昨天介紹完索引是什麼、為什麼需要索引和索引運作機制，今天要來聊聊 PostgreSQL 有哪些索引類型。除了昨天提到的 B-Tree 之外，其實 PostgreSQL 還有提供多種索引類型，像是 Hash 、 GiST 、 SP-GiST 、 GIN 和 BRIN ，每個類型適合的場景不一樣，下面會一一介紹。

B-Tree

B-Tree 是一種自平衡的樹形數據結構，每個節點可以有多個子節點，並且所有葉子節點都位於同一層，不會有深淺不一的情況。這使得 B-Tree 非常適合用於高效處理大型數據集的隨機存取和排序操作，所以 PostgreSQL 和 MySQL 的都預設 B-Tree 為索引類型。

下 SQL query的時候，如果有使用 < 、 <= 、 = 、 >= 和 > 這些運算符號去設計搜尋條件，資料庫將會考慮使用 B-Tree 索引對搜尋進行優化。當然，除了上面的運算符號之外， BETWEEN 和 IN ，甚至是 LIKE 也都可以使用 B-Tree 優化，而且有的時候也有助於排序，也就是 ORDER BY 這個指令。

Hash

Hash 這個索引主要是把欄位資料轉換成 32-bit 的 hash code ，並在搜尋的時候使用 hash code 去做優化，這個索引的類型適用於條件是 = 的情境。

GiST

GiST 跟 B-Tree 一樣都是樹狀結構，但有別於 B-Tree 局限於一維的數據搜尋， GiST 可以用於多維度的資料查詢，例如座標搜尋，如果搜尋條件有使用 <-> 、 << 、 &< 、 &> 、 >> 、 <<| 、 &<| 、 |&> 、 |>> 、 @> 、 <@ 、 ~= 、 && ，資料庫將會使用 GiST 的索引做優化。舉例來說，用 <-> 搜尋鄰近的座標，就可以使用 GiST 。

SELECT * FROM locations ORDER BY position <-> point '(101,456)' LIMIT 10;

SP-GiST

跟 GiST 類似的一種索引類型，但是 SP-GiST 比 GiST 更彈性，支援更多的資料結構做優化，像是 quadtrees 、k-d trees 和 radix trees (tries) ，有別於 GiST 使用節點分割， SP-GiST 使用空間分割，對於座標搜尋的效果會更好，搜尋條件使用 << 、 >> 、 ~= 、 <@ 、 <<| 、 |>> 時，就可以使用 SP-GiST 索引做優化。

GIN

是 Generalized Inverted Index 的縮寫，適合用於多維度資料的搜尋，像是 array 和 json ， GIN 的資料結構會有 Entry Tree ， Entry Tree 使用的資料結構是 B-Tree ，然後每個節點對應 Posting Lists ，這個 Posting Lists 包含該資料庫欄位的部分資料，如下面圖片所示。
可以想像 GIN 的設計就像是 tree 的結構在搭配 hash 的結構，並達成分群的效果，所以在文字搜尋，GIN 的效果也會比前面的索引好，搜尋條件使用 <@ 、 @> 、 = 和 && ，資料庫會嘗試使用 GIN 索引做優化。

BRIN

BRIN 是 B-Tree 的變形，跟 B-Tree 不一樣的地方在於， B-Tree 的節點是一個明確的值，而 BRIN 的節點則是一個區間，這麼做的優點是可以有效的降低樹的深度，提升搜尋效率，非常適合用於資料表有多筆資料的情境，像是要從幾千萬筆 log 中，撈出特定區間的 log ，就很適合使用這個索引。
但是在資料很分散的情況下，並無法顯現這個資料結構的優勢。跟 B-Tree 類似，搜尋條件使用 < 、 <= 、 = 、 >= 和 > 時，資料庫可能會使用 BRIN 索引做優化。