PostgreSQL何以支持丰富的NoSQL特性?

谭峰、张文升 2018-09-26 10:23:04
作者介绍

谭峰,网名francs,中国开源软件推进联盟PostgreSQL分会特聘专家,《PostgreSQL实战》作者之一,《PostgreSQL 9 Administration Cookbook》译者之一。现就职于浙江移动负责应用上云架构管控以及私有云建设工作。

 

张文升,中国开源软件推进联盟PostgreSQL分会核心成员之一,《PostgreSQL实战》作者之一,活跃于PostgreSQL、MySQL、Redis等开源技术社区,致力于推动PostgreSQL在互联网企业的应用及企业PostgreSQL培训与技术支持。

 

 

在上一篇文章《PostgreSQL用户应掌握的高级SQL特性》我们介绍了PostgreSQL的典型高级SQL特性。PostgreSQL不仅是关系型数据库,同时支持丰富的NoSQL特性,所以本文将介绍PostgreSQL的NoSQL特性,分以下三部分来介绍:

 

  • PostgreSQL的JSON和JSONB数据类型简介;

  • JSON与JSONB读写性能测试;

  • PostgreSQL全文检索支持JSON和JSONB(PosgreSQL 10新特性)。

 

一、JSON和JSONB数据类型

 

PostgreSQL支持非关系数据类型json (JavaScript Object Notation),本节介绍json类型、json与jsonb差异、json与jsonb操作符和函数以及jsonb键值的追加、删除、更新。

 

1、JSON类型简介
 

 

PotgreSQL早在9.2版本已经提供了json类型,并且随着大版本的演进,PostgreSQL对json的支持趋于完善,例如提供更多的json函数和操作符方便应用开发,一个简单的json类型例子如下:

 

 

mydb=> SELECT '{"a":1,"b":2}'::json;

     json      

---------------

 {"a":1,"b":2}

 

为了更好演示json类型,接下来创建一张表,如下所示:

 

 

mydb=> CREATE TABLE test_json1 (id serial primary key,name json);

CREATE TABLE

 

以上示例定义字段name为json类型,插入表数据,如下所示:

 

 

mydb=> INSERT INTO test_json1 (name)

VALUES ('{"col1":1,"col2":"francs","col3":"male"}');

INSERT 0 1

 

mydb=> INSERT INTO test_json1 (name)

VALUES ('{"col1":2,"col2":"fp","col3":"female"}');

INSERT 0 1

 

查询表test_json1数据:

 

 

mydb=> SELECT * FROM test_json1;

 id |                   name                   

----+------------------------------------------

  1 | {"col1":1,"col2":"francs","col3":"male"}

  2 | {"col1":2,"col2":"fp","col3":"female"}

 

2、查询JSON数据
 

 

通过->操作符可以查询json数据的键值,如下所示:

 

 

mydb=> SELECT  name -> 'col2' FROM test_json1 WHERE id=1;

 ?column?

----------

 "francs"

(1 row)

 

如果想以文本格式返回json字段键值可以使用->>符,如下所示:

 

 

mydb=> SELECT  name ->> 'col2' FROM test_json1 WHERE id=1;

 ?column?

----------

 francs

(1 row)

 

3、JSONB与JSON差异
 

 

PostgreSQL支持两种JSON数据类型:json和jsonb,两种类型在使用上几乎完全相同,主要区别如下:

 

json存储格式为文本,而jsonb存储格式为二进制 ,由于存储格式的不同使得两种json数据类型的处理效率不一样,json类型以文本存储并且存储的内容和输入数据一样,当检索json数据时必须重新解析,而jsonb以二进制形式存储已解析好的数据,当检索jsonb数据时不需要重新解析,因此json写入比jsonb快,但检索比jsonb慢,后面会通过测试验证两者读写性能差异。

 

除了上述介绍的区别之外,json与jsonb在使用过程中还存在差异,例如jsonb输出的键的顺序和输入不一样,如下所示:

 

 

mydb=> SELECT '{"bar": "baz", "balance": 7.77, "active":false}'::jsonb;

                      jsonb                       

--------------------------------------------------

 {"bar": "baz", "active": false, "balance": 7.77}

(1 row)

 

而json的输出键的顺序和输入完全一样,如下所示:

 

 

mydb=> SELECT '{"bar": "baz", "balance": 7.77, "active":false}'::json;

                      json                       

-------------------------------------------------

 {"bar": "baz", "balance": 7.77, "active":false}

(1 row)

 

另外,jsonb类型会去掉输入数据中键值的空格,如下所示:

 

 

mydb=> SELECT ' {"id":1,    "name":"francs"}'::jsonb;

            jsonb            

-----------------------------

 {"id": 1, "name": "francs"}

(1 row)

 

上例中id键与name键输入时是有空格的,输出显示空格键被删除,而json的输出和输入一样,不会删掉空格键:

