PostgreSQL LIKE查询性能变化
我已经看到在我的数据库中的特定表LIKE查询响应时间相当大的变化。 有时我会在200-400毫秒（非常可接受的）内得到结果，但有些时候可能需要多达30秒才能返回结果。
我知道LIKE查询是非常耗费资源的，但我不明白为什么会有这么大的响应时间差异。 我已经在owner1字段上构build了一个btree索引，但我不认为这对LIKE查询有帮助。 任何人有任何想法？
示例SQL：
SELECT gid, owner1 FORM parcels WHERE owner1 ILIKE '%someones name%' LIMIT 10
我也试过：
SELECT gid, owner1 FROM parcels WHERE lower(owner1) LIKE lower('%someones name%') LIMIT 10
和：
SELECT gid, owner1 FROM parcels WHERE lower(owner1) LIKE lower('someones name%') LIMIT 10
有类似的结果。
表行数：约95,000。
FTS不支持LIKE
以前接受的答案是不正确的。 具有全文索引的全文本search根本不适用于LIKE运算符，它具有自己的运算符，不适用于任意string。 它运行在词典和词干的基础上。 它支持字的前缀匹配 ，但不支持LIKE运算符：
- 从GIN索引TSVECTOR列获得部分匹配
LIKE Trigram索引
安装附加模块pg_trgm ，它为GIN和GiST三字节索引提供运算符类，以支持所有的LIKE和ILIKE模式 ，而不仅仅是左侧的模式 ：
示例索引：
CREATE INDEX tbl_col_gin_trgm_idx ON tbl USING gin (col gin_trgm_ops );
要么：
CREATE INDEX tbl_col_gist_trgm_idx ON tbl USING gist (col gist_trgm_ops );
- GiST和GIN指数的区别
示例查询：
SELECT * FROM tbl WHERE col LIKE '%foo%'; -- leading wildcard SELECT * FROM tbl WHERE col ILIKE '%foo%'; -- works case insensitively as well
text_pattern_ops用于前缀匹配
对于左锚模式（无引导通配符），您可以使用适合btree索引的操作符类 ： text_pattern_ops或varchar_pattern_ops获得最佳效果。 标准Postgres的两个内置function，不需要额外的模块。 相似的performance，但是指数要小得多。
示例索引：
CREATE INDEX tbl_col_text_pattern_ops_idx ON tbl(col text_pattern_ops );
示例查询：
SELECT * FROM tbl WHERE col LIKE 'foo%' ; -- no leading wildcard
或者 ，如果您应该使用“C”语言环境（实际上没有语言环境）来运行数据库，则无论如何，所有内容都按照字节顺序进行sorting，而具有默认操作符类的普通btree索引完成这项工作。
有关dba.SE的相关答案的更多细节，解释，示例和链接：
- 在PostgreSQL中与LIKE，SIMILAR TO或正则expression式匹配的模式
- LIKE是如何实现的？
- 用PostgreSQL快速find类似的string
可能是快速的那些锚定模式，如可以使用索引的区分大小写。 即在匹配string的开头没有通配符，因此执行者可以使用索引范围扫描。 （ 文档中的相关评论在这里 ）如果您专门为此目的创build了一个索引（请参阅函数索引 ），则较低和ilike也将失去使用该索引的能力。
如果要在字段中间searchstring，则应查看全文或三字节索引 。 首先是在Postgres核心，另一个在contrib模块中可用。
您可以在PostgreSQL中安装Wildspeed ，这是一种不同types的索引。 Wildspeed可以使用％word％通配符，没问题。 缺点是指数的大小，这可能很大，非常大。
请执行下面提到的查询来提高postgresql中的LIKE查询性能。 为更大的表创build一个像这样的索引：
CREATE INDEX <indexname> ON <tablename> USING btree (<fieldname> text_pattern_ops)
你的查询可能不能使用你创build的索引，因为：
1）你的LIKE标准以通配符开始。
2）你已经使用了LIKE标准的函数。
