Re: FTS

Anthony muchas gracias por tus explicaciones. Es como dices, la palabra
"salta" está en el 99% de los registros, en este caso se refiere a la
provincia llamada Salta y no al verbo saltar. ¿No hay manera de forzar a
que el lexema de Salta sea "Salta"? como cuando buscamos en google con
comillas. Creo que una alternativa sería agregarle otra condición con LIKE
pero ya no usaría índice ni las virtudes de FTS.
Muchas gracias de nuevo.

Guillermo

El 10 de agosto de 2016, 17:52, Anthony Sotolongo <asotolongo(at)gmail(dot)com>
escribió:

> Hola Guillermo
>
> On 10/08/16 12:32, Guillermo E. Villanueva wrote:
>
> Buenas tardes , he leído sobre el tema Postgres y FTS en varios sitios y
> lo he utilizado varias veces pero al decir verdad, sigo entendiendolo muy
> poco.
> Si alguno tiene tiempo y puede ayudarme, les comento mi inquietud.
>
> Tengo la siguiente consulta:
> SELECT *
> FROM tescrito t
> WHERE to_tsvector('spanish',escritodtxt) @@ to_tsquery('spanish','
> *salta*')
>
> y tengo un índice creado
>
> CREATE INDEX fts_escritodtxt ON public.tescrito
> USING gin (to_tsvector('spanish'::regconfig, escritodtxt));
>
> La tabla tiene 65300 registros
> El planificado me dice que realizará un seq scan y de hecho, la consulta
> demora mucho.
> Si cambio la palabra a buscar, por ejemplo por 'casa'
> SELECT *
> FROM tescrito t
> WHERE to_tsvector('spanish',escritodtxt) @@ to_tsquery('spanish','*casa*
> ')
>
> Entonces demora menos y el planificador ahora dice que si utilizará el
> índice.
>
> Preguntas:
> En que se basa postgres para decidir si utiliza o no el índice si lo único
> que cambié es la palabra a buscar?
>
> Tengo entendido que se basa en las estadísticas para ver si usa el indice
> o no, por ejemplo puede que el optimizador considere que es mejor escanear
> la tabla completa antes de usar un indice, pues el resultado está en un
> porciento grande de la tabla ( no se el porciento exacto :( ), ejemplo:
> De:
> explain analyze
> select * from customers where customerid >10000
>
> Obtenemos:
> "Index Scan using customers_pkey on customers (cost=0.29..538.29
> rows=10000 width=268) (actual time=0.019..1.764 rows=10000 loops=1)"
> " Index Cond: (customerid > 10000)"
> "Planning time: 0.113 ms"
> "Execution time: 2.064 ms"
>
> Y de:
> explain analyze
> select * from customers where customerid >1000
>
> Obtenemos:
> "Seq Scan on customers (cost=0.00..738.00 rows=19000 width=268) (actual
> time=0.273..3.120 rows=19000 loops=1)"
> " Filter: (customerid > 1000)"
> " Rows Removed by Filter: 1000"
> "Planning time: 0.189 ms"
> "Execution time: 3.640 ms"
>
>
> Como ves con solo cambiar el valor del customerid el optimizador usa el
> indice o no, y este optimizador de PostgreSQL ha resultado ser inteligente.
> pero si consideras tu que no esta bien la decisión del optimizador puedes
> "tomar el toro por los cuernos" y obligarlo a que use el indice por ejemplo:
> set enable_seqscan = off;
> explain analyze
> select * from customers where customerid >1000;
>
> Obtenemos:
> "Index Scan using customers_pkey on customers (cost=0.29..1019.79
> rows=19000 width=268) (actual time=0.013..5.099 rows=19000 loops=1)"
> " Index Cond: (customerid > 1000)"
> "Planning time: 0.076 ms"
> "Execution time: 5.820 ms"
>
> vaya que se demora más con el indice que con el scan para el customerid
> >1000
>
>
>
> Será que el tsquery de 'salta' es una palabra que no se indexa?
>
> el to_tsvector obtiene los siguientes lexemas(donde esta 'salta'):
> SELECT to_tsvector('spanish','saltar un muro que es bien alto');
> "'alto':7 'bien':6 'mur':3 'salt':1"
>
> puede que 'salt' que es el lexema de 'salta' sea un porciento grande de la
> tabla y por eso el decide no usar el indice (de todos modos puedes forzarlo
> a usar el indice con set enable_seqscan = off; , vaya ser que se equivoque
> el optimizador, prueba a ver si se equivoca el optimizador )
>
> Para el caso de 'spanish' Aparte de crear el índice es necesario crear o
> configurar algo mas?
>
> hasta donde yo lo he usado no me ha sido necesario configurar más nada,
> pero puede que haya que hacer algo más para lo que requieres
>
> Desde ya les agradezco la ayuda que me puedan brindar.
> Saludos
>
> Guillermo
>
> Saludos
>