 

 

mydb=> SELECT ' {"id":1,    "name":"francs"}'::json;

             json              

-------------------------------

  {"id":1,    "name":"francs"}

(1 row)

 

另外,jsonb会删除重复的键,仅保留最后一个,如下所示:

 

 

mydb=> SELECT ' {"id":1,                                                              

"name":"francs",

"remark":"a good guy!",

"name":"test"

}'::jsonb;

                       jsonb                        

----------------------------------------------------

 {"id": 1, "name": "test", "remark": "a good guy!"}

(1 row)

 

上面name键重复,仅保留最后一个name键的值,而json数据类型会保留重复的键值。

 

相比json大多数应用场景建议使用jsonb,除非有特殊的需求,比如对json的键顺序有特殊的要求。

 

4、JSONB与JSON操作符
 

 

PostgreSQL支持丰富的JSONB和JSON的操作符,举例如下:

 

以文本格式返回json类型的字段键值可以使用->>符,如下所示:

 

 

mydb=> SELECT  name ->> 'col2' FROM test_json1 WHERE id=1;

 ?column?

----------

 francs

(1 row)

 

字符串是否作为顶层键值,如下所示:

 

 

mydb=> SELECT '{"a":1, "b":2}'::jsonb ? 'a';

 ?column?

----------

 t

(1 row)

 

删除json数据的键/值,如下所示:

 

 

mydb=> SELECT '{"a":1, "b":2}'::jsonb - 'a';

 ?column?

----------

 {"b": 2}

(1 row)

 

5、JSONB与JSON函数
 

 

json与jsonb相关的函数非常丰富,举例如下:

 

扩展最外层的json对象成为一组键/值结果集,如下所示:

 

 

mydb=> SELECT * FROM json_each('{"a":"foo", "b":"bar"}');

 key | value

-----+-------

 a   | "foo"

 b   | "bar"

(2 rows)

 

以文本形式返回结果,如下所示:

 

 

mydb=> SELECT * FROM json_each_text('{"a":"foo", "b":"bar"}');

 key | value

-----+-------

 a   | foo

 b   | bar

(2 rows) 

 

一个非常重要的函数为row_to_json()函数,能够将行作为json对象返回,此函数常用来生成json测试数据,比如将一个普通表转换成json类型表:

 

 

mydb=> SELECT * FROM test_copy WHERE id=1;

 id | name

----+------

  1 | a

(1 row)

 

mydb=> SELECT row_to_json(test_copy) FROM test_copy WHERE id=1;

     row_to_json     

---------------------

 {"id":1,"name":"a"}

(1 row)

 

返回最外层的json对像中的键的集合,如下所示:

 

 

mydb=> SELECT * FROM json_object_keys('{"a":"foo", "b":"bar"}');

 json_object_keys

------------------

 a

 b

(2 rows)

 

6、jsonb键/值的追加、删除、更新
 

 

jsonb键/值追加可通过||操作符,如下增加sex键/值:

 

 

mydb=> SELECT '{"name":"francs","age":"31"}'::jsonb ||

'{"sex":"male"}'::jsonb;

                    ?column?                    

------------------------------------------------

 {"age": "31", "sex": "male", "name": "francs"}

(1 row)

 

jsonb键/值的删除有两种方法,一种是通过操作符号-删除,另一种通过操作符#-删除指定键/值。

 

通过操作符号-删除键/值如下:

 

 

mydb=> SELECT '{"name": "James", "email": "james@localhost"}'::jsonb

 - 'email';

     ?column?      

-------------------

 {"name": "James"}

(1 row)

 

mydb=> SELECT '["red","green","blue"]'::jsonb - 0;

     ?column?      

-------------------

 ["green", "blue"]

 

第二种方法是通过操作符#-删除指定键/值,通常用于有嵌套json数据删除的场景,如下删除嵌套contact中的fax键/值:

 

 

mydb=> SELECT '{"name": "James", "contact": {"phone": "01234 567890", "fax": "01987 543210"}}'::jsonb #- '{contact,fax}'::text[];

                        ?column?                         

---------------------------------------------------------

 {"name": "James", "contact": {"phone": "01234 567890"}}

(1 row)

 

删除嵌套aliases中的位置为1的键/值,如下所示:

 

 

mydb=> SELECT '{"name": "James", "aliases": ["Jamie","The Jamester","J Man"]}'::jsonb #- '{aliases,1}'::text[];

                     ?column?                     

--------------------------------------------------

 {"name": "James", "aliases": ["Jamie", "J Man"]}

(1 row)

 

键/值的更新也有两种方式,第一种方式为||操作符,||操作符可以连接json键,也可覆盖重复的键值,如下修改age键的值:

 

 

mydb=> SELECT '{"name":"francs","age":"31"}'::jsonb ||

'{"age":"32"}'::jsonb;

            ?column?             

