精通构建数据库查询语句，利用向量索引高效检索代码库，快速定位…

# PostgreSQL 销售统计查询 + pgvector 索引优化方案

一、销售统计查询（Top 10 商品）

```sql

SELECT

product_id,

product_name,

SUM(quantity * unit_price) AS total_sales

FROM orders

WHERE order_date >= '2024-03-01'

AND order_date < '2024-04-01'

AND region = '华东'

GROUP BY product_id, product_name

ORDER BY total_sales DESC

LIMIT 10;

```

要点说明：

• 用 >= + < 的左闭右开区间，避免 BETWEEN 遗漏带时分秒的数据，同时利用 order_date 索引
• 若 region 编码为数字，替换为对应区域代码即可
• 金额字段若为 NUMERIC，结果精度更可靠

二、常规性能优化（B-tree 索引）

统计查询走不上 pgvector 索引，先建普通索引：

```sql

-- 组合索引：区域过滤 + 时间范围

CREATE INDEX idx_orders_region_date

ON orders (region, order_date)

INCLUDE (product_id, quantity, unit_price);

-- 或按需建部分索引，体积更小

CREATE INDEX idx_orders_east_2024

ON orders (order_date, product_id)

WHERE region = '华东';

```

INCLUDE 可实现索引覆盖，避免回表。

三、pgvector 的适用场景与索引

pgvector 用于向量相似度检索，不能加速上面的聚合统计。若你的需求是“相似商品/语义搜索”（如订单文本嵌入），步骤如下：

```sql

-- 1. 安装扩展（需 pgvector 插件支持）

CREATE EXTENSION IF NOT EXISTS vector;

-- 2. 建表存嵌入向量（示例：768 维）

CREATE TABLE product_embeddings (

product_id BIGINT PRIMARY KEY,

embedding vector(768)

);

-- 3. 建索引（二选一）

-- HNSW：查询快、召回高，推荐

CREATE INDEX ON product_embeddings

USING hnsw (embedding vector_cosine_ops);

-- IVFFlat：构建快、内存省

CREATE INDEX ON product_embeddings

USING ivfflat (embedding vector_cosine_ops)

WITH (lists = 100);

```

参数建议：

• HNSW 可调 m（默认16）和 ef_construction（默认64），越大越准但越慢
• IVFFlat 的 lists 建议约为行数的平方根量级；数据量大时先灌数据再建索引

四、常见坑

• 查询变慢先 EXPLAIN：EXPLAIN ANALYZE 确认是否走索引
• pgvector 索引有召回率损失：重要场景可加 re-ranking
• ANALYZE 更新统计信息：大批量导入后执行 ANALYZE orders;

如果你的业务确实需要向量检索，可补充说明