collimarco's questions

Tenho uma tabela que se parece com isso:

post_id   tags
---       ----
1         {'tag1','tag2','tag3'}
2         {'foo','tag3', 'tag1'}
3         {'bar','tag3','anothertag'}
...

Tags é uma coluna de matriz .

Existe alguma maneira de obter as tags mais comuns (por exemplo, para gerar uma nuvem de tags )?

Por exemplo, como você classifica os nomes das tags por popularidade ou as 10 principais tags usadas? (no exemplo acima, na ordem: tag3, tag1, etc.)

É possível calcular isso de forma eficiente (para milhares de linhas)?

Estou ajustando uma instalação do PG com 32 GB de RAM.

A questão é: qual das seguintes frases é verdadeira?

1. Effective_cache_size + shared_buffers ~= 30GB (PG sabe que tem buffer compartilhado mais o Effective_cache_size)

2. Effective_cache_size ~= 30 GB (effective_cache_size inclui shared_buffers)

Eu tenho uma grande tabela com milhões de linhas. Cada linha tem um campo de matriz tags. Eu também tenho o índice GIN adequado no tags.

Contar as linhas que possuem uma tag é rápido (~7s):

SELECT COUNT(*) FROM "subscriptions" WHERE (tags @> ARRAY['t1']::varchar[]);

No entanto, contar as linhas que não possuem uma tag é extremamente lento (~70s):

SELECT COUNT(*) FROM "subscriptions" WHERE NOT (tags @> ARRAY['t1']::varchar[]);

Eu também tentei outras variantes, mas com os mesmos resultados (~70s):

SELECT COUNT(*) FROM "subscriptions" WHERE NOT ('t1' = ANY (tags));

Como posso tornar a operação "não em array" rápida?