---------------------------------

 {"age": "32", "name": "francs"}

(1 row)

 

第二种方式是通过jsonb_set函数,语法如下:

 

 
jsonb_set(target jsonb, path text[], new_value jsonb[, create_missing boolean])

 

target指源jsonb数据,path指路径,new_value指更新后的键值,create_missing 值为 true表示如果键不存在则添加,create_missing 值为 false表示如果键不存在则不添加,示例如下:

 

 

mydb=> SELECT jsonb_set('{"name":"francs","age":"31"}'::jsonb,'{age}','"32"'::jsonb,false);

            jsonb_set            

---------------------------------

 {"age": "32", "name": "francs"}

(1 row)

 

mydb=> SELECT jsonb_set('{"name":"francs","age":"31"}'::jsonb,'{sex}','"male"'::jsonb,true);

                   jsonb_set                    

------------------------------------------------

 {"age": "31", "sex": "male", "name": "francs"}

(1 row)

 

7、给JSONB类型创建索引
 

 

这一小节介绍给jsonb数据类型创建索引,jsonb数据类型支持GIN索引,为了便于说明,假如一个json字段内容如下,并且以jsonb格式存储。

 

 

{

  "id": 1,

  "user_id": 1440933,

  "user_name": "1_francs",

  "create_time": "2017-08-03 16:22:05.528432+08"

}

 

假如存储以上jsonb数据的字段名为user_info,表名为tbl_user_jsonb,在user_info字段上创建GIN索引语法如下:

 

 
CREATE INDEX idx_gin ON tbl_user_jsonb USING gin(user_info);

 

jsonb上的GIN索引支持@>、?、 ?&、?|操作符,例如以下查询将会使用索引:

 

 
SELECT * FROM tbl_user_jsonb WHERE user_info @> '{"user_name": "1_frans"}'

 

但是以下基于jsonb键值的查询不会走索引idx_gin,如下所示:

 

 
SELECT * FROM tbl_user_jsonb WHERE user_info->>'user_name'= '1_francs';

 

如果要想提升基于jsonb类型的键值检索效率,可以在jsonb数据类型对应的键值上创建索引,如下所示:

 

 

CREATE INDEX idx_gin_user_infob_user_name ON tbl_user_jsonb USING btree

((user_info ->> 'user_name'));

 

创建以上索引后,上述根据user_info->>'user_name'键值查询的SQL将会走索引。

 

二、JSON与JSONB读写性能测试

 

前面介绍了jsonb数据类型索引创建相关内容,本部分将对json、jsonb读写性能进行简单对比。json与jsonb读写性能存在差异,主要表现为json写入时比jsonb快,但检索时比jsonb慢,主要原因为:

 

json存储格式为文本,而jsonb存储格式为二进制,存储格式的不同使得两种json数据类型的处理效率不一样,json类型存储的内容和输入数据一样,当检索json数据时必须重新解析,而jsonb以二进制形式存储已解析好的数据,当检索jsonb数据时不需要重新解析。

 

1、构建JSON、JSONB测试表
 

 

下面通过一个简单的例子测试下json、jsonb的读写性能差异,计划创建以下三张表:

 

  • quser_ini:基础数据表,并插入200万测试数据;

  • qtbl_user_json: json 数据类型表,200万数据;

  • qtbl_user_jsonb:jsonb 数据类型表,200万数据。

 

首先创建user_ini表并插入200万测试数据,如下:

 

 

mydb=> CREATE TABLE user_ini(id int4 ,user_id int8, user_name character

varying(64),create_time timestamp(6) with time zone default

clock_timestamp());

CREATE TABLE

 

mydb=> INSERT INTO user_ini(id,user_id,user_name)

SELECT r,round(random()*2000000), r || '_francs'

FROM generate_series(1,2000000) as r;

INSERT 0 2000000

 

计划使用user_ini表数据生成json、jsonb数据,创建user_ini_json、user_ini_jsonb表,如下所示:

 

 

mydb=> CREATE TABLE tbl_user_json(id serial, user_info json);

CREATE TABLE

mydb=> CREATE TABLE tbl_user_jsonb(id serial, user_info jsonb);

CREATE TABLE

 

2、JSON与JSONB表写性能测试
 

 

根据user_ini数据通过row_to_json函数向表user_ini_json插入200万json数据,如下:

 

 

mydb=> \timing

Timing is on.

