PostgreSQL 支持hstore 来存放KEY->VALUE这类数据， 其实也类似于ARRAY或者JSON类型。 要高效的使用这类数据，当然离不开高效的索引。我们今天就来看看两类不同的索引对于同一种检索请求的性能问题。

　　假如我们有这样一个原始表，基于str1字段有一个BTREE索引。

　　点击(此处)折叠或打开t_girl=# \d status_check;

　　Table "ytt.status_check"

　　Column | Type | Modifiers

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

　　is_yes | boolean | not null

　　str1 | character varying(20) | not null

　　str2 | character varying(20) | not null

　　Indexes:

　　"index_status_check_str1" btree (str1)

　　里面有10W条记录。 数据大概如下，

　　点击(此处)折叠或打开t_girl=# select * from status_check limit 2;

　　is_yes | str1 | str2

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

　　f | 0 | cfcd208495d565ef66e7

　　t | 1 | c4ca4238a0b923820dcc

　　(2 rows)

　　Time: 0.617 ms

　　t_girl=#

　　存放hstore类型的status_check_hstore 表结构，郑州牛皮癣医院基于str1_str2字段有一个GIST索引。

　　点击(此处)折叠或打开Table "ytt.status_check_hstore"

　　Column | Type | Modifiers

　　-----------+---------+-----------

　　is_yes | boolean |

　　str1_str2 | hstore |

　　Indexes:

　　"idx_str_str2_gist" gist (str1_str2)

　　t_girl=# select * from status_check_hstore limit 2;

　　is_yes | str1_str2

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

　　f | "0"=>"cfcd208495d565ef66e7"

　　t | "1"=>"c4ca4238a0b923820dcc"

　　(2 rows)

　　Time: 39.874 ms

　　接下来我们要得到跟查询原始表一样的结果，当然原始表的查询非常高效。 表语句以及结果如下，

　　点击(此处)折叠或打开t_girl=# select * from status_check where str1 in ('10','23','33');

　　is_yes | str1 | str2

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

　　t | 10 | d3d9446802a44259755d

　　t | 23 | 37693cfc748049e45d87

　　f | 33 | 182be0c5cdcd5072bb18

　　(3 rows)

　　Time: 0.690 ms

　　上面的语句用了不到1毫秒。

　　接下来我们对hstore表进行查询，

　　点击(此处)折叠或打开t_girl=# select is_yes,skeys(str1_str2),svals(str1_str2) from status_check_hstore where str1_str2 ?| array['10','23','33'];

　　is_yes | skeys | svals

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

　　t | 10 | d3d9446802a44259755d

　　t | 23 | 37693cfc748049e45d87

　　f | 33 | 182be0c5cdcd5072bb18

　　(3 rows)

　　Time: 40.256 ms

　　我的天，郑州牛皮癣专科医院比原始表的查询慢了几十倍。

　　看下查询计划，把所有行都扫描了一遍。

　　点击(此处)折叠或打开QUERY PLAN

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

　　Bitmap Heap Scan on status_check_hstore (cost=5.06..790.12 rows=100000 width=38)

　　Recheck Cond: (str1_str2 ?| '{10,23,33}'::text[])

　　-> Bitmap Index Scan on idx_str_str2_gist (cost=0.00..5.03 rows=100 width=0)

　　Index Cond: (str1_str2 ?| '{10,23,33}'::text[])

　　(4 rows)

　　Time: 0.688 ms

　　我们想办法来优化这条语句， 如果把这条语句变成跟原始语句一样的话，那么是否就可以用到BTREE索引了?

　　接下来，建立一个基于BTREE的函数索引，

　　点击(此处)折叠或打开t_girl=# create index idx_str1_str2_akeys on status_check_hstore using btree (array_to_string(akeys(str1_str2),','));

　　CREATE INDEX

　　Time: 394.123 ms

　　OK,变化语句来执行下同样的检索，

　　点击(此处)折叠或打开t_girl=# select is_yes,skeys(str1_str2),svals(str1_str2) from status_check_hstore where array_to_string(akeys(str1_str2),',') in ('10','23','33');

　　is_yes | skeys | svals

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

　　t | 10 | d3d9446802a44259755d

　　t | 23 | 37693cfc748049e45d87

　　f | 33 | 182be0c5cdcd5072bb18

　　(3 rows)

　　Time: 0.727 ms