A 블룸색인은 다음 매개변수를 허용합니다함께절:

이것은 블룸 인덱스 생성의 예입니다:

블룸(i1,i2,i3)을 사용하여 tbloom에서 인덱스 Bloomidx 생성
       WITH (길이=80, 열1=2, 열2=2, 열3=4);

인덱스는 80비트의 서명 길이로 생성되며 속성 i1 및 i2는 2비트에 매핑되고 속성 i3은 4비트에 매핑됩니다. 우리는 생략할 수 있었습니다길이, col1및col2기본값이 있으므로 사양입니다.

다음은 블룸 인덱스 정의 및 사용법에 대한 더 완전한 예와 동등한 btree 인덱스와의 비교입니다. 블룸 인덱스는 btree 인덱스보다 상당히 작으며 더 나은 성능을 발휘할 수 있습니다.

=# CREATE TABLE tbloom AS
   선택
     (random() * 1000000)::int를 i1로,
     (random() * 1000000)::int를 i2로,
     (random() * 1000000)::int를 i3으로,
     (random() * 1000000)::int를 i4로,
     (random() * 1000000)::int를 i5로,
     (random() * 1000000)::int(i6)
   에서
  generate_series(1,10000000);
10000000을 선택하세요.

이 큰 테이블에 대한 순차적 스캔에는 시간이 오래 걸립니다.

=# 설명 분석 선택 * FROM tbloom WHERE i2 = 898732 AND i5 = 123451;
                                              쿼리 계획
------------------------------------------------------​----------------------
 tbloom의 Seq 스캔(비용=0.00..213744.00 행=250 너비=24)(실제 시간=357.059..357.059 행=0 루프=1)
   필터: ((i2 = 898732) AND (i5 = 123451))
   필터에 의해 제거된 행: 10000000
 계획 시간: 0.346ms
 실행 시간: 357.076ms
(5행)

btree 배트맨 토토가 정의되어 있어도 결과는 여전히 순차 스캔입니다:

=# tbloom에서 btreeidx 배트맨 토토 생성(i1, i2, i3, i4, i5, i6);
배트맨 토토 생성
=# SELECT pg_size_pretty(pg_relation_size('btreeidx'));
 pg_size_pretty
----------------
 386MB
(1줄)
=# 분석 선택 설명 * tbloom에서 i2 = 898732 AND i5 = 123451;
                                              쿼리 계획
------------------------------------------------------​----------------------
 tbloom의 Seq 스캔(비용=0.00..213744.00 행=2 너비=24)(실제 시간=351.016..351.017 행=0 루프=1)
   필터: ((i2 = 898732) AND (i5 = 123451))
   필터에 의해 제거된 행: 10000000
 계획 시간: 0.138ms
 실행 시간: 351.035ms
(5행)

테이블에 블룸 인덱스를 정의하는 것이 이러한 유형의 검색을 처리하는 데 있어서 btree보다 낫습니다:

=# 블룸(i1, i2, i3, i4, i5, i6)을 사용하여 tbloom에서 인덱스 Bloomidx를 생성합니다.
인덱스 생성
=# SELECT pg_size_pretty(pg_relation_size('bloomidx'));
 pg_size_pretty
----------------
 153MB
(1줄)
=# 분석 선택 설명 * tbloom에서 i2 = 898732 AND i5 = 123451;
                                                     쿼리 계획
------------------------------------------------------​--------------------------------------
 tbloom의 비트맵 힙 스캔(비용=1792.00..1799.69 행=2 너비=24) (실제 시간=22.605..22.606 행=0 루프=1)
   조건 다시 확인: ((i2 = 898732) AND (i5 = 123451))
   인덱스 재검사로 제거된 행: 2300
   힙 블록: 정확한=2256
   - Bloomidx의 비트맵 인덱스 스캔(비용=0.00..178436.00 행=1 너비=0)(실제 시간=20.005..20.005 행=2300 루프=1)
         지수 조건: ((i2 = 898732) AND (i5 = 123451))
 계획 시간: 0.099ms
 실행 시간: 22.632ms
(8행)

이제, btree 검색의 주요 문제는 검색 조건이 선행 인덱스 열을 제한하지 않을 때 btree가 비효율적이라는 것입니다. btree에 대한 더 나은 전략은 각 열에 별도의 인덱스를 만드는 것입니다. 그런 다음 기획자는 다음과 같은 것을 선택합니다.

=# tbloom(i1)에서 배트맨 토토 btreeidx1 생성;
배트맨 토토 생성
=# tbloom(i2)에서 배트맨 토토 btreeidx2 생성;
배트맨 토토 생성
=# tbloom(i3)에서 배트맨 토토 btreeidx3 생성;
배트맨 토토 생성
=# tbloom(i4)에서 배트맨 토토 btreeidx4 생성;
배트맨 토토 생성
=# tbloom(i5)에서 배트맨 토토 btreeidx5 생성;
배트맨 토토 생성
=# tbloom(i6)에서 배트맨 토토 btreeidx6 생성;
배트맨 토토 생성
=# 분석 선택 설명 * tbloom에서 i2 = 898732 AND i5 = 123451;
                                                        쿼리 계획
------------------------------------------------------​--------------------------------------------
 tbloom의 비트맵 힙 스캔(비용=9.29..13.30행=1 너비=24)(실제 시간=0.032..0.033행=0 루프=1)
   조건 다시 확인: ((i5 = 123451) AND (i2 = 898732))
   - BitmapAnd(비용=9.29..9.29행=1 너비=0)(실제 시간=0.047..0.047행=0 루프=1)
         - btreeidx5의 비트맵 배트맨 토토 스캔(비용=0.00..4.52 행=11 너비=0)(실제 시간=0.026..0.026 행=7 루프=1)
               지수 조건: (i5 = 123451)
         - btreeidx2의 비트맵 배트맨 토토 스캔(비용=0.00..4.52 행=11 너비=0)(실제 시간=0.007..0.007 행=8 루프=1)
               지수 조건: (i2 = 898732)
 계획 시간: 0.264ms
 실행 시간: 0.047ms
(9행)

이 쿼리는 단일 인덱스 중 하나를 사용할 때보다 훨씬 빠르게 실행되지만 인덱스 크기에 있어서 페널티가 발생합니다. 각 단일 열 btree 인덱스는 88.5MB를 차지하므로 필요한 총 공간은 블룸 인덱스에서 사용하는 공간의 3배가 넘는 531MB입니다.

블룸 인덱스에 대한 연산자 클래스에는 인덱스 데이터 유형에 대한 해시 함수와 검색에 대한 항등 연산자만 필요합니다. 이 예는에 대한 연산자 클래스 정의를 보여줍니다.텍스트데이터 유형:

연산자 클래스 생성 text_ops
Bloom AS를 사용하는 유형 텍스트의 기본값
    연산자 1 =(텍스트, 텍스트),
    기능 1 해시텍스트(텍스트);

테오도르 시가예프<teodor@postgrespro.ru, Postgres Professional, 러시아 모스크바

알렉산더 코로트코프<a.korotkov@postgrespro.ru, Postgres Professional, 러시아 모스크바

올렉 바르투노프<obartunov@postgrespro.ru, Postgres Professional, 러시아 모스크바