 

mydb=> INSERT INTO tbl_user_json(user_info) SELECT row_to_json(user_ini)

FROM user_ini;

INSERT 0 2000000

Time: 13825.974 ms (00:13.826)

 

从以上结果看出tbl_user_json插入200万数据花了13秒左右;接着根据user_ini表数据生成200万jsonb数据并插入表tbl_user_jsonb,如下:

 

 

mydb=> INSERT INTO tbl_user_jsonb(user_info)

 SELECT row_to_json(user_ini)::jsonb FROM user_ini;    

INSERT 0 2000000

Time: 20756.993 ms (00:20.757)

 

从以上看出tbl_user_jsonb表插入200万jsonb数据花了20秒左右,正好验证了json数据写入比jsonb快,比较两表占用空间大小,如下所示:

 

 

mydb=> \dt+ tbl_user_json

                       List of relations

 Schema |     Name      | Type  | Owner  |  Size  | Description

--------+---------------+-------+--------+--------+-------------

 pguser | tbl_user_json | table | pguser | 281 MB |

(1 row)

mydb=> \dt+ tbl_user_jsonb

                        List of relations

 Schema |      Name      | Type  | Owner  |  Size  | Description

--------+----------------+-------+--------+--------+-------------

 pguser | tbl_user_jsonb | table | pguser | 333 MB |

(1 row)

 

从占用空间来看,同样的数据量jsonb数据类型占用空间比json稍大。

 

查询tbl_user_json表的一条测试数据,如下:

 

 

mydb=> SELECT * FROM tbl_user_json LIMIT 1;

   id    |                                             user_info                                             

---------+------------------------------------------------------------------------------------

 2000001 | {"id":1,"user_id":1182883,"user_name":"1_francs","create_time":"2017-08-03T20:59:27.42741+08:00"}

(1 row)

 

3、JSON与JSONB表读性能测试
 

 

对于json、jsonb读性能测试我们选择基于json、jsonb键值查询的场景,例如,根据user_info字段的user_name键的值查询,如下所示:

 

 

mydb=> EXPLAIN ANALYZE SELECT * FROM tbl_user_jsonb WHERE user_info->>'user_name'='1_francs';

                          QUERY PLAN                                                     

-------------------------------------------------------------------------------------

 Seq Scan on tbl_user_jsonb  (cost=0.00..72859.90 rows=10042 width=143) (actual time=0.023..524.843 rows=1 loops=1)

   Filter: ((user_info ->> 'user_name'::text) = '1_francs'::text)

   Rows Removed by Filter: 1999999

 Planning time: 0.091 ms

 Execution time: 524.876 ms

(5 rows)

 

上述SQL执行时间为524毫秒左右,基于user_info字段的user_name键值创建btree索引如下:

 

 

mydb=> CREATE INDEX idx_jsonb ON tbl_user_jsonb USING btree

((user_info->>'user_name'));

 

再次执行上述查询,如下所示:

 

 

mydb=> EXPLAIN ANALYZE SELECT * FROM tbl_user_jsonb WHERE user_info->>'user_name'='1_francs';

                                   QUERY PLAN                                                         

-------------------------------------------------------------------------------------

 Bitmap Heap Scan on tbl_user_jsonb  (cost=155.93..14113.93 rows=10000 width=143) (actual time=0.027..0.027 rows=1 loops=1)

   Recheck Cond: ((user_info ->> 'user_name'::text) = '1_francs'::text)

   Heap Blocks: exact=1

   ->  Bitmap Index Scan on idx_jsonb  (cost=0.00..153.43 rows=10000 width=0) (actual time=0.021..0.021 rows=1 loops=1)

         Index Cond: ((user_info ->> 'user_name'::text) = '1_francs'::text)

 Planning time: 0.091 ms

 Execution time: 0.060 ms

(7 rows)

 

根据上述执行计划看出走了索引,并且SQL时间下降到0.060ms。为更好地对比tbl_user_json、tbl_user_jsonb表基于键值查询的效率,计划根据user_info字段id键进行范围扫描对比性能,创建索引如下:

 

 

mydb=> CREATE INDEX idx_gin_user_info_id ON tbl_user_json USING btree

(((user_info ->> 'id')::integer));

CREATE INDEX

 

mydb=> CREATE INDEX idx_gin_user_infob_id ON tbl_user_jsonb USING btree

(((user_info ->> 'id')::integer));

CREATE INDEX

 

索引创建后,查询tbl_user_json表如下:

 

 

mydb=> EXPLAIN ANALYZE SELECT id,user_info->'id',user_info->'user_name'

 FROM tbl_user_json

WHERE (user_info->>'id')::int4>1 AND (user_info->>'id')::int4<10000;

                               QUERY PLAN                                                            

-------------------------------------------------------------------------------------

 Bitmap Heap Scan on tbl_user_json  (cost=166.30..14178.17 rows=10329 width=68) (actual time=1.167..26.534 rows=9998 loops=1)

   Recheck Cond: ((((user_info ->> 'id'::text))::integer > 1) AND (((user_info ->> 'id'::text))::integer < 10000))

   Heap Blocks: exact=338

   ->  Bitmap Index Scan on idx_gin_user_info_id  (cost=0.00..163.72 rows=10329 width=0) (actual time=1.110..1.110 rows=19996 loops=

1)

