¿Puede PostgreSQL usar nulos en sus índices?

He estado leyendo este libro que dice que

La base de datos supone que Indexed_Col IS NOT NULL cubre un rango demasiado grande para ser útil, por lo que la base de datos no se dirigirá a un índice desde esta condición.

Reconozco que el libro tiene más de 10 años, pero ya ha demostrado ser bastante útil: utilizando las instrucciones extraídas de sus páginas, he acelerado una consulta por un factor de diez.

Además, al ejecutar EXPLAIN ANALYZEuna SELECTconsulta, descubrí que ninguno de mis índices se está utilizando, incluso cuando todos los derechos deberían serlo.

Por lo tanto, mi pregunta es:

Supongamos que hay una tabla que tiene una columna, cuya definición de columna incluye "NOT NULL", y que existe un índice que cubre esta columna, ¿se usaría este índice en una consulta de esa tabla donde las columnas son parte de la consulta?

Me gusta:

CREATE TABLE my_table(
a varchar NOT NULL
);

CREATE INDEX ix_my_table ON my_table(a);

SELECT a from my_table;

PostgreSQL ciertamente puede usar un índice para IS NOT NULL. Tampoco veo ninguna suposición del planificador de consultas sobre esa condición.

Si la fracción nula para la columna ( pg_statistic.stanullfrac) es lo suficientemente baja como para sugerir que el índice es útil para la consulta, PostgreSQL usará un índice.

No puedo entender lo que estás tratando de decir con:

Si esto es correcto, ¿entiendo que un índice en una columna definida como "NO NULO" no se utilizará en una consulta que use esa columna?

Ciertamente, un índice no se utilizará para una IS NOT NULLcondición en una NOT NULLcolumna. Siempre coincidirá con el 100% de las filas, por lo que un seqscan casi siempre será mucho más rápido.

PostgreSQL no usará un índice si el índice no filtra una gran proporción de filas para una consulta. La única excepción probable es cuando solicita un conjunto de columnas cubiertas por un único índice, en un orden que coincida con el del índice. PostgreSQL podría hacer un escaneo de solo índice entonces. Por ejemplo, si hay un índice t(a, b, c)y usted:

select a, b FROM t ORDER BY a, b, c;

PostgreSQL podría usar su índice, aunque no se filtren filas, ya que solo tiene que leer el índice y puede omitir la lectura del montón, evitar hacer una clasificación, etc.

Además de la respuesta exhaustiva de Craig, quería agregar que la portada del libro al que hace referencia dice:

Cubre Oracle, DB2 y SQL Server

Por lo tanto, no confiaría en que sea una gran fuente de asesoramiento sobre PostgreSQL en particular. ¡Cada RDBMS puede ser sorprendentemente diferente!

Estoy un poco confundido acerca de su pregunta original, pero aquí hay un ejemplo que muestra que la sección del libro no es 100% correcta. Para evitar más confusión, aquí está todo el párrafo relevante, puede verlo en Google Book Search .

La base de datos supone que Indexed_Col IS NOT NULL cubre un rango demasiado grande para ser útil, por lo que la base de datos no se dirigirá a un índice desde esta condición. En casos raros, tener un valor no nulo es tan raro que resulta beneficioso un escaneo de rango de índice sobre todos los valores no nulos posibles. En tales casos, si puede encontrar un límite inferior o superior seguro para el rango de todos los valores posibles, puede habilitar un escaneo de rango con una condición como Positivo_Columna_ID> -1 o Fecha_Columna> TO_DATE ('0001/01/01' , 'AAAA / MM / DD').

Postgres puede en realidad (en el siguiente caso artificial) usar un índice para satisfacer IS NOT NULLconsultas sin agregar kludges de escaneo de rango como el sugerido Positive_ID_Column > -1. Vea los comentarios sobre las preguntas de Craig sobre por qué Postgres está eligiendo este índice en este caso particular, y la nota sobre el uso de índices parciales.

CREATE TABLE bar (a int);
INSERT INTO bar (a) SELECT NULL FROM generate_series(1,1000000);
INSERT INTO bar (a) VALUES (1);
CREATE INDEX bar_idx ON bar (a);

EXPLAIN ANALYZE SELECT * FROM bar WHERE a IS NOT NULL;
                                                QUERY PLAN                                                    
------------------------------------------------------------------------------------------------------------------
 Index Only Scan using bar_idx on bar  (cost=0.42..8.44 rows=1 width=4) (actual time=0.094..0.095 rows=1 loops=1)
   Index Cond: (a IS NOT NULL)
   Heap Fetches: 1
 Total runtime: 0.126 ms
(4 rows)

Por cierto, esto es Postgres 9.3, pero creo que los resultados serían más o menos similares en 9.1, aunque no usaría un "Escaneo de solo índice".

Editar: veo que ha aclarado su pregunta original, y aparentemente se pregunta por qué Postgres no está usando un índice en un ejemplo simple como:

CREATE TABLE my_table(
a varchar NOT NULL
);

CREATE INDEX ix_my_table ON my_table(a);

SELECT a from my_table;

Probablemente porque no tienes filas en la tabla. Entonces agregue algunos datos de prueba y ANALYZE my_table;.

No ha publicado su consulta o datos de ejemplo. Pero la razón más común por la que no se usan los índices tiene que ver con el volumen.

Los índices son como una agenda telefónica que traduce una columna a una ubicación de fila. Si solo está buscando unas pocas filas, tiene sentido buscar cada fila en la agenda y luego buscar la fila en la tabla principal.

Pero durante más de unas pocas filas, es más barato omitir la agenda e iterar sobre todas las filas de la tabla principal. En mi experiencia, el punto de inflexión es de alrededor de 100 filas.