Πώς λειτουργεί η αναζήτηση πλήρους κειμένου στο PostgreSQL;

Question

Accepted Answer

Το PostgreSQL διαθέτει **ενσωματωμένη αναζήτηση πλήρους κειμένου** — αναζήτηση εγγράφων/κειμένου για λέξεις με stemming, κατάταξη και επίγνωση γλώσσας, πολύ πιο ισχυρή από `LIKE`. Χρησιμοποιεί τύπους **`tsvector`** (επεξεργασμένο έγγραφο) και **`tsquery`** (ερώτημα αναζήτησης), με GIN indexes για ταχύτητα.

## Το πρόβλημα που δεν λύνει το LIKE

```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 και 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
```

Το `to_tsvector` μετατρέπει το κείμενο σε κανονικοποιημένα **λήμματα** (κάνει stemming τις λέξεις, αφαιρεί stop words), και το `to_tsquery` αναλύει τους όρους αναζήτησης. Ο τελεστής `@@` ελέγχει για ταίριασμα — οπότε "running" ταιριάζει έγγραφα που περιέχουν "run", "runs" κ.λπ.

## Ένα αναζητήσιμο στήλη + GIN index (η πρακτική ρύθμιση)

```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');
```

## Κατάταξη αποτελεσμάτων ανά συνάφεια

```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
```

Το `ts_rank` βαθμολογεί πόσο καλά ταιριάζει κάθε έγγραφο, επιτρέποντας αποτελέσματα ταξινομημένα ανά συνάφεια.

## Γιατί έχει σημασία

Η ενσωματωμένη αναζήτηση πλήρους κειμένου του PostgreSQL είναι μια πολύτιμη δυνατότητα που σας επιτρέπει να υλοποιήσετε **λειτουργικότητα αναζήτησης στη βάση δεδομένων σας** — χωρίς να χρειάζεστε ξεχωριστό κινητήρα αναζήτησης (όπως Elasticsearch) για πολλές περιπτώσεις χρήσης — οπότε η κατανόησή του είναι χρήσιμη για εφαρμογές που χρειάζονται αναζήτηση κειμένου.

Η κύρια αξία είναι ότι είναι πολύ πιο ισχυρή από `LIKE` (η οποία δεν μπορεί να κάνει stemming λέξεων, κατάταξη αποτελεσμάτων ή να ευρετηριασθεί αποτελεσματικά): η αναζήτηση πλήρους κειμένου παρέχει **stemming λέξεων** (ταίριασμα "running" για "run"), **αφαίρεση stop words**, **επίγνωση γλώσσας**, **κατάταξη συνάφειας** και κρίσιμα είναι **ευρετηριάσιμη** (με GIN indexes για γρήγορες αναζητήσεις) — παρέχοντας πραγματικές δυνατότητες αναζήτησης (του είδους που περιμένουν οι χρήστες: ταίριασμα παραλλαγών λέξεων, κατάταξη ανά συνάφεια) απευθείας στο Postgres.

Η κατανόηση των βασικών εννοιών — **`tsvector`** (επεξεργασμένο, stemmed κείμενο εγγράφου), **`tsquery`** (αναλυμένοι όροι αναζήτησης), ο τελεστής **`@@`** ταιριάσματος, και **`ts_rank`** για κατάταξη συνάφειας — συν τη πρακτική ρύθμιση (μια δημιουργημένη στήλη `tsvector` με ευρετήριο GIN για απόδοση) καλύπτει πώς υλοποιούν αποτελεσματική αναζήτηση.

Και οι αποκλειστικοί κινητήρες αναζήτησης προσφέρουν περισσότερα για πολύπλοκες ανάγκες, η αναζήτηση πλήρους κειμένου του Postgres είναι επαρκής και βολική για πολλές εφαρμογές (αποφεύγοντας την λειτουργική πολυπλοκότητα ενός ξεχωριστού συστήματος αναζήτησης και διατηρώντας τα δεδομένα αναζήτησης συνεπή με τα σχεσιακά σας δεδομένα).

Επειδή η αναζήτηση κειμένου είναι μια κοινή απαίτηση εφαρμογής, και επειδή το Postgres παρέχει ικανή ενσωματωμένη αναζήτηση πλήρους κειμένου (ισχυρή, ευρετηριάσιμη, με stemming και κατάταξη) που συχνά αρκεί χωρίς ξεχωριστό κινητήρα αναζήτησης, η κατανόησή του — το μοντέλο tsvector/tsquery, η ευρετηριασμένη ρύθμιση και η κατάταξη — είναι πολύτιμη, πρακτικά σχετική γνώση που σας επιτρέπει να προσθέσετε πραγματική λειτουργικότητα αναζήτησης χρησιμοποιώντας τις ενσωματωμένες δυνατότητες του PostgreSQL, μια χρήσιμη δυνατότητα που συχνά αγνοείται υπέρ πιο περίπλοκων εξωτερικών λύσεων όταν το Postgres θα ήταν επαρκές.