Jak funguje fulltextové vyhledávání v PostgreSQL?

Question

Accepted Answer

PostgreSQL má **vestavěné fulltextové vyhledávání** — vyhledávání slov v dokumentech/textu se stemováním, hodnocením relevance a jazykovou podporou, mnohem výkonnější než `LIKE`. Používá typy **`tsvector`** (zpracovaný dokument) a **`tsquery`** (vyhledávací dotaz), s GIN indexy pro rychlost.

## Problém, který LIKE neřeší

```text
LIKE '%word%' → no stemming (won't match "running" for "run"), no ranking, no language
  awareness, and can't use an index well (leading wildcard) → slow and limited.
Full-text search → stems words, ignores stop words, ranks by relevance, indexable.
```

## tsvector a tsquery

```sql
-- to_tsvector — process text into searchable lexemes (stemmed, stop-words removed)
SELECT to_tsvector('english', 'The cats are running fast');
-- → 'cat':2 'fast':5 'run':4  (stemmed: cats→cat, running→run; "the"/"are" removed)

-- to_tsquery / plainto_tsquery — parse a search query
SELECT to_tsvector('english', body) @@ to_tsquery('english', 'running')
FROM articles;   -- @@ = the match operator; matches "run" stem
```

`to_tsvector` převádí text na normalizované **lexémy** (odvozuje základy slov, odstraňuje stop slova) a `to_tsquery` analyzuje vyhledávací termíny. Operátor `@@` testuje shodu — takže "running" se shoduje s dokumenty obsahujícími "run", "runs" atd.

## Prohledávatelný sloupec + GIN index (praktické nastavení)

```sql
-- add a generated tsvector column and index it with GIN
ALTER TABLE articles ADD COLUMN search_vector tsvector
  GENERATED ALWAYS AS (to_tsvector('english', title || ' ' || body)) STORED;
CREATE INDEX idx_search ON articles USING GIN (search_vector);

-- fast searches using the index
SELECT title FROM articles
WHERE search_vector @@ plainto_tsquery('english', 'machine learning');
```

## Seřazení výsledků podle relevance

```sql
SELECT title, ts_rank(search_vector, query) AS rank
FROM articles, plainto_tsquery('english', 'database') query
WHERE search_vector @@ query
ORDER BY rank DESC;          -- most relevant first
```

`ts_rank` hodnotí, jak dobře každý dokument odpovídá, což umožňuje výsledky seřazené podle relevance.

## Proč na tom záleží

Vestavěné fulltextové vyhledávání PostgreSQL je cenná funkce, která vám umožňuje implementovat **funkcionalitu vyhledávání přímo v databázi** — bez potřeby samostatného vyhledávacího enginu (jako Elasticsearch) pro mnoho případů použití — takže jeho porozumění je užitečné pro aplikace vyžadující textové vyhledávání.

Klíčová hodnota spočívá v tom, že je mnohem výkonnější než `LIKE` (který neumí odvozovat základy slov, hodnotit výsledky nebo být efektivně indexován): fulltextové vyhledávání poskytuje **odvozování základů slov** (shodu "running" pro "run"), **odstranění stop slov**, **jazykovou podporu**, **hodnocení relevance** a zásadně je **indexovatelné** (s GIN indexy pro rychlé vyhledávání) — poskytující skutečné vyhledávací schopnosti (takové, které uživatelé očekávají: shoda variant slov, hodnocení podle relevance) přímo v Postgresu.

Porozumění základním konceptům — **`tsvector`** (zpracovaný, odvozený text dokumentu), **`tsquery`** (parsované vyhledávací termíny), operátor **`@@`** pro shodu a **`ts_rank`** pro hodnocení relevance — plus praktické nastavení (generovaný sloupec `tsvector` indexovaný pomocí GIN pro výkon) pokrývá implementaci efektivního vyhledávání.

Zatímco vyhledávací enginy věnované celému tomuto zaměření nabízejí více pro komplexní potřeby, fulltextové vyhledávání Postgresu je dostatečné a pohodlné pro mnoho aplikací (vyhýbá se operační složitosti samostatného vyhledávacího systému a udržuje data vyhledávání konzistentní s vašimi relačními daty).

Protože textové vyhledávání je běžnou aplikační požadavkem a protože Postgres poskytuje schopné vestavěné fulltextové vyhledávání (výkonné, indexovatelné, se stemováním a hodnocením), které často stačí bez samostatného vyhledávacího enginu, jeho porozumění — model tsvector/tsquery, nastavení s indexem a hodnocení — je cenné, prakticky relevantní znalosti, které vám umožňují přidat skutečnou funkcionalitu vyhledávání pomocí vestavěných schopností PostgreSQL, užitečná funkce, která je často přehlížena ve prospěch složitějších externích řešení, když by Postgres stačil.