PostgreSQL 索引类型详解

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

1. 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。
2. 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。
3. 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）。
4. 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。