3.Cmake中set的使用
2026/1/6 14:48:08
1. 索引创建基础语法
PostgreSQL 默认使用B-tree索引，通过CREATE INDEX命令创建；其他索引类型需通过USING关键字显式指定，通用语法如下：
-- 默认创建 B-tree 索引 CREATE INDEX 索引名 ON 表名 (列名); -- 创建指定类型的索引 CREATE INDEX 索引名 ON 表名 USING 索引类型 (列名); -- 示例：创建 Hash 索引 CREATE INDEX idx_user_id ON users USING HASH (user_id);
2. 核心索引类型及实操样例
2.1 B-tree 索引
2.1.1 核心特性
B-tree（平衡树）是 PostgreSQL 默认索引类型，适用于可排序数据的等值、范围查询，支持排序操作，是最通用的索引类型。
2.1.2 支持的操作符
- 基础比较：<（小于）、<=（小于等于）、=（等于）、>=（大于等于）、>（大于）
- 组合条件：BETWEEN（介于两值之间）、IN（匹配列表中任一值）
- 空值判断：IS NULL（为空）、IS NOT NULL（不为空）
- 模式匹配（有限支持）：
- LIKE 'foo%'（模糊匹配以foo开头的字符串）、~ '^foo'（正则匹配以foo开头的字符串）
- ILIKE（不区分大小写的模糊匹配）、~*（不区分大小写的正则匹配），仅模式以非字母开头时生效
2.1.3 实操样例
步骤1：创建测试表
-- 创建用户表 CREATE TABLE users ( id SERIAL PRIMARY KEY, username VARCHAR(50) NOT NULL, age INT, register_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP ); -- 插入测试数据 INSERT INTO users (username, age) VALUES ('zhangsan', 25), ('lisi', 30), ('wangwu', 28), ('zhaoliu', 35);
步骤2：创建 B-tree 索引
-- 为 age 列创建 B-tree 索引（默认类型，可省略 USING BTREE） CREATE INDEX idx_users_age ON users (age); -- 为 register_time 列创建 B-tree 索引（支持范围/排序） CREATE INDEX idx_users_register_time ON users (register_time);
步骤3：索引生效的查询场景
-- 等值查询（命中 idx_users_age） SELECT * FROM users WHERE age = 30; -- 范围查询（命中 idx_users_age） SELECT * FROM users WHERE age BETWEEN 25 AND 30; -- 排序查询（命中 idx_users_register_time） SELECT * FROM users ORDER BY register_time DESC LIMIT 2; -- 模式匹配（前缀匹配，命中 idx_users_username） CREATE INDEX idx_users_username ON users (username); SELECT * FROM users WHERE username LIKE 'zhang%';
2.2 Hash 索引
2.2.1 核心特性
存储索引列的 32 位哈希值，仅支持简单等值比较，功能单一但等值查询效率高，适用场景有限。
2.2.2 支持的操作符
仅等值判断：=
2.2.3 实操样例
步骤1：创建 Hash 索引
-- 为 username 列创建 Hash 索引（仅支持等值） CREATE INDEX idx_users_username_hash ON users USING HASH (username);
步骤2：索引生效的查询场景
-- 纯等值查询（命中 Hash 索引） SELECT * FROM users WHERE username = 'lisi'; -- 注意：以下场景 Hash 索引不生效，会走全表扫描 SELECT * FROM users WHERE username LIKE 'li%'; -- 范围/模糊查询不支持 SELECT * FROM users WHERE age = 28; -- 未创建 Hash 索引的列
2.3 GiST 索引
2.3.1 核心特性
GiST（Generalized Search Tree）并非单一索引，而是通用索引框架，可实现多种索引策略，支持复杂数据类型（如空间几何、全文检索）和“最近邻”搜索。
2.3.2 支持的操作符（以二维几何类型为例）
空间关系：<<（左侧）、&<（重叠左侧）、&>（重叠右侧）、>>（右侧）、<<|（下侧）、&<|（重叠下侧）、|&>（重叠上侧）、|>>（上侧）、@>（包含）、<@（被包含）、~=（相等）、&&（相交）；最近邻搜索：<->（距离运算符，用于按距离排序）
2.3.3 实操样例（空间数据场景）
步骤1：启用 PostGIS 扩展（需先安装）
CREATE EXTENSION IF NOT EXISTS postgis;
步骤2：创建空间数据表并插入数据
