如何制作快速的 pg_trgm DESC（降序）？答案

【问题标题】：How to make a fast pg_trgm DESC (descending)?如何制作快速的 pg_trgm DESC（降序）？
【发布时间】：2019-07-04 07:47:52
【问题描述】：

我在一个表中有一个包含 100.000 个句子的列表，使用 pg_trgm 我可以使用 GIN/GIST 非常快速地获得最接近的字符串 "super cool"指数。见官方例子：

遗憾的是，我想要相反，我想要最不同的第一个，但是DESC时没有使用GIN/GIST索引，所以很慢.

SELECT t, 'super cool' <-> t AS dist
  FROM test_trgm
  ORDER BY dist DESC LIMIT 10;

我怎么能这样做？从源代码重建 pg_trgm ？怎么样？

【问题讨论】：

【解决方案1】：

我认为这根本无法优化，除非事先知道“t”或者你可以缓存一些东西。即使您尝试更改 Postgres 源，也很可能根本看不到任何好处。

在文档中，运算符是相似度(t1, t2) 的简写。如果两个术语都已知，您可以索引这些分数，例如，您可以为任何 t1、t2 组合“创建此函数的索引”，它将起作用。这将是一个标准的 BTree 索引，您可以执行小于、大于或任何您想要的检查或排序。

但是 t2 是未知的，因此，您不能为任何可能的字符串创建索引。（或者，如果数量合理，您可以在表格中伪造所有可能的字符串组合）

如果您不知道另一个术语，排序是如何工作的？好吧，因为您可以获得单词 t1，提取所有三元组，并获得哪些行（tid）至少出现 X 次。这很快，因为您只需检查原始单词的 N 个三元组，检索桶中的元组 id，计数和排序。

现在试着反过来做：你需要所有没有共同三元组的单词。因此，您必须扫描检索到的三元组，获取元组 id，然后获取整个表，过滤掉您之前获得的元组 id。然后继续那些只有 1 个三元组的，然后是 2 个，依此类推。这听起来效率很低，就像扫描整个表和索引一两次一样。

主要问题在于检索零重合的匹配项。不管怎么做，都需要扫描整个表。

如果您至少可以跳过那些符合率为零的内容，那么您可以加快搜索速度。为此，您可以使用 set_limit(0.0001) 并使用“%”运算符将它们过滤掉。（但听起来这不是你想要的）

即使将三元组提取到数组或子表中似乎也无济于事。你的问题看起来像一个布隆过滤器，但反过来了，我仍然不确定是否有可能创建这样的索引。

也许如果你添加更多关于你想要完成什么的信息，我们可以找到不使用三元组的不同方法。

【讨论】：

【解决方案2】：

我想提议

select * 
from ( 
  SELECT  row_number() OVER () as rk, t, 'super cool' <-> t AS dist   
  FROM test_trgm
) sub  
ORDER BY rk DESC LIMIT 10;

【讨论】：