Postgresql - производителност при използване на масив в голяма база данни

Мисля, че трябва да използвате elements таблица:

• Postgres ще може да използва статистика, за да предскаже колко реда ще съвпаднат, преди да изпълни заявката, така че ще може да използва най-добрия план за заявка (по-важно е, ако данните ви не са равномерно разпределени);

• ще можете да локализирате данните от заявката, като използвате CLUSTER elements USING elements_id_element_idx;

• когато Postgres 9.2 бъде пуснат, ще можете да се възползвате от сканирането само на индекс;

Но направих някои тестове за 10 милиона елемента:

create table elements (id_item bigint, id_element bigint);
insert into elements
  select (random()*524288)::int, (random()*32768)::int
    from generate_series(1,10000000);

\timing
create index elements_id_item on elements(id_item);
Time: 15470,685 ms
create index elements_id_element on elements(id_element);
Time: 15121,090 ms

select relation, pg_size_pretty(pg_relation_size(relation))
  from (
    select unnest(array['elements','elements_id_item', 'elements_id_element'])
      as relation
  ) as _;
      relation       | pg_size_pretty 
---------------------+----------------
 elements            | 422 MB
 elements_id_item    | 214 MB
 elements_id_element | 214 MB



create table arrays (id_item bigint, a_elements bigint[]);
insert into arrays select array_agg(id_element) from elements group by id_item;

create index arrays_a_elements_idx on arrays using gin (a_elements);
Time: 22102,700 ms

select relation, pg_size_pretty(pg_relation_size(relation))
  from (
    select unnest(array['arrays','arrays_a_elements_idx']) as relation
  ) as _;
       relation        | pg_size_pretty 
-----------------------+----------------
 arrays                | 108 MB
 arrays_a_elements_idx | 73 MB

Така че от друга страна масивите са по-малки и имат по-малък индекс. Бих направил някои тестове на 200 милиона елемента, преди да взема решение.