-- 创建地点表（包含地理坐标） CREATE TABLE places ( id SERIAL PRIMARY KEY, name VARCHAR(100), location GEOGRAPHY(POINT) -- 地理坐标类型 ); -- 插入测试地点（纬度、经度） INSERT INTO places (name, location) VALUES ('公园', ST_SetSRID(ST_MakePoint(116.40, 39.90), 4326)), ('商场', ST_SetSRID(ST_MakePoint(116.41, 39.91), 4326)), ('学校', ST_SetSRID(ST_MakePoint(116.39, 39.89), 4326));
步骤3：创建 GiST 索引
-- 为地理坐标列创建 GiST 索引 CREATE INDEX idx_places_location ON places USING GIST (location);
步骤4：索引生效的查询场景
-- 1. 空间包含查询（查找指定区域内的地点） SELECT * FROM places WHERE ST_DWithin(location, ST_SetSRID(ST_MakePoint(116.40, 39.90), 4326), 1000); -- 1000 米范围内 -- 2. 最近邻搜索（查找离指定坐标最近的 2 个地点） SELECT * FROM places ORDER BY location <-> ST_SetSRID(ST_MakePoint(116.40, 39.90), 4326) LIMIT 2;
2.4 SP-GiST 索引
2.4.1 核心特性
SP-GiST（Space-Partitioned Generalized Search Tree）是另一种通用索引框架，支持非平衡磁盘数据结构（四叉树、k-d 树、基数树等），适配空间分区类查询，轻量化高效。
2.4.2 支持的操作符（以二维点类型为例）
空间关系：<<（左侧）、>>（右侧）、~=（相等）、<@（被包含）、<<|（下侧）、|>>（上侧）；最近邻搜索：支持（依赖具体操作符类，常用<->距离运算符）
2.4.3 实操样例（二维点数据）
步骤1：创建二维点表并插入数据
-- 创建二维点表 CREATE TABLE points ( id SERIAL PRIMARY KEY, pos POINT -- 二维点类型 ); -- 插入测试数据 INSERT INTO points (pos) VALUES ('(1,2)'), ('(3,4)'), ('(5,6)'), ('(7,8)');
步骤2：创建 SP-GiST 索引
-- 为 pos 列创建 SP-GiST 索引 CREATE INDEX idx_points_pos ON points USING SP-GiST (pos);
步骤3：索引生效的查询场景
-- 1. 空间范围查询（查找 x 轴小于 5 的点） SELECT * FROM points WHERE pos << '(5,5)'; -- << 表示左侧（x 更小） -- 2. 最近邻搜索（查找离 (4,4) 最近的点） SELECT * FROM points ORDER BY pos <-> '(4,4)' LIMIT 1;
2.5 GIN 索引
2.5.1 核心特性
GIN（Generalized Inverted Index，倒排索引）专为多值数据类型设计，为每个组成值建立独立索引项，高效支持“包含/存在”类查询，是数组、JSONB、全文检索的首选索引。
2.5.2 支持的操作符（以数组类型为例）
包含/存在：<@（被包含，如数组A <@ 数组B表示A是B的子集）、@>（包含，如数组A @> 数组B表示B是A的子集）、=（相等）、&&（相交，两数组有共同元素）
2.5.3 实操样例（数组/JSONB 场景）
场景1：数组查询
-- 1. 创建带数组列的表 CREATE TABLE articles ( id SERIAL PRIMARY KEY, title VARCHAR(100), tags TEXT[] -- 标签数组 ); -- 2. 插入测试数据 INSERT INTO articles (title, tags) VALUES ('PostgreSQL 索引', ARRAY['postgres', '数据库', '索引']), ('Python 教程', ARRAY['python', '编程', '教程']), ('GIS 空间分析', ARRAY['gis', 'postgres', '空间数据']); -- 3. 创建 GIN 索引 CREATE INDEX idx_articles_tags ON articles USING GIN (tags); -- 4. 索引生效的查询（包含指定标签） SELECT * FROM articles WHERE tags @> ARRAY['postgres']; -- 包含 postgres 标签 SELECT * FROM articles WHERE tags && ARRAY['数据库', '编程']; -- 交集（包含任一）
场景2：JSONB 查询
