引言：為什么不用LIKE？

當(dāng)我們需要在文章、帖子或產(chǎn)品描述中搜索關(guān)鍵詞時(shí)，第一個(gè)蹦進(jìn)腦海的可能是SQL的LIKE或ILIKE操作符：

SELECT * FROM posts WHERE body LIKE '%postgres%';

這種方式簡(jiǎn)單但問(wèn)題很多：

1. 性能極差：%postgres%這種前導(dǎo)通配符無(wú)法利用索引，會(huì)導(dǎo)致全表掃描。

2. 不夠智能：它只能進(jìn)行嚴(yán)格的字符匹配。搜索"run"，不會(huì)找到"running"或"ran"。

3. 沒(méi)有相關(guān)性排序：它只能告訴你“有”或“沒(méi)有”，無(wú)法告訴你哪條結(jié)果更相關(guān)。

而PostgreSQL內(nèi)置的全文搜索（Full-Text Search, FTS） 就是為了解決這些問(wèn)題而生的。

一、核心概念：文檔、向量與查詢(xún)

PostgreSQL的FTS將搜索過(guò)程抽象為三步：

1. 文檔（Document）：待搜索的文本單元。可以是一篇文章、一條評(píng)論，或者由多個(gè)字段組合而成的文本（如 title || ' ' || body）。

2. 向量（tsvector）：對(duì)文檔進(jìn)行處理后的產(chǎn)物。它：

   • 解析和分詞：將文本拆分成一個(gè)個(gè)獨(dú)立的 token（詞位）。

   • 標(biāo)準(zhǔn)化：轉(zhuǎn)換為小寫(xiě)。

   • 去除停用詞：移除a, the, is等常見(jiàn)但無(wú)搜索意義的詞。

   • 提取詞干：將單詞變?yōu)槠湓~根形式（如 running -> run）。

   • 最終存儲(chǔ)的是(詞位, 位置)形式的列表。

3. 查詢(xún)（tsquery）：代表用戶(hù)要搜索的內(nèi)容。它也可以進(jìn)行詞干提取，并支持邏輯操作符（& 與, | 或, ! 非）。

搜索的本質(zhì)，就是判斷 @@ 操作符兩邊的 tsvector 和 tsquery 是否匹配。

二、逐行詳解示例SQL

拆解以下SQL語(yǔ)句：

SELECT title, body
FROM posts
WHERE to_tsvector('english', body) @@ to_tsquery('english', 'postgres & optimization');

• to_tsvector('english', body)

  • 功能：生成一個(gè) tsvector。

  • 參數(shù)1：'english'：這是一個(gè)文本搜索配置（Text Search Configuration）。它決定了使用哪種語(yǔ)言的規(guī)則進(jìn)行分詞、停用詞處理和詞干提取。PostgreSQL支持多種語(yǔ)言（如simple, english, spanish, russian等）。配置的選擇直接影響搜索結(jié)果。

  • 參數(shù)2：body：需要被處理的文本字段。

  • 結(jié)果示例：假設(shè)body字段內(nèi)容是 "PostgreSQL provides powerful optimization tools."，經(jīng)過(guò)處理后會(huì)變成： 'power':5 'optim':6 'postgresql':1 'provid':2 'tool':7。可以看到，provides變成了provid（詞干提取），the被移除（停用詞）。

• to_tsquery('english', 'postgres & optimization')

  • 功能：生成一個(gè) tsquery。

  • 參數(shù)1：'english'：同樣需要指定配置，確保查詢(xún)?cè)~和處理文檔時(shí)使用相同的規(guī)則（例如，optimization也會(huì)被提取詞干為optim）。

