PostgreSQL உள்ளமைந்த முழு-உரை தேடல் வைத்திருக்கிறது — ஆவணங்கள்/உரைக்கான வார்த்தைகளை தேடல் செய்வதன் மூலம் stemming, ranking, மற்றும் மொழி விழிப்புணர்வு கொண்டு, LIKE ஐ விட மிகவும் சக்திசாலி. இது tsvector (செயல்படுத்தப்பட்ட ஆவணம்) மற்றும் tsquery (தேடல் வினவல்) வகைகளைப் பயன்படுத்துகிறது, வேகத்திற்காக GIN குறியீடுகள் உடன்.
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 உரையை normalized lexemes ஆக மாற்றுகிறது (வார்த்தைகளை stem செய்கிறது, stop words களை நீக்குகிறது), மற்றும் to_tsquery தேடல் சொற்களை பாகுபடுத்துகிறது. @@ ஆபரேட்டர் பொருத்தம் சோதிக்கிறது — எனவே "running" "run," "runs," போன்றவற்றைக் கொண்டிருக்கும் ஆவணங்களுடன் பொருந்துகிறது.
-- 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 ஒவ்வொரு ஆவணமும் எவ்வளவு சரியாக பொருந்துகிறது என்பதைக் கணக்கிடுகிறது, பொருத்தனை-வரிசைப்படுத்தப்பட்ட முடிவுகளை செயல்படுத்த உதவுகிறது.
PostgreSQL இன் உள்ளமைந்த முழு-உரை தேடல் ஒரு மূல்யமான பண்பு ஆகும், இது உங்கள் தரவுசேகரத்தில் தேடல் செயல்பாடு செயல்படுத்த அனுமதிக்கிறது — பல பயன்பாட்டு நிகழ்வுகளுக்கு தனிப்பட்ட தேடல் இயந்திரம் (Elasticsearch போன்ற) தேவையில்லாமல் — எனவே இதைப் புரிந்துகொள்வது உரை தேடல் தேவைப்படும் பயன்பாடுகளுக்கு பயனுள்ளதாக இருக்கிறது.
மূல்য என்பது LIKE ஐ விட இது மிகவும் சக்திசாலி ஆகும் (இது வார்த்தைகளை stem செய்ய முடியாது, முடிவுகளை ranking செய்ய முடியாது, அல்லது திறமையாக குறியீடு செய்ய முடியாது): முழு-உரை தேடல் word stemming ("run" க்கு "running" ஐ பொருத்துதல்), stop-word நீக்கம், மொழி விழிப்புணர்வு, pertainance ranking, மற்றும் முக்கியமாக indexed (GIN குறியீடுகள் வேகமான தேடல்களுக்கு) — நேரடி Postgres இல் உண்மையான தேடல் திறன்களை (பயனர்கள் எதிர்பார்க்கும் வகை: word variations பொருந்துதல், relevance மூலம் ranking) வழங்குகிறது.
கோர் கருத்துக்கள் புரிந்துகொள்வது — tsvector (செயல்படுத்தப்பட்ட, stemmed ஆவண உரை), tsquery (பாகுபடுத்தப்பட்ட தேடல் சொற்கள்), @@ பொருத்த ஆபரேட்டர், மற்றும் ts_rank relevance ranking க்கு — மேலும் நடைமுறை அமைப்பு (performance க்கு GIN உடன் indexed செய்யப்பட்ட generated tsvector நெடுவாரி) प्रभावी தேடலை செயல்படுத்துவதை உள்ளடக்குகிறது.
விशेष தேடல் இயந்திரங்கள் சிக்கலான தேவைகளுக்கு மேலும் வழங்குகின்றன, Postgres முழு-உரை தேடல் பல பயன்பாடுகளுக்கு போதுமானது மற்றும் வசதிகரமாக இருக்கிறது (தனிப்பட்ட தேடல் அமைப்பின் செயல்பாட்டு சிக்கலைத் தவிர்க்கிறது மற்றும் தேடல் தரவு உங்கள் relational தரவுடன் சரியாக வைத்திருக்கிறது).
உரை தேடல் ஒரு பொதுவான பயன்பாட்டு தேவை ஆகும், மற்றும் Postgres திறமையான உள்ளமைந்த முழு-உரை தேடல் (சக்திசாலி, indexed, stemming மற்றும் ranking உடன்) வழங்குகிறது இது பெரும்பாலும் தனிப்பட்ட தேடல் இயந்திரம் ஆவசியம் இல்லாமல் நன்கு செயல்படுகிறது, இதைப் புரிந்துகொள்வது — tsvector/tsquery மாதிரி, indexed அமைப்பு, மற்றும் ranking — PostgreSQL இன் உள்ளமைந்த திறன்களைப் பயன்படுத்தி நிஜ தேடல் செயல்பாடுகளைச் சேர்க்க உங்களுக்கு அனுமதிக்கும் மூல்யமான, நடைமுறைக்கு பொருத்தமான அறிவு ஆகும், ஒரு பயனுள்ள பண்பு இது பெரும்பாலும் மிகவும் சிக்கலான வெளிப்புற தீர்வுகளுக்கு பக்கபலமாக Postgres போதும் போது கவனிக்கப்படுவதில்லை.