PostgreSQL列索引耗时：依赖行数还是磁盘占用？含重复值问询

1. 索引总耗时取决于表的磁盘占用还是行数？ #

创建table_id列索引的核心逻辑是遍历该列的所有行，生成对应的索引结构（比如B+树），所以行数是最核心的决定因素。

不过磁盘占用带来的间接影响也得考虑：虽然只需要读取table_id这一列的数据，但磁盘占用大的表往往数据文件更零散，或者数据库缓存命中率更低，需要更多的磁盘IO操作，实际耗时会比小表稍长，但不会和磁盘占用的差距一样达到10倍——毕竟不是扫描全表所有列。

2. 列中的重复值对索引速度有什么影响？ #

重复值会加快索引的创建速度，主要有两个原因：

• 索引存储更紧凑：像B+树这类常用索引，重复值可以通过前缀压缩、共享条目等方式减少存储开销，写入的数据量更少。
• 排序效率更高：创建索引时需要对目标列数据排序，重复值多的数据集排序时，不需要频繁对比不同的值，算法处理起来更快。

内容的提问来源于stack exchange，提问作者Seán Healy