PostgreSQL में built-in full-text search है — documents/text में words के लिए stemming, ranking और language awareness के साथ खोज करना, LIKE से कहीं अधिक शक्तिशाली। यह tsvector (processed document) और tsquery (search query) types का उपयोग करता है, गति के लिए GIN indexes के साथ।
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.
-- 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 text को normalized lexemes में बदलता है (words को stem करता है, stop words हटाता है), और to_tsquery search terms को parse करता है। @@ operator match के लिए परीक्षण करता है — इसलिए "running" उन documents से match करता है जिनमें "run," "runs" आदि होते हैं।
-- 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');
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 यह स्कोर करता है कि प्रत्येक document कितनी अच्छी तरह match करता है, relevance-ordered परिणामों को सक्षम करते हुए।
PostgreSQL का built-in full-text search एक मूल्यवान विशेषता है जो आपको अपने database के भीतर search functionality लागू करने देती है — कई use cases के लिए एक अलग search engine (जैसे Elasticsearch) की आवश्यकता के बिना — इसलिए इसे समझना text search की ज़रूरत वाले applications के लिए उपयोगी है।
मुख्य मूल्य यह है कि यह LIKE से कहीं अधिक शक्तिशाली है (जो words को stem नहीं कर सकता, परिणामों को rank नहीं कर सकता, या कुशलता से indexed नहीं हो सकता): full-text search word stemming ("run" के लिए "running" match करना), stop-word removal, language awareness, relevance ranking प्रदान करता है, और महत्वपूर्ण रूप से indexable है (तेज़ searches के लिए GIN indexes के साथ) — Postgres में सीधे वास्तविक search क्षमताएँ (जिस तरह की users अपेक्षा करते हैं: word variations match करना, relevance द्वारा ranking) प्रदान करते हुए।
मूल अवधारणाओं को समझना — tsvector (processed, stemmed document text), tsquery (parsed search terms), @@ match operator, और relevance ranking के लिए ts_rank — साथ ही व्यावहारिक setup (performance के लिए GIN के साथ indexed एक generated tsvector column) यह कवर करता है कि प्रभावी search कैसे लागू करें।
जबकि dedicated search engines जटिल ज़रूरतों के लिए अधिक प्रदान करते हैं, Postgres full-text search कई applications के लिए पर्याप्त और सुविधाजनक है (एक अलग search system की operational जटिलता से बचना और search data को आपके relational data के साथ सुसंगत रखना)।
चूँकि text search एक सामान्य application आवश्यकता है, और चूँकि Postgres सक्षम built-in full-text search प्रदान करता है (शक्तिशाली, indexable, stemming और ranking के साथ) जो अक्सर एक अलग search engine के बिना पर्याप्त होता है, इसे समझना — tsvector/tsquery model, indexed setup, और ranking — मूल्यवान, व्यावहारिक रूप से प्रासंगिक ज्ञान है जो आपको PostgreSQL की built-in क्षमताओं का उपयोग करके वास्तविक search functionality जोड़ने देता है, एक उपयोगी विशेषता जिसे अक्सर अधिक जटिल बाहरी समाधानों के पक्ष में नज़रअंदाज़ किया जाता है जब Postgres पर्याप्त होता।