們很緊湊。首先，如果一個相同的lexeme出現在多個文件中(這是通常的情況)，那麼它只儲存在索引中一次。 其次，TID以有序的方式儲存在索引中，這使我們能夠使用簡單的壓縮:列表中儲存的下一個TID實際上是與前一個TID是不同點;這通常是一個很小的數字，需要比完整的6位元組TID少得多的位。
為了瞭解其大小，讓我們從訊息的文字構建B-tree。但肯定不是公平的比較:
·GIN構建在不同的資料型別上(«tsvector»而不是«text»)，«tsvector»更小 ·同時，b-樹的訊息大小必須縮短到大約2kb。
fts=# create index mail_messages_btree on mail_messages(substring(body_plain for 2048));
我們還將建立GiST索引：
fts=# create index mail_messages_gist on mail_messages using gist(tsv);
在«vacuum full»後索引的大小:
fts=# select pg_size_pretty(pg_relation_size('mail_messages_tsv_idx')) as gin,
pg_size_pretty(pg_relation_size('mail_messages_gist')) as gist,
pg_size_pretty(pg_relation_size('mail_messages_btree')) as btree;
gin | gist | btree
--------+--------+--------
179 MB | 125 MB | 546 MB
(1 row)
由於緊湊性，我們可以嘗試在從Oracle遷移的過程中使用GIN索引來替代點陣圖索引(為了便於理解，我提供了Lewis的文章的參考)。作為規則，點陣圖索引用於僅有少數唯一值的欄位，這對於GIN也是非常好的。並且，如第一篇文章所示，PostgreSQL可以動態地基於任何索引(包括GIN)構建點陣圖。
GiST還是GIN
對於許多資料型別，GiST和GIN都可以使用操作符類，這就產生了使用哪個索引的問題。也許，我們已經可以得出一些結論了。
通常，GIN在準確性和搜尋速度上優於GiST。如果資料更新不頻繁，並且需要快速搜尋，那麼很可能使用GIN。
另一方面，如果資料是密集更新的，那麼更新GIN的開銷可能會顯得太大。在這種情況下，我們將不得不比較這兩種選擇。
使用GIN的另一個例子是陣列的索引。在這種情況下，陣列元素進入索引，這允許加速對陣列的一些操作:
postgres=# select amop.amopopr::regoperator, amop.amopstrategy
from pg_opclass opc, pg_opfamily opf, pg_am am, pg_amop amop
where opc.opcname = 'array_ops'
and opf.oid = opc.opcfamily
and am.oid = opf.opfmethod
and amop.amopfamily = opc.opcfamily
and am.amname = 'gin'
and amop.amoplefttype = opc.opcintype;
amopopr | amopstrategy
-----------------------+--------------
&&(anyarray,anyarray) | 1 intersection
@>(anyarray,anyarray) | 2 contains array
<@(anyarray,anyarray) | 3 contained in array
=(anyarray,anyarray) | 4 equality
(4 rows)
我們的演示資料庫有帶有航班資訊的«routes»檢視。在其他檢視中，該檢視包含«days_of_week»列——發生航班時的工作日陣列。例如，從伏努科沃到格倫齊克的航班在週二、週四和週日起飛:
demo=# select departure_airport_name, arrival_airport_name, days_of_week
from routes
where flight_no = 'PG0049';
departure_airport_name | arrival_airport_name | days_of_week
------------------------+----------------------+--------------
Vnukovo | Gelendzhik | {2,4,7}
(1 row)
為了構建索引，讓我們將檢視“物化”到一個表中:
demo=# create table routes_t as select * from routes; demo=# create index on routes_t using gin(days_of_week);
現在我們可以用這個索引來了解週二、週四和週日的所有航班:
demo=# explain (costs off) select * from routes_t where days_of_week = ARRAY[2,4,7];
QUERY PLAN
-----------------------------------------------------------
Bitmap Heap Scan on routes_t
Recheck Cond: (days_of_week = '{2,4,7}'::integer[])
-> Bitmap Index Scan on routes_t_days_of_week_idx
Index Cond: (days_of_week = '{2,4,7}'::integer[])
(4 rows)
似乎有六種查詢額結果:
demo=# select flight_no, departure_airport_name, arrival_airport_name, days_of_week from routes_t where days_of_week = ARRAY[2,4,7];
