PostgreSQL memiliki built-in full-text search — mencari dokumen/teks untuk kata-kata dengan stemming, ranking, dan kesadaran bahasa, jauh lebih powerful daripada LIKE. Ini menggunakan tipe tsvector (dokumen yang diproses) dan tsquery (query pencarian), dengan indeks GIN untuk kecepatan.
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 mengonversi teks menjadi lexemes yang dinormalisasi (menyederhanakan kata, menghapus stop words), dan to_tsquery mengurai term pencarian. Operator @@ menguji kecocokan — jadi "running" cocok dengan dokumen yang mengandung "run," "runs," dll.
-- 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 menghitung seberapa baik setiap dokumen cocok, memungkinkan hasil yang diurutkan berdasarkan relevansi.
Full-text search built-in PostgreSQL adalah fitur berharga yang memungkinkan Anda mengimplementasikan fungsionalitas pencarian dalam database Anda — tanpa perlu mesin pencari terpisah (seperti Elasticsearch) untuk banyak kasus — jadi memahaminya berguna untuk aplikasi yang memerlukan pencarian teks.
Nilai utamanya adalah jauh lebih powerful daripada LIKE (yang tidak dapat menyederhanakan kata, ranking hasil, atau diindeks secara efisien): full-text search menyediakan word stemming (mencocokkan "running" untuk "run"), stop-word removal, kesadaran bahasa, ranking relevansi, dan yang penting dapat diindeks (dengan indeks GIN untuk pencarian cepat) — memberikan kemampuan pencarian yang sebenarnya (jenis yang diharapkan pengguna: mencocokkan variasi kata, ranking berdasarkan relevansi) langsung di Postgres.
Memahami konsep inti — tsvector (teks dokumen yang diproses dan disederhanakan), tsquery (term pencarian yang diurai), operator match @@, dan ts_rank untuk ranking relevansi — plus setup praktis (kolom tsvector yang dihasilkan diindeks dengan GIN untuk performa) mencakup cara mengimplementasikan pencarian yang efektif.
Meskipun mesin pencari khusus menawarkan lebih banyak untuk kebutuhan kompleks, full-text search PostgreSQL cukup dan nyaman untuk banyak aplikasi (menghindari kompleksitas operasional sistem pencarian terpisah dan menjaga data pencarian tetap konsisten dengan data relasional Anda).
Karena pencarian teks adalah kebutuhan aplikasi yang umum, dan karena Postgres menyediakan full-text search built-in yang capable (powerful, dapat diindeks, dengan stemming dan ranking) yang sering cukup tanpa mesin pencarian terpisah, memahaminya — model tsvector/tsquery, setup yang diindeks, dan ranking — adalah pengetahuan yang berharga dan relevan secara praktis yang memungkinkan Anda menambahkan fungsionalitas pencarian yang sebenarnya menggunakan kemampuan built-in PostgreSQL, fitur berguna yang sering diabaikan demi solusi eksternal yang lebih kompleks padahal Postgres sudah cukup.