Postgresql ArrayField vs ForeignKey？哪一个是高性能的？

Question

我想设计一个电话簿应用程序，每个联系人可以有多个号码。有两种数据库设计：

1. 在每个号码中使用contact外键。
2. 将号码存储在每个联系人内的ArrayField。

哪种解决方案在生产中性能更高，为什么？

提前致谢。

Answer 1

如果您在数组列上构建 GIN 索引，并且 Django 将编写查询以使用该索引，那么两者的读取性能将非常相似。

性能差异不太可能成为此选择背后的驱动因素。例如，除了电话号码之外，您是否需要电话号码背后的更多信息，例如添加的时间，上次使用的时间，是手机还是其他东西等。

数组列应该更快，因为它只需要查询一个索引和表，而不是每个两个。此外，它会更紧凑，因此更易于缓存。

另一方面，当estimating rare values 时，您的数组列的统计估计会出现问题，您可能会在这里遇到问题，因为没有电话号码可能会被很多人共享。这种错误估计可能会对您的查询性能产生毁灭性的影响。例如在一个小测试中，高估了数千倍的行数导致它为单行查询启动并行工作者，导致它比关闭并行化时慢约 20 倍，比使用时慢 10 倍不受估计问题影响的外键表示。

例如：

create table contact as select md5(floor(random()*50000000)::text) as name, array_agg(floor(random()*100000000)::int) phones from generate_series(1,100000000) f(x) group by name;
vacuum analyze contact;
create index on contact using gin (phones );
explain analyze select * from contact where phones @> ARRAY[123456];
                                                                 QUERY PLAN                                                                 
--------------------------------------------------------------------------------------------------------------------------------------------
 Gather  (cost=3023.30..605045.19 rows=216167 width=63) (actual time=0.668..8.071 rows=2 loops=1)
   Workers Planned: 2
   Workers Launched: 2
   ->  Parallel Bitmap Heap Scan on contact  (cost=2023.30..582428.49 rows=90070 width=63) (actual time=0.106..0.110 rows=1 loops=3)
         Recheck Cond: (phones @> '{123456}'::integer[])
         Heap Blocks: exact=2
         ->  Bitmap Index Scan on contact_phones_idx  (cost=0.00..1969.25 rows=216167 width=0) (actual time=0.252..0.252 rows=2 loops=1)
               Index Cond: (phones @> '{123456}'::integer[])
 Planning Time: 0.820 ms
 Execution Time: 8.137 ms

您可以看到它估计了 216167 行，但实际上只有 2 行。（为方便起见，我使用整数，而不是您可能用于电话号码的文本字段，但这不会改变任何基本的东西）。

如果这对您来说真的很重要，那么您应该使用自己的数据和自己的架构进行测试并查看。这将取决于内存中的内容和不适合的内容，您正在执行的查询类型（您是否曾经批量查找数字？除了立即讨论的外键之外，将它们加入其他表？），也许您的驱动程序/库处理具有数组类型的列/参数。