flight_no | departure_airport_name | arrival_airport_name | days_of_week
-----------+------------------------+----------------------+--------------
PG0005 | Domodedovo | Pskov | {2,4,7}
PG0049 | Vnukovo | Gelendzhik | {2,4,7}
PG0113 | Naryan-Mar | Domodedovo | {2,4,7}
PG0249 | Domodedovo | Gelendzhik | {2,4,7}
PG0449 | Stavropol | Vnukovo | {2,4,7}
PG0540 | Barnaul | Vnukovo | {2,4,7}
(6 rows)
該查詢是如何執行的? 和上面描述的完全一樣:
1.從陣列{2,4,7}中提取元素(搜尋關鍵字)。顯然，這些是«2»、«4»和«7»的值。
2.在元素樹中找到提取的鍵，併為每個鍵選擇TIDs列表。
3.在找到的所有TIDs中，一致性函式從查詢中選擇與操作符匹配的TIDs。 For =操作符，只有那些tid與所有三個列表中出現的匹配(換句話說，初始陣列必須包含所有元素)。但這是不夠的:它還需要陣列不包含任何其他值，我們不能用索引檢查這個條件。 因此，在這種情況下，access method要求索引引擎重新檢查與表一起返回的所有tid。
有趣的是，有些策略(例如，«contains in array»)不能檢查任何內容，而必須重新檢查表中找到的所有tid。
但是，如果我們需要知道週二、週四和週日從莫斯科起飛的航班，該怎麼辦呢? 索引將不支援附加條件，它將進入«Filter»列。
demo=# explain (costs off)
select * from routes_t where days_of_week = ARRAY[2,4,7] and departure_city = 'Moscow';
QUERY PLAN
-----------------------------------------------------------
Bitmap Heap Scan on routes_t
Recheck Cond: (days_of_week = '{2,4,7}'::integer[])
Filter: (departure_city = 'Moscow'::text)
-> Bitmap Index Scan on routes_t_days_of_week_idx
Index Cond: (days_of_week = '{2,4,7}'::integer[])
(5 rows)
在這裡，這是可以的(無論如何索引只選擇6行)，但如果附加條件增加了選擇能力，則需要這樣的支援。但是，我們不能僅僅建立索引:
demo=# create index on routes_t using gin(days_of_week,departure_city); ERROR: data type text has no default operator class for access method "gin" HINT: You must specify an operator class for the index or define a default operator class for the data type.
但是“btree_gin”擴充套件將提供幫助，它添加了模擬普通b樹工作的GIN操作符類。
demo=# create extension btree_gin;
demo=# create index on routes_t using gin(days_of_week,departure_city);
demo=# explain (costs off)
select * from routes_t where days_of_week = ARRAY[2,4,7] and departure_city = 'Moscow';
QUERY PLAN
---------------------------------------------------------------------
Bitmap Heap Scan on routes_t
Recheck Cond: ((days_of_week = '{2,4,7}'::integer[]) AND
(departure_city = 'Moscow'::text))
-> Bitmap Index Scan on routes_t_days_of_week_departure_city_idx
Index Cond: ((days_of_week = '{2,4,7}'::integer[]) AND
(departure_city = 'Moscow'::text))
(4 rows)
postgres=# select opc.opcname, amop.amopopr::regoperator, amop.amopstrategy as str
from pg_opclass opc, pg_opfamily opf, pg_am am, pg_amop amop
where opc.opcname in ('jsonb_ops','jsonb_path_ops')
and opf.oid = opc.opcfamily
and am.oid = opf.opfmethod
and amop.amopfamily = opc.opcfamily
and am.amname = 'gin'
and amop.amoplefttype = opc.opcintype;
opcname | amopopr | str
----------------+------------------+-----
jsonb_ops | ?(jsonb,text) | 9 top-level key exists
jsonb_ops | ?|(jsonb,text[]) | 10 some top-level key exists
