利用PostgreSQL实现毫秒级全文检索

PostgreSQL 全文检索 JSON Solr Elasticsearch

摘要

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。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撰文介绍了他们选用PostgreSQL的原因及做法。

正文

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。