Postgresql - ソートされたセットの全文オーダー

Question

私は200kタプルのようなものでPostgresqlテーブルを持っています。 私は何をしようとすると、いくつかの行をフィルタリングして、フルテキストのマッチングを使用してそれらを注文です：

SELECT * FROM descriptions as d 
WHERE d.category_id = ? 
AND d.description != '' 
AND regexp_replace(d.description, '(...)', '') !~* '...' 
AND regexp_replace(d.description, '...', '') !~* '...' 
AND d.id != ? 
ORDER BY ts_rank_cd(to_tsvector('english', name), plainto_tsquery('english', 'my search words')) DESC LIMIT 5 OFFSET 0'; 

説明フィールド上GINインデックスがあります。

このクエリは、4000未満のレコードがある場合にのみ有効です。その5kまたは6kのように多くの場合、クエリは非常に遅くなります。

私はこのクエリのさまざまなバリエーションを試していました。私が気づいたのは、WHERE句かORDER BY句のどちらかを削除してからスピードアップしたときです。 （もちろん無関係な結果が出る）

この組み合わせを高速化するにはどうすればよいですか？最適化の方法やPostgreSQL以外のソリューションを探すべきですか？

追加質問：

私はさらに実験だし、例えばこれは私が実行が遅すぎると思う最も簡単なクエリです。私は説明から、要点インデックスを使用しているときと、そうでないときを分析することはできますか？

SELECT d.*, d.description <-> 'banana' as dist FROM descriptions as d ORDER BY dist DESC LIMIT 5 

"Limit (cost=16046.88..16046.89 rows=5 width=2425) (actual time=998.811..998.813 rows=5 loops=1)" 
" -> Sort (cost=16046.88..16561.90 rows=206010 width=2425) (actual time=998.810..998.810 rows=5 loops=1)" 
"  Sort Key: (((description)::text <-> 'banana'::text))" 
"  Sort Method: top-N heapsort Memory: 27kB" 
"  -> Seq Scan on products d (cost=0.00..12625.12 rows=206010 width=2425) (actual time=0.033..901.260 rows=206010 loops=1)" 
"Total runtime: 998.866 ms"` 

回答（kgrittnは）：DESCキーワードは、KNN-GiSTのために正しいものではなく、それが実際にここに望んでいたではないです。それを削除すると、問題が修正され、正しい結果が得られます。

Answer 1

クエリのexplain analyzeの出力が役立ちます。しかし、私はこのregexp_replace行があなたの問題だと思います。 Postgresのプランナーは、この2行に一致する行の数を知ることができないため、この欠陥のあるクエースに基づいてクエリを推測し、計画しています。

私はこのような関数を作成することをお勧めしたい：

create function good_description(text) returns boolean as $$ 
    select 
    regexp_replace($1, '(...)', '') !~* '...' 
    and 
    regexp_replace($1, '...', '') !~* '...' 
$$ language sql immutable strict; 

そして、この機能を使用してpartialインデックスon expression作成：

create index descriptions_good_description_idx 
    on good_description(description) 
    where description != ''; 

をそしてPostgresが使用することを可能にする方法で問い合わせますこのインデックス：

SELECT * FROM descriptions as d 
WHERE d.category_id = ? 
AND d.description != '' 
AND good_description(d.description) 
AND d.id != ? 
ORDER BY ts_rank_cd(
    to_tsvector('english', name), 
    plainto_tsquery('english', 'my search words') 
) DESC 
LIMIT 5 OFFSET 0; 

Answer 2

このタイプのアプリケーションでは、tsearch機能からtrigram機能に移行しました。ベストマッチの数が少ない場合は、はるかに高速です。とにかく、テキスト検索ランキングよりもトライグラムの類似性マッチングの意味を好む人が多いです。

http://www.postgresql.org/docs/current/interactive/pgtrgm.html

「借入」編集した質問から、後でクエリが答えは、コメントのいかだせずに自己完結型にするために、それをフォーマットし、インデックス作成ステートメントを含む：

CREATE INDEX descriptions_description_trgm 
    ON descriptions 
    USING gist (description gist_trgm_ops); 

SELECT d.*, d.description <-> 'banana' as dist 
    FROM descriptions as d 
    ORDER BY dist LIMIT 5; 

このはLIMITに当たるまで "距離"シーケンスのGiSTインデックスから行を返します。