-- 1. 创建带 JSONB 列的表 CREATE TABLE products ( id SERIAL PRIMARY KEY, info JSONB -- 产品信息（JSONB 类型） ); -- 2. 插入测试数据 INSERT INTO products (info) VALUES ('{"name": "手机", "price": 2999, "tags": ["数码", "通讯"]}'), ('{"name": "电脑", "price": 5999, "tags": ["数码", "办公"]}'); -- 3. 创建 GIN 索引 CREATE INDEX idx_products_info ON products USING GIN (info); -- 4. 索引生效的查询（JSONB 包含键/值） SELECT * FROM products WHERE info @> '{"tags": ["数码"]}'; -- 包含数码标签 SELECT * FROM products WHERE info ->> 'name' = '手机'; -- 等值查询（需结合操作符）
2.6 BRIN 索引
2.6.1 核心特性
BRIN（Block Range Index，块范围索引）存储表物理块范围的值摘要信息（最小值/最大值），占用空间极小，适配大数据量且物理顺序与逻辑顺序高度相关的场景（如时序日志表）。
2.6.2 支持的操作符（线性排序类型）
基础比较：<（小于）、<=（小于等于）、=（等于）、>=（大于等于）、>（大于）
2.6.3 实操样例（时序日志表）
步骤1：创建日志表并插入有序数据
-- 创建访问日志表（按时间有序插入） CREATE TABLE access_logs ( id SERIAL, user_id INT, access_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP, ip VARCHAR(20) ); -- 插入 10 万条测试数据（模拟时间有序的日志） INSERT INTO access_logs (user_id, ip) SELECT floor(random() * 1000)::INT, '192.168.' || floor(random() * 255)::INT || '.' || floor(random() * 255)::INT FROM generate_series(1, 100000);
步骤2：创建 BRIN 索引
-- 为 access_time 列创建 BRIN 索引（物理有序，效率高） CREATE INDEX idx_access_logs_time ON access_logs USING BRIN (access_time);
步骤3：索引生效的查询场景
-- 范围查询（命中 BRIN 索引，快速定位块范围） SELECT COUNT(*) FROM access_logs WHERE access_time BETWEEN '2026-01-01 00:00:00' AND '2026-01-01 12:00:00'; -- 注意：若数据物理无序，BRIN 索引会失效，优先选 B-tree
2.7 扩展索引：Bloom
2.7.1 核心特性
Bloom 是 PostgreSQL 扩展提供的索引类型，基于布隆过滤器实现，适用于多列等值查询，可大幅减少多列组合索引的存储空间，但存在假阳性（需回表验证）。
2.7.2 实操样例
步骤1：启用 bloom 扩展
CREATE EXTENSION IF NOT EXISTS bloom;
步骤2：创建 Bloom 索引
-- 为 user_id 和 ip 多列创建 Bloom 索引 CREATE INDEX idx_access_logs_bloom ON access_logs USING bloom (user_id, ip) WITH (length=80, col1=2, col2=4); -- length：索引长度；colN：各列的位数
步骤3：索引生效的查询场景
-- 多列等值查询（命中 Bloom 索引） SELECT * FROM access_logs WHERE user_id = 100 AND ip = '192.168.10.20';
2.7.3 Bloom 索引 vs 传统多列组合索引（B-tree）
在多列等值查询场景中，Bloom 索引和 B-tree 组合索引是两种常见方案，但设计理念、性能、适用场景差异显著，以下是详细对比：
1. 核心原理差异
| 维度 | Bloom 索引 | B-tree 组合索引 |
|---|---|---|
| 存储结构 | 基于布隆过滤器，存储列的哈希值位图，不存储原始数据 | 基于平衡树，按列的组合顺序存储原始值（如 (col1, col2)） |
| 存储空间 | 极小（MB 级），仅存储哈希位图，与表行数无关 | 较大（GB 级），需存储所有列的原始值，随行数线性增长 |
| 索引精度 | 存在假阳性（可能匹配到不存在的数据，需回表验证） | 精准匹配，无假阳性 |
2. 支持的查询场景
| 查询类型 | Bloom 索引 | B-tree 组合索引 |
|---|---|---|
| 多列全等值查询 | 支持（如col1 = ? AND col2 = ?） | 支持（且精准） |
| 前缀列查询 | 不支持（如仅查col1 = ?无法使用） | 支持（组合索引的核心优势，如 (col1, col2) 支持仅查 col1） |
| 范围查询 | 不支持（仅等值） | 支持（如col1 = ? AND col2 > ?） |
