Kako deluje iskanje po celotnem besedilu v PostgreSQL-u?

Question

Accepted Answer

PostgreSQL ima **vgrajeno iskanje po celotnem besedilu** — iskanje dokumentov/besedila za besede s stemmingom, rangiranjem in zavedanjem jezika, veliko bolj zmogljivo kot `LIKE`. Uporablja tipe **`tsvector`** (obdelan dokument) in **`tsquery`** (iskalna poizvedba), ter GIN indekse za hitrost.

## Problem, ki ga LIKE ne rešuje

```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 in 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` pretvori besedilo v normalizirane **lekseme** (stemmira besede, odstrani stop besede), `to_tsquery` pa razčleni iskalne izraze. Operator `@@` preizkusi ujemanje — zato "running" ustreza dokumentom, ki vsebujejo "run", "runs" itd.

## Iskalna stolpec + GIN indeks (praktična postavitev)

```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');
```

## Rangiranje rezultatov po relevanci

```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` oceni, kako dobro se vsak dokument ujema, kar omogoča rezultate urejene po relevanci.

## Zakaj je to pomembno

Vgrajeno iskanje po celotnem besedilu v PostgreSQL-u je dragocena funkcionalnost, ki vam omogoča **implementacijo iskalne funkcionalnosti znotraj baze podatkov** — brez potrebe po ločenem iskalnem strežniku (kot je Elasticsearch) za številne primere uporabe — zato je razumevanje tega koristno za aplikacije, ki potrebujejo iskanje po besedilu.

Kljub vrednost je, da je to veliko bolj zmogljivo kot `LIKE` (ki ne more stemmirati besed, rangirati rezultatov ali biti učinkovito indeksiran): iskanje po celotnem besedilu zagotavlja **stemming besed** (ujemanje "running" za "run"), **odstranjevanje stop besed**, **zavedanje jezika**, **rangiranje po relevanci** in predvsem je **indeksibilno** (z GIN indeksi za hitra iskanja) — kar priskrbi prave zmogljivosti iskanja (kot jih pričakujejo uporabniki: ujemanje različic besed, rangiranje po relevanci) neposredno v PostgreSQL-u.

Razumevanje temeljnih konceptov — **`tsvector`** (obdelano, stemmatizirano besedilo dokumenta), **`tsquery`** (razčlenjeni iskalni izrazi), operator **`@@`** za ujemanje in **`ts_rank`** za rangiranje relevance — skupaj s praktično postavitvijo (stolpec `tsvector` z generianjem, indeksiran z GIN za zmogljivost) pokriva, kako implementirati učinkovito iskanje.

Čeprav namenske iskalne naprave nudijo več za kompleksne potrebe, je iskanje po celotnem besedilu v PostgreSQL-u zadostno in priročno za številne aplikacije (izognete se operativni zapletenosti ločenega iskalnega sistema in ohranite konsistentnost iskalnih podatkov s svojimi relacijskimi podatki).

Ker je iskanje besedil pogosta zahteva aplikacij in ker PostgreSQL ponuja zmogljivo vgrajeno iskanje po celotnem besedilu (zmogljivo, indeksibilno, s stemmingom in rangiranjem), ki pogosto zadošča brez ločenega iskalnega strežnika, je razumevanje tega — modela tsvector/tsquery, indeksirane postavitve in rangiranja — dragocene, praktično relevantne znanje, ki vam omogoča dodajanje prave iskalne funkcionalnosti z uporabo vgrajenih zmogljivosti PostgreSQL-a, koristne funkcionalnosti, ki je pogosto zanemarjena v prid bolj zapletenim zunanjim rešitvam, čeprav bi PostgreSQL pogosto zadošti.