jsonb_ops | ?&(jsonb,text[]) | 11 all top-level keys exist
jsonb_ops | @>(jsonb,jsonb) | 7 JSON value is at top level
jsonb_path_ops | @>(jsonb,jsonb) | 7
(5 rows)
正如我們所看到的，有兩個操作符類可用:«jsonb_ops»和«jsonb_path_ops»。
第一個操作符類«jsonb_ops»預設使用的。所有鍵、值和陣列元素都作為初始JSON文件的元素到達索引。每個元素都添加了一個屬性，它指示該元素是否為鍵(這是«exists»策略所需要的，它區分鍵和值)。
例如，讓我們用JSON表示«routes»中的幾行:
demo=# create table routes_jsonb as
select to_jsonb(t) route
from (
select departure_airport_name, arrival_airport_name, days_of_week
from routes
order by flight_no limit 4
) t;
demo=# select ctid, jsonb_pretty(route) from routes_jsonb;
ctid | jsonb_pretty
-------+-------------------------------------------------
(0,1) | { +
| "days_of_week": [ +
| 1 +
| ], +
| "arrival_airport_name": "Surgut", +
| "departure_airport_name": "Ust-Ilimsk" +
| }
(0,2) | { +
| "days_of_week": [ +
| 2 +
| ], +
| "arrival_airport_name": "Ust-Ilimsk", +
| "departure_airport_name": "Surgut" +
| }
(0,3) | { +
| "days_of_week": [ +
| 1, +
| 4 +
| ], +
| "arrival_airport_name": "Sochi", +
| "departure_airport_name": "Ivanovo-Yuzhnyi"+
| }
(0,4) | { +
| "days_of_week": [ +
| 2, +
| 5 +
| ], +
| "arrival_airport_name": "Ivanovo-Yuzhnyi", +
| "departure_airport_name": "Sochi" +
| }
(4 rows)
demo=# create index on routes_jsonb using gin(route);
索引看起來如下:
現在，像這樣的查詢，例如，可以使用索引執行:
demo=# explain (costs off)
select jsonb_pretty(route)
from routes_jsonb
where route @> '{"days_of_week": [5]}';
QUERY PLAN
---------------------------------------------------------------
Bitmap Heap Scan on routes_jsonb
Recheck Cond: (route @> '{"days_of_week": [5]}'::jsonb)
-> Bitmap Index Scan on routes_jsonb_route_idx
Index Cond: (route @> '{"days_of_week": [5]}'::jsonb)
(4 rows)
從JSON文件的根開始，@>操作符檢查指定的路由(“days_of_week”:[5])是否出現。這裡查詢將返回一行:
demo=# select jsonb_pretty(route) from routes_jsonb where route @> '{"days_of_week": [5]}';
jsonb_pretty
------------------------------------------------
{ +
"days_of_week": [ +
2, +
5 +
], +
"arrival_airport_name": "Ivanovo-Yuzhnyi",+
"departure_airport_name": "Sochi" +
}
(1 row)
查詢執行如下:
1.在搜尋查詢(“days_of_week”:[5])中提取元素(搜尋鍵):«days_of_week»和«5»。
2.在元素樹中找到提取的鍵，併為每個鍵選擇tid列表:對於«5»-(0,4)，對於«days_of_week»-(0,1)，(0,2)，(0,3)，(0,4)。
3.在找到的所有TIDs中，一致性函式從查詢中選擇與操作符匹配的TIDs。 對於@>操作符，不包含來自搜尋查詢的所有元素的文件將不能確定，因此只剩下(0,4)。 但是我們仍然需要重新檢查表中剩下的TID，因為從索引中不清楚找到的元素在JSON文件中出現的順序。
要了解其他操作符的更多細節，可以閱讀文件。
除了處理JSON的傳統操作外，«jsquery»擴充套件早就可用了，它定義了一種功能更豐富的查詢語言(當然，還支援GIN索引)。此外，2016年釋出了新的SQL標準，定義了自己的一套操作和查詢語言«SQL/JSON path»。這個標準的實現已經完成，我們相信它會出現在PostgreSQL 11中。
內部原理
我們可以使用“pageinspect”擴充套件檢視GIN索引內部。
fts=# create extension pageinspect;
來自meta頁面的資訊顯示了一般的統計資料:
fts=# select * from gin_metapage_info(get_raw_page('mail_messages_tsv_idx',0));