| 排序/分组 | 不支持 | 支持（按组合列排序） |
3. 实操对比样例
access_logs前提：复用前文 表（10 万条数据）
-- 场景1：创建 B-tree 组合索引（col1=user_id, col2=ip） CREATE INDEX idx_access_logs_btree ON access_logs (user_id, ip); -- 场景2：创建 Bloom 索引 CREATE INDEX idx_access_logs_bloom ON access_logs USING bloom (user_id, ip) WITH (length=80, col1=2, col2=4); -- 对比1：多列全等值查询 -- Bloom 索引生效（需回表验证假阳性） EXPLAIN ANALYZE SELECT * FROM access_logs WHERE user_id = 100 AND ip = '192.168.10.20'; -- B-tree 组合索引生效（精准匹配，无需回表） EXPLAIN ANALYZE SELECT * FROM access_logs WHERE user_id = 100 AND ip = '192.168.10.20'; -- 对比2：仅前缀列查询（Bloom 失效，B-tree 生效） -- Bloom 索引不生效（仅查 user_id），走全表扫描 EXPLAIN ANALYZE SELECT * FROM access_logs WHERE user_id = 100; -- B-tree 组合索引生效（前缀列匹配） EXPLAIN ANALYZE SELECT * FROM access_logs WHERE user_id = 100; -- 对比3：范围查询（Bloom 失效，B-tree 生效） -- Bloom 索引不生效（ip 用范围） EXPLAIN ANALYZE SELECT * FROM access_logs WHERE user_id = 100 AND ip LIKE '192.168.10.%'; -- B-tree 组合索引生效（前缀列等值 + 后缀列范围） EXPLAIN ANALYZE SELECT * FROM access_logs WHERE user_id = 100 AND ip LIKE '192.168.10.%';
4. 适用场景选择
| 选 Bloom 索引 | 选 B-tree 组合索引 |
|---|---|
| 多列全等值查询为主 | 需要支持前缀列查询、范围查询、排序 |
| 表数据量极大（千万/亿级），追求极小存储成本 | 数据量中等，追求查询精准度和多功能性 |
| 可接受少量假阳性（回表验证的性能损耗） | 对查询精度要求高，不接受假阳性 |
| 多列无明显“前缀优先级”（无单列表查询） | 有明确的前缀列查询需求（如仅查 user_id） |
3. 索引类型选择速查表
| 索引类型 | 核心优势 | 典型适用场景 | 核心样例语句 | 备注 |
|---|---|---|---|---|
| B-tree | 通用、支持排序/范围 | 常规等值/范围查询 | CREATE INDEX idx ON tbl (col); | 默认选择，覆盖 80%+ 场景 |
| Hash | 等值查询效率高 | 纯等值查询 | CREATE INDEX idx ON tbl USING HASH (col); | 功能单一，适用场景有限 |
| GiST | 复杂数据、最近邻 | 空间数据、全文检索 | CREATE INDEX idx ON tbl USING GIST (geo_col); | 需配合扩展（如 PostGIS） |
| SP-GiST | 空间分区、轻量化 | 二维点/多维数据 | CREATE INDEX idx ON tbl USING SP-GiST (pos_col); | 非平衡结构，适配分区查询 |
| GIN | 多值数据、倒排索引 | 数组、JSONB、全文检索 | CREATE INDEX idx ON tbl USING GIN (array_col); | 多值数据首选索引 |
| BRIN | 低存储、大数据量有序表 | 日志表、时序数据 | CREATE INDEX idx ON tbl USING BRIN (time_col); | 仅适用于数据物理有序场景 |
| Bloom | 多列等值、低存储 | 多列组合等值查询（无前缀/范围需求） | CREATE INDEX idx ON tbl USING bloom (col1, col2); | 对比 B-tree 组合索引：存储小但功能单一，有假阳性 |
4. 总结
- 优先选 B-tree：无特殊需求时，B-tree 可覆盖 80% 以上的常规查询场景，是默认且最通用的选择。
- 专用场景选专用索引：处理空间数据用 GiST/SP-GiST，多值数据（数组/JSONB）用 GIN，大数据量有序表用 BRIN。
- 多列查询选对索引：需支持前缀列、范围查询 → 选 B-tree 组合索引；仅多列全等值查询、追求低存储 → 选 Bloom 索引（接受假阳性）。
- 样例可直接复用：文档中所有 SQL 样例均基于 PostgreSQL 14+ 编写，启用扩展（如 postgis、bloom）后可直接执行，便于快速验证索引效果。