查询计划器与random_page_cost

本周小贴士比较奇怪，基于我们今天遇到的一个问题。将简讯的链接存储到一个简单数据库中：

CREATE TABLE links (

  uid CHAR(60) PRIMARY KEY,

  data TEXT,

  timestamp INT

)

CREATE INDEX idx_trgm ON links USING GIN (data gin_trgm_ops)

当然，这个设计比较烂。但仅供内部使用，我只是一个粗略的想法原型。数据是一个包含json(I know, I know...)的文本，以同样可怕的方式检查链接的存在：

SELECT * FROM links WHERE data ILIKE '%whatever we want%' LIMIT 1;

在低容量下运行很好，但查询时间偶尔会超过300ms，很好奇这是为啥?

执行EXPLAIN ANALYZE后，发现PG根本没使用GIN索引，而是使用了全表扫描。但是如果去掉LMIT 1,查询将使用索引，执行只需要5ms。为什么PG会忽略索引？

PG的查询规划器并不是真正基于人们做一些荒唐的事情。比如使用ILIKE进行全表扫描，关心的是走索引快还是全表扫描快。变量random_page_cost用于决定使用索引的代价是否值得，或者和seq_page_cost合作使用。

这种情况下，索引扫描是值得的，但是查询规划器不同意。因为看起来很简单的LIMIT 1，只找到一个结果就可以停止。并继续进行全表扫描。

SET random_page_cost = 1;

EXPLAIN ANALYZE SELECT * ... LIMIT 1;

    [see the index being used]

SET random_page_cost = DEFAULT;    

EXPLAIN ANALYZE SELECT * ... LIMIT 1;

[see the index NOT being used]

除了明显的“修复那个糟糕的模式”，看看PG会做什么，如果觉得索引扫描和顺序扫描比代价低。因此如果最终得到的查询使用索引，那么有必要尝试一下，通过EXPLAIN ANALYZE分析。