2. 索引类型详解：B-Tree、Hash、GiST、GIN、SP-GiST、BRIN 的适用场景与选择策略

PostgreSQL 提供了丰富的索引类型，每种索引都有其独特的数据结构和适用场景。正确选择索引类型是性能优化的第一步，错误的选择不仅无法加速查询，反而会拖慢写入并占用大量存储空间。本章将逐一剖析六种核心索引类型的内部机制、适用场景与选择策略。

2.1 索引类型全景对比

下表从数据结构、操作符支持、适用数据类型和典型场景四个维度，对六种索引进行横向对比：

2.2 B-Tree 索引：通用之王

B-Tree 是 PostgreSQL 默认且最通用的索引类型。它维护一个平衡的多路搜索树，所有叶子节点在同一深度，且叶子节点之间通过双向链表连接，支持高效的范围扫描。

适用场景

• 等值查询： WHERE id = 100
• 范围查询： WHERE create_time BETWEEN '2024-01-01' AND '2024-01-31'
• 排序与分页： ORDER BY price DESC LIMIT 20
• 前缀模糊匹配： WHERE name LIKE '张%'
• 唯一约束与主键： 自动创建 B-Tree 索引

选择策略

• 对于 OLTP 系统，B-Tree 是默认首选，覆盖绝大多数查询模式。
• 索引列的选择性越高（重复值越少），B-Tree 效果越好。
• 复合索引时，将等值查询列放在前面，范围查询列放在后面。

2.3 Hash 索引：等值查询的利刃

Hash 索引基于哈希表实现，仅支持 = 操作符。在 PostgreSQL 10 之前，Hash 索引不可 WAL 日志记录，崩溃后需要重建；从 10 版本开始，Hash 索引已完全支持 WAL 日志和复制，成为生产环境可用的索引类型。

适用场景

• 仅进行等值查询的列，如状态码、枚举值、UUID 等。
• 查询模式中不包含 >、<、BETWEEN 或 ORDER BY。
• 数据量极大且等值查询是唯一访问路径的场景。

选择策略

• 当查询中 95% 以上都是等值条件时，考虑使用 Hash 索引。
• 不要对经常需要排序或范围查询的列使用 Hash 索引。
• Hash 索引的存储空间通常比 B-Tree 小，因为不需要存储排序键值。

2.4 GiST 索引：泛化搜索的瑞士军刀

GiST（Generalized Search Tree）是一种平衡树结构的泛化索引框架，允许自定义数据类型和操作符。它不局限于单一的数据结构，而是提供一种可扩展的索引接口。

适用场景

• 空间数据： 点、线、多边形等几何类型的包含、相交、邻近查询。
• 全文检索： 支持模糊匹配和相似度搜索（配合 pg_trgm 扩展）。
• 范围类型： tsrange、int4range 等范围类型的重叠、包含查询。
• 排他约束： 使用 EXCLUDE USING gist 实现复杂约束，如会议室预订时间不重叠。

选择策略

• 当需要搜索“附近”、“包含”、“相交”等空间关系时，GiST 是首选。
• 对于全文检索的模糊匹配，GiST 适合小规模数据；大规模数据建议使用 GIN。
• GiST 索引的构建速度比 GIN 快，但查询速度通常慢于 GIN。

2.5 GIN 索引：倒排索引的王者

GIN（Generalized Inverted Index）是一种倒排索引，它将每个元素值映射到包含该值的行。GIN 特别适合处理复合值类型，如数组、JSONB 和全文检索向量。

适用场景

• JSONB 查询： WHERE data @> '{"tags": ["postgres"]}'
• 数组包含查询： WHERE tags @> ARRAY['postgres', 'database']
• 全文检索： WHERE to_tsvector('english', content) @@ to_tsquery('postgres & index')
• 多值字段的任意匹配： 如标签系统、属性集合。

选择策略

• GIN 索引构建较慢，但查询速度极快，适合读多写少的场景。
• 对于频繁写入的表，GIN 索引的维护开销较大，建议使用 fastupdate 参数控制。
• GIN 索引的存储空间通常比 GiST 大，但查询性能更好。

2.6 SP-GiST 索引：空间分区的利器

SP-GiST（Space-Partitioned Generalized Search Tree）是一种空间分区索引，它将搜索空间递归划分为不相交的区域。与 GiST 不同，SP-GiST 假设数据在空间中是非均匀分布的，通过分区策略实现更高效的搜索。

适用场景

• 非均匀分布的空间数据： 如城市 POI 点数据，市中心密集、郊区稀疏。
• 网络地址搜索： IP 地址的包含关系和最长前缀匹配。
• 文本前缀搜索： 使用基数树（Radix Tree）实现高效的前缀匹配。
• 范围类型的快速查找： 如时间范围、整数范围。

选择策略

• 当数据分布极不均匀时，SP-GiST 通常优于 GiST。
• SP-GiST 支持的操作符集与 GiST 类似，但实现机制不同，选择时需测试验证。
• SP-GiST 的构建速度通常比 GiST 快，但查询性能取决于数据分布。

2.7 BRIN 索引：大表扫描的救星

BRIN（Block Range Index）是一种轻量级索引，它不存储每个行的精确位置，而是存储每个数据块范围内值的摘要信息（最小值、最大值）。BRIN 索引的存储空间极小，通常只有表大小的 0.1%-1%。

适用场景

• 时序数据： 如日志表、监控指标表，数据按时间顺序插入。
• 归档表： 数据很少更新，查询通常按时间范围过滤。
• 超大表： 表行数超过 1 亿行，B-Tree 索引占用空间过大时。
• 低选择性列： 如布尔值、状态码，B-Tree 效果不佳时。

选择策略

• 使用 pages_per_range 参数控制每个块范围包含的页数，默认 128 页（约 1MB）。
• 对于时序表，BRIN 索引的查询性能可达到 B-Tree 的 80%-90%，但存储空间仅为 B-Tree 的 1/50。
• 定期执行 VACUUM 或 brin_summarize_new_values() 更新摘要信息。

2.8 索引选择决策流程

以下决策树可以帮助你在实际工作中快速选择索引类型：

1. 查询是否仅包含等值条件（=）？
   • 是 → 考虑 Hash 索引（数据分布均匀时）或 B-Tree（通用选择）
   • 否 → 进入下一步
2. 查询是否包含范围条件（>、<、BETWEEN）或排序？
   • 是 → 使用 B-Tree
   • 否 → 进入下一步
3. 查询是否涉及空间、全文检索或复合类型？
   • 空间/几何 → GiST 或 SP-GiST
   • JSONB/数组/全文检索 → GIN
   • 否 → 进入下一步
4. 表是否极大且数据按顺序插入？
   • 是 → 考虑 BRIN
   • 否 → 默认使用 B-Tree