PostgreSQL yerleşik tam metin aramasına sahiptir — belgeler/metni kökleştirme, sıralama ve dil farkındalığı ile sözcükler için arama yapan, LIKE'dan çok daha güçlü bir özellik. tsvector (işlenmiş belge) ve tsquery (arama sorgusu) türlerini kullanır; hız için GIN dizinleri kullanılır.
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 metni normalleştirilmiş lexeme'lere dönüştürür (sözcükleri köklere ayırır, durdurma sözcüklerini kaldırır) ve to_tsquery arama terimlerini ayrıştırır. @@ operatörü eşleşme testi yapar — bu nedenle "running" içeren belgeler "run", "runs" vb. içeren belgelerle eşleşir.
-- 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 her belgenin ne kadar iyi eşleştiğini puanlandırarak, ilgiye göre sıralanmış sonuçları etkinleştirir.
PostgreSQL'in yerleşik tam metin araması, arama işlevselliğini veritabanınızda uygulamanıza izin veren değerli bir özelliktir — birçok kullanım durumu için ayrı bir arama motoru (Elasticsearch gibi) gerekmez — bu nedenle bunu anlamak metin araması gerektiren uygulamalar için faydalıdır.
Ana değer, LIKE'dan çok daha güçlü olmasıdır (kelime kökleme yapamaz, sonuçları sıralayamaz veya verimli bir şekilde dizine almaz): tam metin araması kelime kökleştirme sağlar ("run" için "running" ile eşleşir), durdurma sözcüğü kaldırma, dil farkındalığı, ilgi sıralaması ve önemlisi dizine alınabilir (hızlı aramalar için GIN dizinleri ile) — gerçek arama yetenekleri (kullanıcıların beklediği: kelime varyasyonlarını eşleştirme, ilgiye göre sıralama) doğrudan Postgres'te sunulur.
Temel kavramları anlamak — tsvector (işlenmiş, kökleme yapılmış belge metni), tsquery (ayrıştırılmış arama terimleri), @@ eşleşme operatörü ve ilgi sıralaması için ts_rank — artı pratik kurulum (performans için GIN ile dizine alınmış oluşturulan tsvector sütunu) etkili arama uygulamayı kapsar.
Dedike arama motorları karmaşık ihtiyaçlar için daha fazlasını sunsa da, Postgres tam metin araması birçok uygulamada yeterli ve uygun olmuştur (ayrı bir arama sisteminin operasyonel karmaşıklığından kaçınır ve arama verilerini ilişkisel verilerinizle tutarlı tutar).
Metin araması yaygın bir uygulama gereksinimi olduğundan ve Postgres yetenekli yerleşik tam metin araması sunduğundan (güçlü, dizine alınabilir, kökleştirme ve sıralamaya sahip) ayrı bir arama motoru olmadan çoğunlukla yeterli olur, bunu anlamak — tsvector/tsquery modeli, dizine alınmış kurulum ve sıralama — Postgres'in yerleşik yeteneklerini kullanarak gerçek arama işlevselliği eklemenize izin veren, karmaşık harici çözümlere karşı Postgres yeterli olacağında sıklıkla göz ardı edilen, değerli pratik ilgili bilgidir.