上一节的示例演示了使用简单常量字符串进行全文匹配。本节展示了如何搜索表数据,可以选择使用索引。
可以在没有索引的情况下进行全文搜索。一个简单的查询,用于打印在其 body
字段中包含单词 friend
的每一行的 title
,如下所示:
SELECT title FROM pgweb WHERE to_tsvector('english', body) @@ to_tsquery('english', 'friend');
这也会找到相关单词,如 friends
和 friendly
,因为所有这些都被简化为相同的规范化词素。
上面的查询指定使用 english
配置来解析和规范化字符串。或者,我们可以省略配置参数
SELECT title FROM pgweb WHERE to_tsvector(body) @@ to_tsquery('friend');
此查询将使用 default_text_search_config 设置的配置。
一个更复杂的示例是选择在 title
或 body
中包含 create
和 table
的最近十个文档
SELECT title FROM pgweb WHERE to_tsvector(title || ' ' || body) @@ to_tsquery('create & table') ORDER BY last_mod_date DESC LIMIT 10;
为了清晰起见,我们省略了 coalesce
函数调用,这些调用对于查找在两个字段之一中包含 NULL
的行是必需的。
尽管这些查询在没有索引的情况下也能工作,但大多数应用程序会发现这种方法太慢,除非是偶尔的临时搜索。文本搜索的实际应用通常需要创建索引。
我们可以创建一个GIN索引(第 12.9 节)以加快文本搜索的速度
CREATE INDEX pgweb_idx ON pgweb USING GIN (to_tsvector('english', body));
请注意,使用了 to_tsvector
的 2 参数版本。只有指定配置名称的文本搜索函数才能在表达式索引中使用(第 11.7 节)。这是因为索引内容必须不受 default_text_search_config 的影响。如果它们受到影响,索引内容可能会不一致,因为不同的条目可能包含使用不同文本搜索配置创建的 tsvector
,并且无法猜测哪个是哪个。将无法正确转储和恢复这样的索引。
由于在上面的索引中使用了 to_tsvector
的双参数版本,因此只有使用相同配置名称的 to_tsvector
的双参数版本的查询引用才会使用该索引。也就是说,WHERE to_tsvector('english', body) @@ 'a & b'
可以使用索引,但 WHERE to_tsvector(body) @@ 'a & b'
不能。这确保了索引仅在用于创建索引条目的相同配置下使用。
可以设置更复杂的表达式索引,其中配置名称由另一列指定,例如
CREATE INDEX pgweb_idx ON pgweb USING GIN (to_tsvector(config_name, body));
其中 config_name
是 pgweb
表中的列。这允许在同一索引中使用混合配置,同时记录每个索引条目使用了哪个配置。例如,如果文档集合包含不同语言的文档,这将很有用。同样,旨在使用索引的查询必须措辞匹配,例如 WHERE to_tsvector(config_name, body) @@ 'a & b'
。
索引甚至可以连接列
CREATE INDEX pgweb_idx ON pgweb USING GIN (to_tsvector('english', title || ' ' || body));
另一种方法是创建一个单独的 tsvector
列来保存 to_tsvector
的输出。为了使此列与其源数据自动保持更新,请使用存储的生成列。此示例是连接 title
和 body
,使用 coalesce
来确保当另一个为 NULL
时,一个字段仍然会被索引
ALTER TABLE pgweb ADD COLUMN textsearchable_index_col tsvector GENERATED ALWAYS AS (to_tsvector('english', coalesce(title, '') || ' ' || coalesce(body, ''))) STORED;
然后我们创建一个GIN索引来加速搜索
CREATE INDEX textsearch_idx ON pgweb USING GIN (textsearchable_index_col);
现在我们准备执行快速全文搜索
SELECT title FROM pgweb WHERE textsearchable_index_col @@ to_tsquery('create & table') ORDER BY last_mod_date DESC LIMIT 10;
与表达式索引相比,单独列方法的一个优点是,无需在查询中显式指定文本搜索配置即可利用索引。如上面的示例所示,查询可以依赖于 default_text_search_config
。另一个优点是搜索速度更快,因为它不需要重做 to_tsvector
调用来验证索引匹配。(当使用 GiST 索引而不是 GIN 索引时,这一点更为重要;请参阅 第 12.9 节。)但是,表达式索引方法设置起来更简单,并且它需要更少的磁盘空间,因为 tsvector
表示形式没有明确存储。
如果您在文档中看到任何不正确、与您使用特定功能的体验不符或需要进一步澄清的内容,请使用此表单来报告文档问题。