PostgreSQL میں built-in full-text search ہے — دستاویزات/متن میں الفاظ کی تلاش stemming، ranking، اور language awareness کے ساتھ، جو LIKE سے بہت زیادہ طاقتور ہے۔ یہ tsvector (processed document) اور tsquery (search query) اقسام استعمال کرتا ہے، رفتار کے لیے GIN indexes کے ساتھ۔
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 متن کو normalized lexemes میں تبدیل کرتا ہے (الفاظ کو stem کرتا ہے، stop words ہٹاتا ہے)، اور to_tsquery تلاش کی شرائط کو parse کرتا ہے۔ @@ operator ملانے کی جانچ کرتا ہے — تو "running" ایسی دستاویزات سے مطابقت رکھتا ہے جس میں "run," "runs," وغیرہ ہو۔
-- 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 یہ اسکور کرتا ہے کہ ہر دستاویز کتنی اچھی طریقے سے مطابقت رکھتی ہے، جس سے relevance-ordered نتائج ممکن ہوتے ہیں۔
PostgreSQL کی built-in full-text search ایک قیمتی خصوصیت ہے جو آپ کو اپنی ڈیٹابیس کے اندر search functionality لاگو کرنے دیتی ہے — بہت سے استعمال کے معاملات کے لیے الگ search engine (جیسے Elasticsearch) کی ضرورت کے بغیر — تو اسے سمجھنا متن کی تلاش کی ضرورت والی applications کے لیے مفید ہے۔
اہم قیمت یہ ہے کہ یہ LIKE سے بہت زیادہ طاقتور ہے (جو الفاظ کو stem نہیں کر سکتا، نتائج کو rank نہیں کر سکتا، یا موثر طریقے سے indexed نہیں ہو سکتا): full-text search word stemming ("run" کے لیے "running" سے matching)، stop-word removal، language awareness، relevance ranking، اور اہم بات یہ ہے کہ indexable ہے (GIN indexes کے ساتھ تیز تلاش کے لیے) — براہ راست Postgres میں حقیقی search capabilities فراہم کرتا ہے (جس قسم کی صارفین توقع رکھتے ہیں: الفاظ کی variations سے matching، relevance کے لحاظ سے ranking)۔
اہم concepts کو سمجھنا — tsvector (processed، stemmed document text)، tsquery (parsed search terms)، @@ match operator، اور ts_rank relevance ranking کے لیے — اور عملی setup (ایک generated tsvector column GIN کے ساتھ indexed کے لیے کارکردگی) موثر search لاگو کرنے کا طریقہ بتاتا ہے۔
اگرچہ dedicate شدہ search engines پیچیدہ ضروریات کے لیے مزید فراہم کرتے ہیں، Postgres full-text search بہت سی applications کے لیے کافی اور سہل ہے (الگ search system کی operational پیچیدگی سے بچتے ہوئے اور اپنے relational data کے ساتھ search data کو مطابقت میں رکھتے ہوئے)۔
چونکہ text search ایک عام application کی ضرورت ہے، اور چونکہ Postgres قابلِ صلاحیت built-in full-text search فراہم کرتا ہے (طاقتور، indexable، stemming اور ranking کے ساتھ) جو اکثر الگ search engine کے بغیر کافی ہے، اسے سمجھنا — tsvector/tsquery model، indexed setup، اور ranking — قیمتی، عملی طور پر متعلقہ علم ہے جو آپ کو PostgreSQL کی built-in capabilities کا استعمال کرتے ہوئے حقیقی search functionality شامل کرنے دیتا ہے، ایک مفید خصوصیت جو اکثر زیادہ پیچیدہ بیرونی حل کے لحاظ سے نظر انداز کی جاتی ہے جب Postgres کافی ہو۔
تفصیلی جوابات کے ساتھ IT انٹرویو سوالات کی ایک لائبریری — جونیئر سے سینئر تک۔
عطیہ دیں