利用 PostgreSQL 实现毫秒级全文检索

Lateral 是一家内容推荐服务提供商，其模拟程序使用 PostgreSQL 存储文档。每个文档包含一个 text 列和一个存储标题、日期和 URL 等元数据的 JSON 列。他们希望为模拟程序创建快速搜索功能，搜索文档全文和标题，生成推荐内容。近日，Lateral 首席技术官 Max撰文介绍了他们的做法。

为了实现这一目标，可以选择开源解决方案 Apache Solr 或 Elasticsearch ，也可以选择托管解决方案 Elastic 或 Algolia ，但出于以下考虑，他们选择了 PostgreSQL 的全文搜索功能：

• 不需要额外安装软件或库
• 可以重用他们在应用程序中使用的数据库接口
• 不需要配置额外的服务器
• 不增加成本
• 数据可以存储在可控的地方
• 不需要在不同的数据源之间同步数据

虽然 PostgreSQL 搜索的精度和大规模查询速度存在缺陷，但 Max 认为，它可以满足他们的应用场景。以下是他们的做法：

1. 创建一个列 tsv，存储 tsvector 值；
2. 在新建的列上创建索引，并用下面的语句填充列：

 UPDATE data_rows SET tsv
 =setweight(to_tsvector(coalesce(meta->>'title','')), 'A') 
 ||setweight(to_tsvector(coalesce(text,'')), 'D');
 

此处需要注意，JSON 列的权重为 A，text 列的权重为 D；
3. 创建 tsv 列更新函数；
4. 在表上创建触发器，当更新和新增行时，执行 tsv 列更新函数。

当一切就绪后，替换下面代码中的“你的查询”并执行：

SELECT id, meta->>'title' as title, meta FROM (
 SELECT id, meta, tsv
 FROM data_rows, plainto_tsquery('你的查询') AS q
 WHERE (tsv @@ q)
) AS t1 ORDER BY ts_rank_cd(t1.tsv, plainto_tsquery('你的查询')) DESC LIMIT 5;

经测试，该查询大约 50 毫秒即可完成。如果返回文档全文，则会增加大约 350 毫秒，这更多的可能是受网络负载影响。如果只返回文档中的 200 个字符，则仅仅增加大约 100 毫秒。

感谢崔康对本文的审校。

给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们，并与我们的编辑和其他读者朋友交流（欢迎加入 InfoQ 读者交流群）。