-[ RECORD 1 ]----+-----------
pending_head | 4294967295
pending_tail | 4294967295
tail_free_size | 0
n_pending_pages | 0
n_pending_tuples | 0
n_total_pages | 22968
n_entry_pages | 13751
n_data_pages | 9216
n_entries | 1423598
version | 2
頁面結構提供了訪問方法(access method)儲存其資訊的特殊區域;這個區域對於像vacuum這樣的普通程式是«opaque»的。«gin_page_opaque_info»函式顯示了GIN的資料。例如，我們可以瞭解到索引頁的集合:
fts=# select flags, count(*)
from generate_series(1,22967) as g(id), -- n_total_pages
gin_page_opaque_info(get_raw_page('mail_messages_tsv_idx',g.id))
group by flags;
flags | count
------------------------+-------
{meta} | 1 meta page
{} | 133 internal page of element B-tree
{leaf} | 13618 leaf page of element B-tree
{data} | 1497 internal page of TID B-tree
{data,leaf,compressed} | 7719 leaf page of TID B-tree
(5 rows)
«gin_leafpage_items»函式提供儲存在page {data,leaf,compressed}的tid資訊:
fts=# select * from gin_leafpage_items(get_raw_page('mail_messages_tsv_idx',2672));
-[ RECORD 1 ]---------------------------------------------------------------------
first_tid | (239,44)
nbytes | 248
tids | {"(239,44)","(239,47)","(239,48)","(239,50)","(239,52)","(240,3)",...
-[ RECORD 2 ]---------------------------------------------------------------------
first_tid | (247,40)
nbytes | 248
tids | {"(247,40)","(247,41)","(247,44)","(247,45)","(247,46)","(248,2)",...
...
這裡請注意，TIDs樹的leave頁面實際上包含指向錶行的經過壓縮的小指標列表，而不是單個指標。
屬性
讓我們看看GIN access method的屬性
amname | name | pg_indexam_has_property --------+---------------+------------------------- gin | can_order | f gin | can_unique | f gin | can_multi_col | t gin | can_exclude | f
有趣的是，GIN支援建立多列索引。但是，與常規b-樹不同的是，多列索引將仍然儲存單個元素，並且將為每個元素標明列號。
以下索引層屬性可用:
name | pg_index_has_property ---------------+----------------------- clusterable | f index_scan | f bitmap_scan | t backward_scan | f
注意，不支援按TID(索引掃描)返回結果;只能進行點陣圖掃描。
也不支援Backward掃描:該特性對index-scan only掃描至關重要，但對點陣圖掃描不支援。
列層屬性如下:
name | pg_index_column_has_property --------------------+------------------------------ asc | f desc | f nulls_first | f nulls_last | f orderable | f distance_orderable | f returnable | f search_array | f search_nulls | f
這裡沒有可用的內容:沒有排序(這很明顯)，沒有使用索引作為覆蓋(因為文件本身沒有儲存在索引中)，沒有空值操作(因為它對複合型別的元素沒有意義)。
其他資料型別
還有一些擴充套件為某些資料型別添加了對GIN的支援。
·“pg_trgm”使我們能夠通過比較有多少相等的三字母序列(三元組合)可用來確定單詞的«likeness»。添加了兩個操作符類«gist_trgm_ops»和«gin_trgm_ops»，它們支援各種操作符，包括通過LIKE和正則表示式進行比較。我們可以將此擴充套件與全文搜尋一起使用，以便建議糾正拼寫錯誤的單詞選項。 ·“hstore”實現«key-value»儲存。對於該資料型別，可以使用用於各種訪問方法的操作符類，包括GIN。然而，隨著«jsonb»資料型別的引入，也就沒有使用«hstore»的理由了。 ·“intarray”擴充套件了整數陣列的功能。索引支援包括GiST以及GIN(«gin__int_ops» 操作符類)。
這兩個擴充套件已經在上面提到過:
·“btree_gin”添加了對常規資料型別的GIN支援，以便它們可以與複合型別一起在多列索引中使用。 ·“jsquery”定義了一種用於JSON查詢的語言和一個用於支援該語言的索引的操作符類。 這個擴充套件不包括在標準的PostgreSQL交付中。