         Index Cond: ((((user_info ->> 'id'::text))::integer > 1) AND (((user_info ->> 'id'::text))::integer < 10000))

 Planning time: 0.094 ms

 Execution time: 27.092 ms

(7 rows)

 

根据以上看出,查询表tbl_user_json的user_info字段id键值在1到10000范围内的记录走了索引,并且执行时间为27.092毫秒,接着测试tbl_user_jsonb表同样SQL的检索性能,如下所示:

 

 

mydb=> EXPLAIN ANALYZE SELECT id,user_info->'id',user_info->'user_name'

 FROM tbl_user_jsonb

WHERE (user_info->>'id')::int4>1 AND (user_info->>'id')::int4<10000;

                        QUERY PLAN                                                           

-------------------------------------------------------------------------------------

 Bitmap Heap Scan on tbl_user_jsonb  (cost=158.93..14316.93 rows=10000 width=68) (actual time=1.140..8.116 rows=9998 loops=1)

   Recheck Cond: ((((user_info ->> 'id'::text))::integer > 1) AND (((user_info ->> 'id'::text))::integer < 10000))

   Heap Blocks: exact=393

   ->  Bitmap Index Scan on idx_gin_user_infob_id  (cost=0.00..156.43 rows=10000 width=0) (actual time=1.058..1.058 rows=18992 loops

=1)

         Index Cond: ((((user_info ->> 'id'::text))::integer > 1) AND (((user_info ->> 'id'::text))::integer < 10000))

 Planning time: 0.104 ms

 Execution time: 8.656 ms

(7 rows)

 

根据以上看出,查询表tbl_user_jsonb的user_info字段id键值在1到10000范围内的记录走了索引并且执行时间为8.656毫秒,从这个测试看出jsonb检索比json效率高。

 

从以上两个测试看出,正好验证了“json写入比jsonb快,但检索时比jsonb慢”的观点,值得一提的是如果需要通过key/value进行检索,例如以下:

 

 
SELECT * FROM tbl_user_jsonb WHERE user_info @> '{"user_name": "2_francs"}';

 

这时执行计划为全表扫描,如下所示:

 

 

mydb=> EXPLAIN ANALYZE SELECT * FROM tbl_user_jsonb WHERE user_info @> '{"user_name": "2_francs"}';

                                QUERY PLAN                                                     

------------------------------------------------------------------------------------

 Seq Scan on tbl_user_jsonb  (cost=0.00..67733.00 rows=2000 width=143) (actual time=0.018..582.207 rows=1 loops=1)

   Filter: (user_info @> '{"user_name": "2_francs"}'::jsonb)

   Rows Removed by Filter: 1999999

 Planning time: 0.065 ms

 Execution time: 582.232 ms

(5 rows)

 

从以上看出执行时间为582毫秒左右,在tbl_user_jsonb字段user_info上创建gin索引,如下所示:

 

 

mydb=> CREATE INDEX idx_tbl_user_jsonb_user_Info ON tbl_user_jsonb USING gin

 (user_Info);

CREATE INDEX

 

索引创建后,再次执行以下,如下所示:

 

 

mydb=> EXPLAIN ANALYZE SELECT * FROM tbl_user_jsonb WHERE user_info @> '{"user_name": "2_francs"}';

                                  QUERY PLAN                                                           

-------------------------------------------------------------------------------------

 Bitmap Heap Scan on tbl_user_jsonb  (cost=37.50..3554.34 rows=2000 width=143) (actual time=0.079..0.080 rows=1 loops=1)

   Recheck Cond: (user_info @> '{"user_name": "2_francs"}'::jsonb)

   Heap Blocks: exact=1

   ->  Bitmap Index Scan on idx_tbl_user_jsonb_user_info  (cost=0.00..37.00 rows=2000 width=0) (actual time=0.069..0.069 rows=1 loop

s=1)

         Index Cond: (user_info @> '{"user_name": "2_francs"}'::jsonb)

 Planning time: 0.094 ms

 Execution time: 0.114 ms

(7 rows)

 

从以上看出走了索引,并且执行时间下降到了0.114毫秒。

 

这部分内容测试了json、jsonb数据类型读写性能差异,验证了json写入时比jsonb快,但检索时比jsonb慢的观点。

 

三、全文检索支持JSON和JSONB

 

接下来我们来介绍PostgreSQL 10的一个新特性:全文检索支持json、jsonb数据类型。这部分我们会分两部分来说明,第一部分简单介绍PostgreSQL全文检索,第二部分演示全文检索对json、jsonb数据类型的支持。

 

1、PostgreSQL全文检索简介
 

 

对于大多数应用全文检索很少放到数据库中实现,一般使用单独的全文检索引擎,例如基于SQL全文检索引擎Sphinx。PostgreSQL支持全文检索,对于规模不大的应用如果不想搭建专门的搜索引擎,PostgreSQL的全文检索也可以满足需求。

