與單項指標的使用ANY（ARRAY [...]）

Question

測試表和索引（PostgreSQL的9.5.3）：

CREATE TABLE public.t (id serial, a integer, b integer); 

INSERT INTO t(a, b) 
SELECT round(random()*1000), round(random()*1000) 
FROM generate_series(1, 1000000); 

CREATE INDEX "i_1" ON public.t USING btree (a, b); 
CREATE INDEX "i_2" ON public.t USING btree (b); 

如果「A = 50」在第一個查詢，一切都確定，適當的索引 「I_1」 用於：

SELECT * FROM t WHERE a = 50 ORDER BY b LIMIT 1 

"Limit (cost=0.42..4.03 rows=1 width=12) (actual time=0.085..0.085 rows=1 loops=1)" 
" Buffers: shared hit=1 read=3" 
" -> Index Scan using i_1 on t (cost=0.42..4683.12 rows=1300 width=12) (actual time=0.084..0.084 rows=1 loops=1)" 
"  Index Cond: (a = 50)" 
"  Buffers: shared hit=1 read=3" 
"Planning time: 0.637 ms" 
"Execution time: 0.114 ms" 

隨着「一個IN（50）」結果是相同的：

SELECT * FROM t WHERE a IN (50) ORDER BY b LIMIT 1 

"Limit (cost=0.42..4.03 rows=1 width=12) (actual time=0.058..0.058 rows=1 loops=1)" 
" Buffers: shared hit=4" 
" -> Index Scan using i_1 on t (cost=0.42..4683.12 rows=1300 width=12) (actual time=0.056..0.056 rows=1 loops=1)" 
"  Index Cond: (a = 50)" 
"  Buffers: shared hit=4" 
"Planning time: 0.287 ms" 
"Execution time: 0.105 ms" 

問題是當我嘗試使用「a = ANY（ARRAY [50]）」。索引錯誤「I_2」代替「I_1」和執行時間變得更長X25：

SELECT * FROM t WHERE a = ANY(ARRAY[50]) ORDER BY b LIMIT 1 

"Limit (cost=0.42..38.00 rows=1 width=12) (actual time=2.591..2.591 rows=1 loops=1)" 
" Buffers: shared hit=491 read=4" 
" -> Index Scan using i_2 on t (cost=0.42..48853.65 rows=1300 width=12) (actual time=2.588..2.588 rows=1 loops=1)" 
"  Filter: (a = ANY ('{50}'::integer[]))" 
"  Rows Removed by Filter: 520" 
"  Buffers: shared hit=491 read=4" 
"Planning time: 0.251 ms" 
"Execution time: 2.627 ms" 

你可以說：「如果你使用任何（ARRAY []）PostgreSQL的不能使用索引」，但實際上它可以。如果我刪除 「ORDER BY」 它再次工作：

SELECT * FROM t WHERE a = ANY(ARRAY[50]) LIMIT 1 

"Limit (cost=0.42..4.03 rows=1 width=12) (actual time=0.034..0.034 rows=1 loops=1)" 
" Buffers: shared hit=4" 
" -> Index Scan using i_1 on t (cost=0.42..4683.12 rows=1300 width=12) (actual time=0.033..0.033 rows=1 loops=1)" 
"  Index Cond: (a = ANY ('{50}'::integer[]))" 
"  Buffers: shared hit=4" 
"Planning time: 0.182 ms" 
"Execution time: 0.090 ms" 

我的問題：

1. 如果PostgreSQL是足夠聰明地用 「IN」，什麼是與任何問題很好地工作（ARRAY []）？

2. 如果我刪除了「ORDER BY」子句，它爲什麼能與ANY（ARRAY []）一起使用？

Answer 1

PostgreSQL是沒有足夠的智慧弄清楚，a =ANY(ARRAY[50])相同a = 50。
它不檢查數組是否只包含一個元素。

的IN列出處理的工作原理是這樣的（見src/backend/parser/parse_expr.ctransformAExprIn）：如果他們是常量或沒有（見here）

1. 所有IN列表中的元素進行檢查。

2. 如果有多個常量，並且它們都可以被強制轉換爲相同類型，則會生成一個=ANY表達式（請參見here）。

3. 從2.（如果有）和IN列表的其餘元素的表達式構建到OR表達式中（請參閱here）。

因此，例如表達x IN (1, 2, mycol)最終將成爲x = ANY ('{2,3}'::integer[])) OR (x = mycol))，和x IN (42)將變得x = 42（沒有OR因爲列表僅具有一個元素）。

另一方面，=ANY表達式在make_scalar_array_opsrc/backend/parser/parse_oper.c中處理。沒有嘗試專門處理單元素陣列。

的PostgreSQL 可以使用索引掃描爲=ANY條件，但除非陣列僅具有一個元素，則結果不會被b排序，所以它必須對結果進行分類。而且，由於索引掃描不能在第一個結果之後停止，所以它將不得不掃描更多的行。

要知道爲什麼這樣的結果將不會被訂購，請看下面的例子：

這是該指數的一部分：

a | b 
----+---- 
... | ... 
49 | 812 
50 | 1 
50 | 2 
50 | 595 
50 | 973 
51 | 5 
52 | 80 
52 | 991 
55 | 27 
... | ... 

現在，如果我們掃描索引a =ANY(ARRAY[50,51])，該值發現的b將依次爲1,2,595,973,5,80和991。如果我們必須返回ORDER BY b的結果，我們需要額外的排序。唯一的例外是如果數組只包含一個元素，但PostgreSQL沒有專門檢查。

因此PostgreSQL選擇掃描其他索引，因爲它估計按排序順序搜索表並停止遇到匹配=ANY條件的第一行將更便宜。

如果刪除ORDER BY子句，PostgreSQL可以在兩種情況下的第一次命中後停止掃描，並且使用第一個索引更便宜。