Postgresql 在复杂查询中连接两个表（非统一数据）

我需要在一个查询中连接两个表，用于将数据插入第三个表（将来用于连接这两个表）。我将仅提及这些表中的相关列

PostgreSQL 9.0.5版

表1：数据表

迁移的数据，约10k行，相关列：

id（主键）

地址（地址的开头，我需要与第二个表匹配的字符串。此地址具有不同的长度。）

表2：词典

字典，约9百万行，相关列：

id（主键）

地址（完整地址，我需要与第一个表匹配的字符串，长度也不同。）

我到底需要什么

我需要在select语句中正确连接这些表，然后将它们插入第三个表。我所需要的只是一种成功连接这些表的方法

我想这样做的方式是从data_表中获取每个地址，并将其与字典中以data_table.address开头的第一个地址（edit:order by address asc）连接起来（不乘以记录，因为字典中的许多地址都以data_table.address开头）

另外，两个表中的addressess都包含很多不规则的空格，所以我们可能需要

replace(address, ' ', '') 

在这两个方面（欢迎任何其他想法）。由于dictionary有9百万行，而且服务器速度相当慢，因此可能还存在一些性能问题

我将结果视为以下查询的一些变体：

select 
data_table.id, dictionary_id
from
data_table, dictionary
where
-conditions-

（

orderby

在问题更新后更新。）如果没有

orderby

它会选择任意匹配项。
此相关答案中的技术说明：

词典上的功能索引会使这一点变得更快：

关于这一点，我在给客户的答复中做了更多解释

---

人们可能会争论这是否会让你成为“最佳”对手。另一种方法是使用三元索引进行相似性匹配。详细信息，请参见我添加到上一个问题的第一个链接。

我们的架构师提出的解决方案是编写一个函数来查找第一个匹配项

职能：

CREATE OR REPLACE FUNCTION pick_one_address(text)
  RETURNS text AS
$BODY$
DECLARE
  address_query text;
  toFind text;
  found text;
BEGIN

  toFind := (replace($1, ' ', '') || '%');  
  address_query := 'select al.id from dictionary al where replace(al.adres, '' '', '''') like ''' || toFind ||''' limit 1'; 
  EXECUTE address_query into found;
  RETURN found;

RETURN found_address;
END $BODY$
  LANGUAGE plpgsql VOLATILE
  COST 100;

代码可能看起来很奇怪，因为我确实更改了表名以保护公司的隐私，并且没有提到我用来简化问题的第三个表，但我想这应该足以理解该机制

---

感谢您的输入@ErwinBrandstetter、@CraigRinger

您在“PostgreSQL 9.0.5版”中失去了我。您有未修补的主要安全漏洞和次要可靠性/索引损坏问题。紧急升级。至于问题的其余部分：请提供样本数据和实际表格定义。我推荐+感谢你努力写一个像样的解释，并提及你的Pg版本。当你用样本数据编辑了你的问题，并解释了你已经尝试过的内容时，请在此处发表评论，以便通知我；我会尽力帮忙的。上下文前面的问题：请在

中定义“first”并将其与字典中的first address连接起来。没有定义就没有自然的第一。还是你可以随意挑选？加：数据表的基数（多少行）？@CraigRinger:谢谢你的建议。我的任务是一个庞大项目的一部分，要求升级不受我的影响。我现在下班回来了，没有访问数据库的权限，您想看一个完整的脚本来重新创建这些表吗？他们每个人大约有15个专栏，除了我发布的内容外，所有的专栏都是无关的。还有，有没有一种方法可以以可读的格式发布示例数据？ErwinBrandstetter：edited@fetta请将这些链接发送到您的管理层，然后：。如果他们不更新到9.0.13，那么我会非常担心这个项目。谢谢，我会在工作中尝试，并给你反馈，但据我所知，这正是我所需要的。我已经创建了索引并运行了查询，但使用
limit 5
子句，它现在运行了20分钟。我猜对于10k行，它根本不会执行。那么，其他的想法呢？我相信像
first\u值（substr（d.address，1，length（t.address）））超过（按t.address分区）
会更快，但是您不能在where子句中使用分析函数，我也不清楚如何使用它和/或如何连接这些表。@fetta:Window函数功能强大，但通常不会比类似于

的简单解决方案快。索引对于包含数百万行的表来说是必不可少的。一个简单的

解释
是否表明要使用索引？20分钟5行表示您的数据库严重损坏或以某种方式配置错误。
CREATE INDEX dictionary_address_text_pattern_ops_idx
ON dictionary (replace(address, ' ', '') text_pattern_ops);

CREATE OR REPLACE FUNCTION pick_one_address(text)
  RETURNS text AS
$BODY$
DECLARE
  address_query text;
  toFind text;
  found text;
BEGIN

  toFind := (replace($1, ' ', '') || '%');  
  address_query := 'select al.id from dictionary al where replace(al.adres, '' '', '''') like ''' || toFind ||''' limit 1'; 
  EXECUTE address_query into found;
  RETURN found;

RETURN found_address;
END $BODY$
  LANGUAGE plpgsql VOLATILE
  COST 100;