 

如果没有使用专门的搜索引擎,大部检索需要通过数据库like操作匹配,这种检索方式主要缺点在于:

 

  • 不能很好的支持索引,通常需全表扫描检索数据,数据量大时检索性能很低;

  • 不提供检索结果排序,当输出结果数据量非常大时表现更加明显。

 

PostgreSQL全文检索能有效地解决这个问题,PostgreSQL全文检索通过以下两种数据类型来实现。

 

Tsvector

 

tsvector全文检索数据类型代表一个被优化的可以基于搜索的文档,将一串字符串转换成tsvector全文检索数据类型,如下:

 

 

mydb=> SELECT 'Hello,cat,how are u? cat is smiling! '::tsvector;

                     tsvector                     

--------------------------------------------------

 'Hello,cat,how' 'are' 'cat' 'is' 'smiling!' 'u?'

(1 row)

 

可以看到,字符串的内容被分隔成好几段,但通过::tsvector只是做类型转换,没有进行数据标准化处理,对于英文全文检索可通过函数to_tsvector进行数据标准化,如下所示:

 

 

mydb=> SELECT to_tsvector('english','Hello cat,');

    to_tsvector    

-------------------

 'cat':2 'hello':1

(1 row)

 

Tsquery

 

tsquery表示一个文本查询,存储用于搜索的词,并且支持布尔操作&、|、!,将字符串转换成tsquery,如下所示:

 

 

mydb=> SELECT  'hello&cat'::tsquery;

     tsquery     

-----------------

 'hello' & 'cat'

(1 row)

 

上述只是转换成tsquery类型,而并没有做标准化,使用to_tsquery函数可以执行标准化,如下所示:

 

 

mydb=> SELECT to_tsquery( 'hello&cat' );

   to_tsquery    

-----------------

 'hello' & 'cat'

(1 row)

 

一个全文检索示例如下,检索字符串是否包括hello和cat字符,本例中返回真。

 

 

mydb=> SELECT to_tsvector('english','Hello cat,how are u') @@

to_tsquery( 'hello&cat' );

 ?column?

----------

 t

(1 row)

 

检索字符串是否包含字符hello和dog,本例中返回假。

 

 

mydb=> SELECT to_tsvector('english','Hello cat,how are u') @@

 to_tsquery( 'hello&dog' );

 ?column?

----------

 f

(1 row)

 

有兴趣的读者可以测试tsquery的其他操作符,例如|、!等。

 

注意:这里使用了带双参数的to_tsvector函数,函数to_tsvector双参数的格式如下:

to_tsvector([ config regconfig , ] document text),本节to_tsvector函数指定了config参数为english,如果不指定config参数,则默认使用default_text_search_config参数的配置。

 

英文全文检索例子

 

下面演示一个英文全文检索示例,创建一张测试表并插入200万测试数据,如下所示:

 

 

mydb=> CREATE TABLE test_search(id int4,name text);

CREATE TABLE

mydb=> INSERT INTO test_search(id,name) SELECT n, n||'_francs'

FROM generate_series(1,2000000) n;

INSERT 0 2000000

 

执行以下SQL,查询test_search表name字段包含字符1_francs的记录。

 

 

mydb=> SELECT * FROM test_search WHERE name LIKE '1_francs';

 id |   name   

----+----------

  1 | 1_francs

(1 row)

 

执行计划如下:

 

 

mydb=> EXPLAIN ANALYZE SELECT * FROM test_search WHERE name LIKE '1_francs';

                                      QUERY PLAN                                                  

-------------------------------------------------------------------------------------Seq Scan on test_search  (cost=0.00..38465.04 rows=204 width=18) (actual time=0.022..261.766 rows=1 loops=1)

   Filter: (name ~~ '1_francs'::text)

   Rows Removed by Filter: 1999999

 Planning time: 0.101 ms

 Execution time: 261.796 ms

(5 rows)

 

以上执行计划走了全表扫描,执行时间为261毫秒左右,性能很低,接着创建索引,如下所示:

 

 

mydb=> CREATE INDEX idx_gin_search ON test_search USING gin

(to_tsvector('english',name));

CREATE INDEX

 

执行以下SQL,查询test_search表name字段包含字符1_francs的记录。

 

 

mydb=> SELECT * FROM test_search WHERE to_tsvector('english',name) @@

to_tsquery('english','1_francs');

 id |   name   

----+----------

  1 | 1_francs

(1 row)

 

再次查看执行计划和执行时间,如下所示:

 

 

mydb=> EXPLAIN ANALYZE SELECT * FROM test_search WHERE to_tsvector('english',name) @@

to_tsquery('english','1_francs');

                                        QUERY PLAN                                                        

-------------------------------------------------------------------------------------

 Bitmap Heap Scan on test_search  (cost=18.39..128.38 rows=50 width=36) (actual time=0.071..0.071 rows=1 loops=1)

