Kaip veikia pilno teksto paieška PostgreSQL?

Question

Accepted Answer

PostgreSQL turi **įmontuotą pilno teksto paiešką** — paieška dokumentuose/tekste žodžių su šaknimi nustatymu, reitingavimu ir kalbos žiniomis, daug galingesnė nei `LIKE`. Jis naudoja **`tsvector`** (apdorotą dokumentą) ir **`tsquery`** (paieškos užklausą) tipus, su GIN indeksais dėl greičio.

## Problema, kurios LIKE neišsprendžia

```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 ir 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` paverčia tekstą į normalizuotus **lexemes** (žodžius sutrapia į šaknis, šalina stop žodžius), o `to_tsquery` apdoroja paieškos terminus. `@@` operatorius tikrina, ar yra atitiktis — todėl "running" atitinka dokumentus, kuriuose yra "run", "runs" ir kt.

## Paieškojimas stulpelis + GIN indeksas (praktinis nustatymas)

```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');
```

## Rezultatų reitingavimas pagal aktualumą

```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` vertina, kaip gerai kiekvienas dokumentas atitinka, įgalinant rezultatus sutvarkytus pagal aktualumą.

## Kodėl tai svarbu

PostgreSQL įmontuota pilno teksto paieška yra vertinga funkcija, kuri leidžia jums įgyvendinti **paieškos funkcionalumą jūsų duomenų bazėje** — be atskiro paieškos variklio (pavyzdžiui, Elasticsearch) daugeliui atvejų — todėl jos supratimas yra naudingas programoms, reikalingiems teksto paieškos.

Pagrindinis vertumas yra tas, kad jis daug galingesnis nei `LIKE` (kuris negali šaknies žodžius, reitinguoti rezultatų ar efektyviai indeksuoti): pilno teksto paieška suteikia **žodžių šakninimą** ("running" atitikimas dėl "run"), **stop žodžių pašalinimą**, **kalbos žinojimą**, **aktualumo reitingavimą** ir svarbiausia yra **indeksuojama** (su GIN indeksais greičiam paieškai) — teikia tikrą paieškos galimybę (tokią, kurią tikisi vartotojai: žodžių variantų atitikimas, reitingavimas pagal aktualumą) tiesiogiai Postgres.

Supratimas pagrindinių koncepacijų — **`tsvector`** (apdorotas, šaknimis žodžio dokumentas), **`tsquery`** (apdorota paieškos sąlyga), **`@@`** atitikties operatorius ir **`ts_rank`** aktualumo reitingavimui — be to, praktinis nustatymas (sugeneruotas `tsvector` stulpelis indeksuotas su GIN dėl našumo) apima tai, kaip įgyvendinti efektyvią paiešką.

Nors dedikuoti paieškos varikliai siūlo daugiau sudėtingiems poreikiams, Postgres pilno teksto paieška yra pakankama ir patogi daugeliui programų (išvengiant atskiro paieškos sistemos operacinio sudėtingumo ir išlaikant paieškos duomenis nuosekliais su jūsų reliaciniais duomenimis).

Kadangi teksto paieška yra bendras programos reikalavimas, ir kadangi Postgres suteikia galingas įmontuotas pilno teksto paieškos (galingą, indeksuojamą, su šaknimis nustatymu ir reitingavimu), kuri dažnai užtenka be atskiro paieškos variklio, supratimas — tsvector/tsquery modelis, indeksuotasis nustatymas ir reitingavimas — yra vertinga, praktiškai aktuali žinios, kuri leidžia jums pridėti tikrą paieškos funkcionalumą naudojant PostgreSQL įmontuotas galimybes, naudingas ypatybės, kurią dažnai nepastebi, palankus sudėtingesniais išoriniais sprendimais, kai Postgres būtų pakankamas.