  • 參數(shù)2：'postgres & optimization'：查詢(xún)字符串。&表示同時(shí)包含這兩個(gè)詞。

  • 結(jié)果：一個(gè)代表包含詞干 'postgres' 且 包含詞干 'optim'的查詢(xún)對(duì)象。

• @@ 操作符

  • 功能：布爾匹配操作符。如果左邊生成的 tsvector 匹配右邊生成的 tsquery，則返回true，該行記錄就會(huì)被選中。

三、超越基礎(chǔ)：排名與高亮

僅僅找到匹配的文檔還不夠，我們通常需要最好的結(jié)果排在前面。

1. 相關(guān)性排名（Ranking）： 使用ts_rank函數(shù)。

   sql

   SELECT title, body,
          ts_rank(to_tsvector('english', body), 
                  to_tsquery('english', 'postgres & optimization')) AS rank
   FROM posts
   WHERE to_tsvector('english', body) @@ to_tsquery('english', 'postgres & optimization')
   ORDER BY rank DESC;

   ts_rank會(huì)根據(jù)詞位出現(xiàn)的頻率、位置等因素計(jì)算一個(gè)相關(guān)性分?jǐn)?shù)，然后通過(guò)ORDER BY rank DESC將最相關(guān)的結(jié)果排在頂部。

2. 結(jié)果高亮（Highlighting）： 使用ts_headline函數(shù)。

   sql

   SELECT title,
          ts_headline('english', body, 
                      to_tsquery('english', 'postgres & optimization')) AS headline
   FROM posts
   WHERE ...;

   ts_headline會(huì)在結(jié)果中環(huán)繞匹配到的詞加上諸如<b>...</b>這樣的HTML標(biāo)簽，讓用戶(hù)在上下文中一眼就看到為什么這條結(jié)果被匹配上了，體驗(yàn)堪比專(zhuān)業(yè)搜索引擎。

四、性能優(yōu)化：GiST/GIN 索引

在WHERE子句中使用函數(shù)調(diào)用（如to_tsvector(...)）通常會(huì)導(dǎo)致無(wú)法使用索引。為了讓全文搜索飛起來(lái)，必須創(chuàng)建專(zhuān)門(mén)的索引。

首選GIN索引，它專(zhuān)為這種“多值列”（一個(gè)tsvector里包含很多個(gè)詞位）的查詢(xún)而優(yōu)化。

-- 1. 創(chuàng)建一個(gè)生成的tsvector列（推薦，易于管理和索引）
ALTER TABLE posts
ADD COLUMN body_tsvector tsvector
GENERATED ALWAYS AS (to_tsvector('english', COALESCE(body, ''))) STORED;
-- 2. 在生成的列上創(chuàng)建GIN索引
CREATE INDEX idx_posts_body_fts ON posts USING GIN(body_tsvector);
-- 3. 查詢(xún)語(yǔ)句變得更簡(jiǎn)單高效
SELECT title, body
FROM posts
WHERE body_tsvector @@ to_tsquery('english', 'postgres & optimization');

五、與Elasticsearch的比較

結(jié)論：如何選擇？

• 使用PostgreSQL FTS：如果你的搜索需求是應(yīng)用內(nèi)的、非核心的（如博客搜索、后臺(tái)管理搜索），并且你希望保持技術(shù)棧簡(jiǎn)單、保證數(shù)據(jù)一致性。

• 使用Elasticsearch：如果你的業(yè)務(wù)核心是搜索（如電商平臺(tái)、新聞網(wǎng)站），需要處理海量數(shù)據(jù)、復(fù)雜的搜索邏輯和高吞吐量。

總結(jié)

PostgreSQL的全文搜索是一個(gè)被嚴(yán)重低估的“隱藏寶石”。它提供了一個(gè)在** simplicity（簡(jiǎn)單性）** 和 power（功能） 之間絕佳平衡的解決方案。對(duì)于許多不需要Elasticsearch這種“重武器”的應(yīng)用場(chǎng)景來(lái)說(shuō)，它完全足夠且是更優(yōu)雅的選擇。

通過(guò)本文的介紹，希望你能在你的下一個(gè)項(xiàng)目中輕松上手這項(xiàng)強(qiáng)大功能！

討論點(diǎn)：

1. 大家在項(xiàng)目中是用PG的全文搜索還是ES？為什么做出這個(gè)選擇？

2. 在處理中文全文搜索時(shí)，有什么好的配置或分詞方案推薦嗎？（這是一個(gè)常見(jiàn)痛點(diǎn)，可以引出zhparser等擴(kuò)展的討論）