postgresql - 估计 Postgres 索引的大小

Question

我试图更好地理解创建 Postgres 索引所涉及的权衡。作为其中的一部分，我很想了解通常使用多少空间索引。我已通读 the docs ，但找不到这方面的任何信息。我一直在做自己的小实验来创建表和索引，但如果有人能解释为什么大小是这样的，那就太棒了。假设像这样一个有 1M 行的公共(public)表，其中每一行都有一个唯一的 id和一个独特的 outstanding .

CREATE TABLE account (
    id integer,
    active boolean NOT NULL,
    outstanding double precision NOT NULL,
);

和创建的索引

CREATE INDEX id_idx ON account(id)

CREATE INDEX outstanding_idx ON account(outstanding)

CREATE INDEX id_outstanding_idx ON account(id, outstanding)

CREATE INDEX active_idx ON account(active)

CREATE INDEX partial_id_idx ON account(id) WHERE active

您估计索引大小以字节为单位，更重要的是，为什么？

Answer 1

由于您没有指定 index type , 我假设默认 B树索引 .其他类型可能有很大不同。
这是计算 的简单函数估计的最小大小(以字节为单位)对于具有给定列的给定表上的索引:

CREATE OR REPLACE FUNCTION f_index_minimum_size(_tbl regclass, _cols VARIADIC text[], OUT estimated_minimum_size bigint)
  LANGUAGE plpgsql AS
$func$
DECLARE
   _missing_column text;
BEGIN

-- assert
SELECT i.attname
FROM   unnest(_cols) AS i(attname)
LEFT   JOIN pg_catalog.pg_attribute a ON a.attname = i.attname
                                     AND a.attrelid = _tbl
WHERE  a.attname IS NULL
INTO   _missing_column;

IF FOUND THEN
   RAISE EXCEPTION 'Table % has no column named %', _tbl, quote_ident(_missing_column);
END IF;


SELECT INTO estimated_minimum_size
       COALESCE(1 + ceil(reltuples/trunc((blocksize-page_overhead)/(4+tuple_size)))::int, 0) * blocksize -- AS estimated_minimum_size
FROM  (
   SELECT maxalign, blocksize, reltuples, fillfactor, page_overhead
        , (maxalign  -- up to 16 columns, else nullbitmap may force another maxalign step
         + CASE WHEN datawidth <= maxalign  THEN maxalign
                WHEN datawidth%maxalign = 0 THEN datawidth
                ELSE                            (datawidth + maxalign) - datawidth%maxalign END  -- add padding to the data to align on MAXALIGN
          ) AS tuple_size
   FROM  (
      SELECT c.reltuples, count(*)
           , 90 AS fillfactor
           , current_setting('block_size')::bigint AS blocksize
           , CASE WHEN version() ~ '64-bit|x86_64|ppc64|ia64|amd64|mingw32'  -- MAXALIGN: 4 on 32bits, 8 on 64bits
                  THEN 8 ELSE 4 END AS maxalign
           , 40 AS page_overhead  -- 24 bytes page header + 16 bytes "special space"
           -- avg data width without null values
           , sum(ceil((1-COALESCE(s.null_frac, 0)) * COALESCE(s.avg_width, 1024))::int) AS datawidth  -- ceil() because avg width has a low bias
      FROM   pg_catalog.pg_class     c
      JOIN   pg_catalog.pg_attribute a ON a.attrelid = c.oid
      JOIN   pg_catalog.pg_stats     s ON s.schemaname = c.relnamespace::regnamespace::text
                                      AND s.tablename  = c.relname
                                      AND s.attname    = a.attname
      WHERE  c.oid = _tbl
      AND    a.attname = ANY(_cols) --  all exist, verified above
      GROUP  BY 1
      ) sub1
   ) sub2;
END
$func$;

调用示例:

SELECT f_index_minimum_size('my_table', 'col1', 'col2', 'col3');

SELECT f_index_minimum_size('public.my_table', VARIADIC '{col1, col2, col3}');

db<> fiddle here
关于 VARIADIC参数:

Return rows matching elements of input array in plpgsql function

基本上 ，所有索引都使用通常为 8 kb block 大小(很少为​​ 4 kb)的数据页。 有一个数据页开销B树索引开始。每个额外的数据页都有 40 字节的固定开销(当前)。每个页面存储元组，如手册 here 中所述.每个元组都有一个元组头(通常为 8 字节，包括对齐填充)，可能是空位图，数据(可能包括多列索引的列之间的对齐填充)，以及可能对齐到 MAXALIGN 的下一个倍数的填充。 (通常为 8 个字节)。另外，还有一个 ItemId每个元组 4 个字节。一些空间最初可以通过 fillfactor 保留以供以后添加。 - B-tree 索引默认为 90%。
重要说明和免责声明
报告的大小是估计的最小大小。由于页面拆分的自然膨胀，实际索引通常会大 25% 左右。另外，无法计算 对齐填充 考虑到多个列之间。可以再增加几个百分点(在极端情况下甚至更多)。看:

Calculating and saving space in PostgreSQL

估计基于 View 中的列统计信息 pg_stats 基于系统表 pg_statistics . (直接使用后者会更快，但只允许 super 用户使用。)特别是，计算基于 null_frac ，“为空的列条目的分数”和 avg_width ，“列条目的平均宽度(以字节为单位)”来计算平均数据宽度 - 忽略多列索引可能的额外对齐填充。
默认 90 % fillfactor 被考虑在内。 (可能会指定一个不同的。)
高达 50% 的膨胀通常对于 B-tree 索引来说是很自然的，无需担心。
不适用于表达式索引。
不提供部分索引。
如果传递了除现有普通列名之外的任何内容，则函数会引发异常。区分大小写!
如果表是新表(或者在任何情况下统计数据可能已过时)，请务必运行 ANALYZE 在调用函数更新(甚至启动!)统计信息之前，在表上。
由于主要优化， 中的 B-tree 索引Postgres 12 浪费更少的空间，通常更接近报告的最小尺寸。
不占 deduplication由 介绍Postgres 13 ，它可以压缩具有重复值的索引。
部分代码取自 ioguix 的膨胀估计查询:

https://github.com/ioguix/pgsql-bloat-estimation

Postgres源代码在这里有更多血腥细节:

https://doxygen.postgresql.org/bufpage_8h_source.html