   Recheck Cond: (to_tsvector('english'::regconfig, name) @@ '''1'' & ''franc'''::tsquery)

   Heap Blocks: exact=1

   ->  Bitmap Index Scan on idx_gin_search  (cost=0.00..18.38 rows=50 width=0) (actual time=0.064..0.064 rows=1 loops=1)

         Index Cond: (to_tsvector('english'::regconfig, name) @@ '''1'' & ''franc'''::tsquery)

 Planning time: 0.122 ms

 Execution time: 0.104 ms

(7 rows)

 

创建索引后,以上查询走了索引并且执行时间下降到0.104毫秒,性能提升了3个数量级,值得一提的是如果SQL改成以下,则不走索引,如下所示:

 

 

mydb=> EXPLAIN ANALYZE SELECT * FROM test_search

 WHERE to_tsvector(name) @@ to_tsquery('1_francs');

                                 QUERY PLAN                                                    

-------------------------------------------------------------------------------------

 Seq Scan on test_search  (cost=0.00..1037730.00 rows=50 width=18) (actual time=0.036..10297.764 rows=1 loops=1)

   Filter: (to_tsvector(name) @@ to_tsquery('1_francs'::text))

   Rows Removed by Filter: 1999999

 Planning time: 0.098 ms

 Execution time: 10297.787 ms

(5 rows)

 

由于创建索引时使用的是to_tsvector('english',name)函数索引,带了两个参数,因此where条件中的to_tsvector函数带两个参数才能走索引,而to_tsvector(name)不走索引。

 

2、JSON、JSONB全文检索实践
 

 

在PostgreSQL 10版本之前全文检索不支持json和jsonb数据类型,10版本的一个重要特性是全文检索支持json和jsonb数据类型。

 

10版本与9.6版本to_tsvector函数的差异

 

先来看下9.6版本to_tsvector函数,如下:

 

 

[postgres@pghost1 ~]$ psql francs francs

psql (9.6.3)

Type "help" for help.

 

mydb=> \df *to_tsvector*

                                List of functions

   Schema   |       Name        | Result data type | Argument data types |  Type  

------------+-------------------+------------------+---------------------+--------

 pg_catalog | array_to_tsvector | tsvector         | text[]              | normal

 pg_catalog | to_tsvector       | tsvector         | regconfig, text     | normal

 pg_catalog | to_tsvector       | tsvector         | text                | normal

(3 rows)

 

从以上看出9.6版本to_tsvector函数的输入参数仅支持text、text[]数据类型,接着看下10版本的to_tsvector函数,如下所示:

 

 

[postgres@pghost1 ~]$ psql mydb pguser

psql (10.0)

Type "help" for help.

mydb=> \df *to_tsvector*

                                List of functions

   Schema   |       Name        | Result data type | Argument data types |  Type  

------------+-------------------+------------------+---------------------+--------

 pg_catalog | array_to_tsvector | tsvector         | text[]              | normal

 pg_catalog | to_tsvector       | tsvector         | json                | normal

 pg_catalog | to_tsvector       | tsvector         | jsonb               | normal

 pg_catalog | to_tsvector       | tsvector         | regconfig, json     | normal

 pg_catalog | to_tsvector       | tsvector         | regconfig, jsonb    | normal

 pg_catalog | to_tsvector       | tsvector         | regconfig, text     | normal

 pg_catalog | to_tsvector       | tsvector         | text                | normal

(7 rows)

 

从以上看出,10版本的to_tsvector函数支持的数据类型增加了json和jsonb。

 

创建数据生成函数

 

为了便于生成测试数据,创建以下两个函数用来随机生成指定长度的字符串,创建random_range(int4, int4)函数如下:

 

 

CREATE OR REPLACE FUNCTION random_range(int4, int4)

RETURNS int4

LANGUAGE SQL

AS $$

    SELECT ($1 + FLOOR(($2 - $1 + 1) * random() ))::int4;

$$;

 

接着创建random_text_simple(length int4)函数,此函数会调用random_range(int4, int4)函数。

 

 

CREATE OR REPLACE FUNCTION random_text_simple(length int4)

RETURNS text

LANGUAGE PLPGSQL

AS $$

DECLARE

    possible_chars text := '0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ';

    output text := '';

    i int4;

    pos int4;

BEGIN

 

    FOR i IN 1..length LOOP

        pos := random_range(1, length(possible_chars));

        output := output || substr(possible_chars, pos, 1);

    END LOOP;

 

    RETURN output;

END;

$$;

 

random_text_simple(length int4)函数可以随机生成指定长度字符串,如下随机生成含三位字符的字符串:

 

 

mydb=> SELECT random_text_simple(3);

 random_text_simple

--------------------

 LL9

(1 row)

 

随机生成含六位字符的字符串,如下所示:

 

