PostgreSQL에서 전문 검색은 어떻게 동작하나요?

Question

Accepted Answer

PostgreSQL에는 **내장 전문 검색**이 있습니다 — 어간 추출, 순위 매기기, 언어 인식을 통해 문서/텍스트에서 단어를 검색하며, `LIKE`보다 훨씬 강력합니다. **`tsvector`**(처리된 문서)와 **`tsquery`**(검색 쿼리) 타입을 사용하고, 속도를 위해 GIN index를 사용합니다.

## LIKE가 해결하지 못하는 문제

```text
LIKE '%word%' → 어간 추출 없음 ("run"에 "running" 매칭 안 됨), 순위 없음, 언어
  인식 없음, index 활용 어려움 (선행 와일드카드) → 느리고 제한적.
전문 검색 → 단어 어간 추출, 불용어 무시, 관련성으로 순위, 인덱싱 가능.
```

## tsvector와 tsquery

```sql
-- to_tsvector — 텍스트를 검색 가능한 lexeme로 처리 (어간 추출, 불용어 제거)
SELECT to_tsvector('english', 'The cats are running fast');
-- → 'cat':2 'fast':5 'run':4  (어간 추출: cats→cat, running→run; "the"/"are" 제거)

-- to_tsquery / plainto_tsquery — 검색 쿼리 파싱
SELECT to_tsvector('english', body) @@ to_tsquery('english', 'running')
FROM articles;   -- @@ = 매치 연산자; "run" 어간 매칭
```

`to_tsvector`는 텍스트를 정규화된 **lexeme**(단어 어간 추출, 불용어 제거)로 변환하고, `to_tsquery`는 검색어를 파싱합니다. `@@` 연산자는 매치를 테스트합니다 — 그래서 "running"이 "run", "runs" 등을 포함하는 문서와 매치됩니다.

## 검색 가능 컬럼 + GIN index (실용적 설정)

```sql
-- 생성된 tsvector 컬럼을 추가하고 GIN으로 인덱싱
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);

-- index를 사용한 빠른 검색
SELECT title FROM articles
WHERE search_vector @@ plainto_tsquery('english', 'machine learning');
```

## 관련성으로 결과 순위 매기기

```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;          -- 가장 관련성 높은 것부터
```

`ts_rank`는 각 문서가 얼마나 잘 매치되는지 점수화하여 관련성 순 결과를 가능하게 합니다.

## 왜 중요한가

PostgreSQL의 내장 전문 검색은 많은 사용 사례에서 별도의 검색 엔진(Elasticsearch 같은) 없이 **데이터베이스 내에서 검색 기능을 구현**하게 해주는 가치 있는 기능이므로, 이를 이해하는 것은 텍스트 검색이 필요한 애플리케이션에 유용합니다.

핵심 가치는 `LIKE`(단어 어간 추출, 결과 순위, 효율적 인덱싱 불가)보다 훨씬 강력하다는 것입니다. 전문 검색은 **단어 어간 추출**("run"에 "running" 매칭), **불용어 제거**, **언어 인식**, **관련성 순위**를 제공하고, 결정적으로 **인덱싱 가능**(빠른 검색을 위한 GIN index)하여 — 실제 검색 능력(사용자가 기대하는 종류: 단어 변형 매칭, 관련성 순위)을 Postgres에서 직접 제공합니다.

핵심 개념 — **`tsvector`**(처리되고 어간 추출된 문서 텍스트), **`tsquery`**(파싱된 검색어), **`@@`** 매치 연산자, 관련성 순위를 위한 **`ts_rank`** — 와 실용적 설정(성능을 위해 GIN으로 인덱싱된 생성 `tsvector` 컬럼)을 이해하면 효과적인 검색 구현 방법을 다룹니다.

전용 검색 엔진이 복잡한 필요에 더 많은 것을 제공하지만, Postgres 전문 검색은 많은 애플리케이션에 충분하고 편리합니다(별도 검색 시스템의 운영 복잡성을 피하고 검색 데이터를 관계형 데이터와 일관되게 유지).

텍스트 검색은 흔한 애플리케이션 요구이고, Postgres가 별도 검색 엔진 없이 흔히 충분한 유능한 내장 전문 검색(강력하고 인덱싱 가능하며 어간 추출과 순위 포함)을 제공하므로, 이를 이해하는 것 — tsvector/tsquery 모델, 인덱싱된 설정, 순위 — 은 PostgreSQL의 내장 능력으로 실제 검색 기능을 추가하게 해주는 가치 있고 실용적으로 관련된 지식이며, Postgres로 충분할 때 더 복잡한 외부 솔루션을 선호하여 종종 간과되는 유용한 기능입니다.