GiST 索引中的索引元组与用户table 行之间的关系是多对一还是一对一？
Is the relationship between index tuple in GiST index and user table row many to one or one to one?
在常规 b-tree 索引中，叶节点包含一个键和一个指向 heap 元组（用户 table 行）的指针，这表示在 b-tree，索引元组和用户table行是一对一的关系。
就像在 b-tree 中一样，GiST 叶节点也包含关键数据和有关 heap 元组存储位置的信息，但是 GiST 叶节点可能或者可能不包含其键中的整行数据（如果我错了请纠正我）。那么，如果我能够将 table 数据的一部分存储在一个叶节点中，另一部分存储在另一个叶节点中，并使它们都指向一个堆元组，是否可能？这将使 GiST 索引元组和 heap 元组之间的关系多对一。
这些都正确吗？
GiST 索引是 B 树索引的推广。
在B树索引的非叶块中，两个连续的索引条目定义了它们之间指针目的地子树中索引值的边界索引条目：
换句话说，每个指向下一个较低级别的指针都标有一个包含子树中所有值的区间。
这仅适用于具有 total ordering 的数据类型。
GiST 索引扩展了该概念。非叶节点中的每个条目都有一个条件，该索引条目下的子树必须满足该条件。
扫描 GiST 索引时，我在索引页面中搜索所有可能包含与我的搜索条件匹配的值的条目。由于没有总排序，条件有可能（但当然不可取）以某种方式“重叠”，以便我搜索的内容可以在多个条目中匹配。在那种情况下，我必须下降到所有引用的子树，但我可以跳过那些条目条件保证子树不能包含与我的搜索条件匹配的条目的条目。
这有点抽象，让我们用一个例子来充实它。
GiST 索引的一个经典示例是 R-tree 索引，这是一种类似于 PostGIS 使用的地理索引：
这里索引条目的条件是一个边界框，它包含索引条目的子树中包含的所有几何图形的边界框。因此，在搜索几何图形时，我会获取其边界框并查看页面中的哪些索引条目包含此边界框。这些是我必须下降到的子树。
在这个例子中可以看到的一件事是GiST索引可以是lossy，也就是说，它给了我一个neccesary，但不是 足够 条件，如果我找到了命中。如果实际的 table 条目也满足条件（并非每个几何图形都是矩形），则始终必须重新检查在 GiST 索引扫描中找到的叶条目。这就是为什么 GiST 索引扫描在 PostgreSQL 中总是 位图索引扫描。
这听起来很简单。一个好的 GiST 索引的困难部分是 picksplit 算法，它决定索引页面拆分时哪个索引条目进入两个新索引页面中的哪个。效果越好，索引的效率就越高。
所以你看，GiST 索引在很多方面“有点像”B 树索引。您可以将 B 树索引视为 GiST 索引的优化特例（请参阅 btree-gist contrib 模块）。
我来回答你的问题：
GiST leaf node also contains key datum and info about where the heap tuple is stored
这是真的。
GiST leaves may or may not contain entire row data in its keys
当然索引条目不包含整行。但我认为你的意思是正确的。 GiST 叶子中的条件可以比 table 中的实际对象更宽，就像边界框比几何体大。
if I am able to store one part of my table data in one leaf node and the other part in another leaf node and make both of them point to one heap tuple, would it be possible? This will make the relationship between GiST index tuple and heap tuple many to one.
这是错误的。即使一个值可能满足 GiST 索引页中的多个条目，它也只包含在一个子树中，并且只有一个叶页条目指向任何给定的 table 行。它是一对一的关系，就像在 B 树索引中一样。
在常规 b-tree 索引中，叶节点包含一个键和一个指向 heap 元组（用户 table 行）的指针，这表示在 b-tree，索引元组和用户table行是一对一的关系。
就像在 b-tree 中一样，GiST 叶节点也包含关键数据和有关 heap 元组存储位置的信息，但是 GiST 叶节点可能或者可能不包含其键中的整行数据（如果我错了请纠正我）。那么，如果我能够将 table 数据的一部分存储在一个叶节点中，另一部分存储在另一个叶节点中，并使它们都指向一个堆元组，是否可能？这将使 GiST 索引元组和 heap 元组之间的关系多对一。
这些都正确吗？
GiST 索引是 B 树索引的推广。
在B树索引的非叶块中，两个连续的索引条目定义了它们之间指针目的地子树中索引值的边界索引条目：
换句话说，每个指向下一个较低级别的指针都标有一个包含子树中所有值的区间。
这仅适用于具有 total ordering 的数据类型。
GiST 索引扩展了该概念。非叶节点中的每个条目都有一个条件，该索引条目下的子树必须满足该条件。
扫描 GiST 索引时，我在索引页面中搜索所有可能包含与我的搜索条件匹配的值的条目。由于没有总排序，条件有可能（但当然不可取）以某种方式“重叠”，以便我搜索的内容可以在多个条目中匹配。在那种情况下，我必须下降到所有引用的子树，但我可以跳过那些条目条件保证子树不能包含与我的搜索条件匹配的条目的条目。
这有点抽象，让我们用一个例子来充实它。
GiST 索引的一个经典示例是 R-tree 索引，这是一种类似于 PostGIS 使用的地理索引：
这里索引条目的条件是一个边界框，它包含索引条目的子树中包含的所有几何图形的边界框。因此，在搜索几何图形时，我会获取其边界框并查看页面中的哪些索引条目包含此边界框。这些是我必须下降到的子树。
在这个例子中可以看到的一件事是GiST索引可以是lossy，也就是说，它给了我一个neccesary，但不是 足够 条件，如果我找到了命中。如果实际的 table 条目也满足条件（并非每个几何图形都是矩形），则始终必须重新检查在 GiST 索引扫描中找到的叶条目。这就是为什么 GiST 索引扫描在 PostgreSQL 中总是 位图索引扫描。
这听起来很简单。一个好的 GiST 索引的困难部分是 picksplit 算法，它决定索引页面拆分时哪个索引条目进入两个新索引页面中的哪个。效果越好，索引的效率就越高。
所以你看，GiST 索引在很多方面“有点像”B 树索引。您可以将 B 树索引视为 GiST 索引的优化特例（请参阅 btree-gist contrib 模块）。
我来回答你的问题：
GiST leaf node also contains key datum and info about where the heap tuple is stored
这是真的。
GiST leaves may or may not contain entire row data in its keys
当然索引条目不包含整行。但我认为你的意思是正确的。 GiST 叶子中的条件可以比 table 中的实际对象更宽，就像边界框比几何体大。
if I am able to store one part of my table data in one leaf node and the other part in another leaf node and make both of them point to one heap tuple, would it be possible? This will make the relationship between GiST index tuple and heap tuple many to one.
这是错误的。即使一个值可能满足 GiST 索引页中的多个条目，它也只包含在一个子树中，并且只有一个叶页条目指向任何给定的 table 行。它是一对一的关系，就像在 B 树索引中一样。