 

mydb=> SELECT random_text_simple(6);

 random_text_simple

--------------------

 B81BPW

(1 row)

 

后面会用到这个函数生成测试数据。

 

创建JSON测试表

 

创建user_ini测试表,并通过random_text_simple(length int4)函数插入100万随机生成六位字符的字符串测试数据,如下所示:

 

 

mydb=> CREATE TABLE user_ini(id int4 ,user_id int8,

user_name character varying(64),

create_time timestamp(6) with time zone default clock_timestamp());

CREATE TABLE

 

mydb=> INSERT INTO user_ini(id,user_id,user_name)

SELECT r,round(random()*1000000), random_text_simple(6)

FROM generate_series(1,1000000) as r;

INSERT 0 1000000

 

创建tbl_user_search_json表,并通过row_to_json函数将表user_ini行数据转换成json数据,如下所示:

 

 

mydb=> CREATE TABLE tbl_user_search_json(id serial, user_info json);

CREATE TABLE

 

mydb=> INSERT INTO tbl_user_search_json(user_info)

 SELECT row_to_json(user_ini) FROM user_ini;

INSERT 0 1000000

 

生成的数据如下:

 

 

mydb=> SELECT * FROM tbl_user_search_json LIMIT 1;

 id |                                            user_info                                            

----+-----------------------------------------------------------------------------------------------

  1 | {"id":1,"user_id":186536,"user_name":"KTU89H","create_time":"2017-08-05T15:59:25.359148+08:00"}

(1 row)

 

JSON数据全文检索测试

 

使用全文检索查询表tbl_user_search_json的user_info字段中包含KTU89H字符的记录,如下所示:

 

 

mydb=> SELECT * FROM tbl_user_search_json

WHERE to_tsvector('english',user_info) @@ to_tsquery('ENGLISH','KTU89H');

 id |                                            user_info                                            

----+----------------------------------------------------------------------------------------

  1 | {"id":1,"user_id":186536,"user_name":"KTU89H","create_time":"2017-08-05T15:59:25.359148+08:00"}

(1 row)

 

以上SQL能正常执行说明全文检索支持json数据类型,只是上述SQL走了全表扫描性能低,执行时间为8061毫秒,如下所示:

 

 

mydb=> EXPLAIN ANALYZE SELECT * FROM tbl_user_search_json

 WHERE to_tsvector('english',user_info) @@ to_tsquery('ENGLISH','KTU89H');

                                        QUERY PLAN                                                         

-----------------------------------------------------------------------------------

 Seq Scan on tbl_user_search_json  (cost=0.00..279513.00 rows=5000 width=104) (actual time=0.046..8061.858 rows=1 loops=1)

   Filter: (to_tsvector('english'::regconfig, user_info) @@ '''ktu89h'''::tsquery)

   Rows Removed by Filter: 999999

 Planning time: 0.091 ms

 Execution time: 8061.880 ms

(5 rows)

 

创建如下索引:

 

 

mydb=>  CREATE INDEX idx_gin_search_json ON tbl_user_search_json USING

gin(to_tsvector('english',user_info));

 CREATE INDEX

 

索引创建后,再次执行以下SQL,如下所示:

 

 

mydb=> EXPLAIN ANALYZE SELECT * FROM tbl_user_search_json WHERE to_tsvector('english',user_info) @@ to_tsquery('ENGLISH','KTU89H');

                                        QUERY PLAN                                                           

-------------------------------------------------------------------------------------

 Bitmap Heap Scan on tbl_user_search_json  (cost=50.75..7876.06 rows=5000 width=104) (actual time=0.024..0.024 rows=1 loops=1)

   Recheck Cond: (to_tsvector('english'::regconfig, user_info) @@ '''ktu89h'''::tsquery)

   Heap Blocks: exact=1

   ->  Bitmap Index Scan on idx_gin_search_json  (cost=0.00..49.50 rows=5000 width=0) (actual time=0.018..0.018 rows=1 loops=1)

         Index Cond: (to_tsvector('english'::regconfig, user_info) @@ '''ktu89h'''::tsquery)

 Planning time: 0.113 ms

 Execution time: 0.057 ms

(7 rows)

 

从上述执行计划看出走了索引,并且执行时间降为0.057毫秒,性能非常不错。

 

这一小节前一部分对PostgreSQL全文检索的实现做了简单介绍,并且给出了一个英文检索的例子,后一部分通过示例介绍了PostgreSQL10的一个新特性,即全文检索支持json、jsonb类型。

 

四、总结

 

本文介绍了PostgreSQL的NoSQL特性,首先介绍了json和jsonb数据类型,之后通过示例对比json、jsonb数据类型读写性能差异,最后介绍了PostgreSQL全文检索对json、jsonb类型的支持(PostgreSQL 10新特性);值得一提的是,PostgreSQL对中文全文检索也是支持的,有兴趣的读者可自行测试。

活动预告