Jak działa wyszukiwanie pełnotekstowe w PostgreSQL?

Question

Accepted Answer

PostgreSQL ma **wbudowane wyszukiwanie pełnotekstowe** — przeszukiwanie dokumentów/tekstu pod kątem słów ze stemowaniem, rankingiem i świadomością języka, znacznie bardziej zaawansowane niż `LIKE`. Używa typów **`tsvector`** (przetworzony dokument) i **`tsquery`** (zapytanie wyszukiwania) z indeksami GIN dla szybkości.

## Dlaczego to ważne

```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 i 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` konwertuje tekst na znormalizowane **leksemy** (stemuje słowa, usuwa słowa zatrzymane), a `to_tsquery` parsuje terminy wyszukiwania. Operator `@@` testuje dopasowanie — tak więc "running" pasuje do dokumentów zawierających "run", "runs" itd.

## Kolumna z możliwością wyszukiwania + indeks GIN (praktyczne ustawienie)

```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');
```

## Rankowanie wyników według trafności

```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` ocenia, jak dobrze każdy dokument się dopasowuje, umożliwiając wyniki uporządkowane pod względem trafności.

## Dlaczego to ważne

Wbudowane wyszukiwanie pełnotekstowe PostgreSQL to cenna funkcja, która pozwala na implementację **funkcjonalności wyszukiwania w bazie danych** — bez konieczności używania oddzielnego silnika wyszukiwania (takiego jak Elasticsearch) w wielu przypadkach — dlatego zrozumienie go jest przydatne dla aplikacji wymagających wyszukiwania tekstu.

Kluczowa wartość polega na tym, że jest to znacznie bardziej zaawansowane niż `LIKE` (które nie może stemować słów, rankować wyników ani być efektywnie indeksowane): wyszukiwanie pełnotekstowe zapewnia **stemowanie słów** (dopasowanie "running" dla "run"), **usuwanie słów zatrzymanych**, **świadomość języka**, **rankowanie trafności** i co ważne jest **indeksowalne** (z indeksami GIN dla szybkich wyszukiwań) — dostarczając rzeczywistą funkcjonalność wyszukiwania (taką jakiej oczekują użytkownicy: dopasowanie wariantów słów, ranking według trafności) bezpośrednio w Postgres.

Zrozumienie głównych koncepcji — **`tsvector`** (przetworzony, stemowany tekst dokumentu), **`tsquery`** (sparsowane terminy wyszukiwania), operator **`@@`** do dopasowania i **`ts_rank`** do rankowania trafności — plus praktyczne ustawienie (wygenerowana kolumna `tsvector` indeksowana przy użyciu GIN dla wydajności) obejmuje sposób implementacji efektywnego wyszukiwania.

Chociaż dedykowane silniki wyszukiwania oferują więcej dla złożonych potrzeb, wyszukiwanie pełnotekstowe Postgres jest wystarczające i wygodne dla wielu aplikacji (unikając złożoności operacyjnej oddzielnego systemu wyszukiwania i utrzymując spójność danych wyszukiwania z danymi relacyjnymi).

Ponieważ wyszukiwanie tekstowe jest powszechnym wymaganiem aplikacji, a Postgres oferuje zdolne wbudowane wyszukiwanie pełnotekstowe (zaawansowane, indeksowalne, ze stemowaniem i rankingiem), które często wystarczy bez oddzielnego silnika wyszukiwania, zrozumienie go — model tsvector/tsquery, ustawienie indeksowane i rankowanie — jest cenne, praktycznie istotne wiedzą, która pozwala dodać rzeczywistą funkcjonalność wyszukiwania przy użyciu wbudowanych możliwości PostgreSQL, przydatną funkcję, która jest często pomijana na rzecz bardziej złożonych rozwiązań zewnętrznych, gdy Postgres wystarczyłby.