上一节中的示例说明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执行全文搜索。要打印包含单词 friend
的 title
的每一行的简单查询,在 body
字段中为
SELECT title FROM pgweb WHERE to_tsvector('english', body) @@ to_tsquery('english', 'friend');
这还将找到相关的单词,例如 friends
和 friendly
,因为所有这些都简化为相同的归一化词素。
上面的查询指定使用 english
配置来解析和归一化字符串。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包含 create
和 table
的最近十个文档,在 title
或 body
中
SELECT title FROM pgweb WHERE to_tsvector(title || ' ' || body) @@ to_tsquery('create & table') ORDER BY last_mod_date DESC LIMIT 10;
为了清楚起见,我们省略了 coalesce
函数调用,该函数对于查找在两个字段之一中包含 NULL
的行是必需的。
尽管这些查询可以在没有索引的情况下工作,但大多数应用程序会发现这种方法太慢,除了偶尔的临时搜索。实际使用文本搜索通常需要创建索引。
我们可以创建一个 GIN 索引(第 12.9 节)以加快文本搜索
CREATE INDEX pgweb_idx ON pgweb USING GIN (to_tsvector('english', body));
请注意,使用了 to_tsvector
的 2 个参数版本。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)。这是因为索引内容不受 default_text_search_config 影响。如果它们受到影响,则索引内容可能不一致,因为不同的条目可能包含使用不同的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此类索引。
由于索引中使用了 to_tsvector
的两个参数版本,因此仅使用具有相同配置名称的 to_tsvector
的 2 个参数版本的查询引用将使用该索引。即,WHERE to_tsvector('english', body) @@ 'a & b'
可以使用该索引,但 WHERE to_tsvector(body) @@ 'a & b'
则不能。这可确保仅使用与创建索引条目时所用的相同配置来使用索引。
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
表中的一列。这允许在同一索引中混合配置,同时记录对每个索引条目使用哪个配置。例如,如果文档集合包含不同语言的文档,这将非常有用。同样,旨在使用索引的查询必须表述为匹配,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。若要使此列自动更新为其源数据,请使用存储的生成列。此示例连接了 title
和 body
,使用 coalesce
来确保当另一个字段为 NULL
时,一个字段仍将被编入索引
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 索引以加快搜索速度
CREATE INDEX textsearch_idx ON pgweb USING GIN (textsearchable_index_col);
现在,我们可以执行快速全文搜索了
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,不必在查询中明确指定文本搜索配置即可使用索引。如上例所示,查询可以依赖 default_text_search_config
。另一个优点是搜索速度会更快,因为不必重新执行 to_tsvector
调用来验证索引匹配。(使用 GiST 索引时比使用 GIN 索引时更重要;请参见 第 12.9 节。)但是,表达式索引方法设置起来更简单,并且需要的磁盘空间更少,因为 tsvector
表示形式不会显式存储。