PostgreSQL全文检索简介

PostgreSQL自带有一个简易的全文检索引擎，可以实现小规模数据量的全文检索功能。本文我们将引导介绍一下这个功能，对于小数据量的搜索这个功能是足够使用的，而无需搭建额外的ES等重量级的全文检索服务器。

PG的全文检索操作符是 @@ ，当一个 tsvector (文档)和 tsquery (条件)匹配时返回 true ，并且前后顺序无影响:

和普通的SQL查询一样，只要在 WHERE 条件中使用这个符号就代表使用全文检索条件筛选文档了。如:

@@ 操作符支持隐式转换，对于 text 类型可以无需强类型转换( ::tsvector 或 to_tsvector(config_name, text) )，所以这个操作符实际支持的参数类型是这样的:

tsquery 查询条件并不是简单的正则，而是一组搜索术语，使用并且使用布尔操作符 &（AND）、 | （OR）和 ! （NOT）来组合它们，还有短语搜索操作符 <->（FOLLOWED BY）。更详细的语法参见 此文档 。

此外，PostgreSQL还提供了两个相对简化的版本 plainto_tsquery 和 phraseto_tsquery 。

plainto_tsquery ( plainto_tsquery([ config regconfig, ] querytext text) returns tsquery )用户将未格式化的 text 经过分词之后，插入 &符号转为 tsquery :

phraseto_tsquery ( phraseto_tsquery([ config regconfig, ] querytext text) returns tsquery )行为和 plainto_tsquery 行为类似，但是分词之后不是插入 &而是 <->(FOLLOWED BY):

使用索引可以加快全文检索的速度。对于全文检索来说，可选的索引类型是 GIN (通用倒排索引)和 GIST (通用搜索树)，官方文档更推荐使用 GIN索引 。创建一个 GIN 索引的范例:

也可以是一个连接列:

还可以单独创建一个 tsvector 列，为这个列创建索引:

除了普通的 ORDER BY 条件之外，PostgreSQL为全文检索提供了两个可选的排序函数 ts_rank([ weights float4[], ] vector tsvector, query tsquery [, normalization integer ]) returns float4 和 ts_rank_cd([ weights float4[], ] vector tsvector, query tsquery [, normalization integer ]) returns float4 ，以便实现基于 权重 的排序。

此外，对于PostgreSQL 9.6以上的版本还可以使用 RUM index 排序。(注意，这个是扩展，默认不包含)。

PostgreSQL默认的分词字典中并不包含中文分词字典，因此我们必须手工引入。目前一个比较好的项目是 zhparser ，同时这个插件也是阿里云的RDS默认包含的。安装和启用没什么好说的。值得一提的是分词配置参数。

在 CREATE EXTENSION 之后，必须配置分词参数才能正确进行分词和查找，否则什么都查不到。官方文档提供的一个配置策略是:

n,v,a,i,e,l 这几个字母分别表示一种token策略，只启用了这几种token mapping，其余则被屏蔽。具体支持的参数和含义可以用 \dFp+ zhparser 显示:

WITH simple 表示词典使用的是内置的simple词典，即仅做小写转换。根据需要可以灵活定义词典和token映射，以实现屏蔽词和同义词归并等功能。

比如我们看下面这个例子:

可以看到 江淮 这个词组在查询的时候被忽略了，我们启用 j (abbreviation,简称)再看看结果:

所以实际使用中要设置合理的token types，过少将导致搜索结果不准确，过多将导致性能下降。此外，还有一些诸如 短词复合: zhparser.multi_short = f 这一类的控制分词结果的选项，根据实际使用酌情开启。

cloudinnovation服务器到官网买。

点击cloudinnovation服务器官网后，点击右上角的管理中心，注册一个账号并登陆，然后点击选购即可。

cloudinnovation服务器是一个全文检索的企业级服务器，它是一个单独的服务。

一、DM

软件名称：达梦数据库（DM）。

开发商：武汉华工达梦数据库有限公司。

软件描述：

达梦数据库具有如下技术特色：支持多个平台之间的互联互访、高效的并发控制机制、有效的查询优化策略、灵活的系统配置、支持各种故障恢复并提供多种备份和还原方式。

具有高可靠性、支持多种多媒体数据类型、提供全文检索功能、各种管理工具简单易用、各种客户端编程接口都符合国际通用标准、用户文档齐全。

二、OpenBASE

软件名称：OpenBASE。

开发商：东软集团有限公司。

软件描述：

主要包括OpenBASE 多媒体数据库管理系统、OpenBASE Web应用服务器、OpenBASE Mini嵌入式数据库管理系统、OpenBASE Secure安全数据库系统等产品。

所有的这些产品涵盖了企业应用、Internet/Intranet、移动计算等不同的应用领域，具有不同的应用模式。

形成了OpenBASE面向各种应用的全面的解决方案。多媒体数据库管理系统OpenBASE是OpenBASE产品系列的核心和基础，其它的产品都是在其基础上，根据各自应用领域的不同特点发展、演变而成的。

三、OSCAR

软件名称：神舟OSCAR数据库系统。

开发商：北京神舟航天软件技术有限公司。

软件描述：

神舟OSCAR数据库系统基于Client/Server架构实现，服务器具有通常数据库管理系统的一切常见功能，此外还包括一些有助于提高系统对工程数据支持的特别功能，而客户端则在提供了各种通用的应用开发接口的基础上，还具有丰富的连接、操作和配置服务器端的能力。

提供与Oracle、SQL Server、DB 2等主要大型商用数据库管理系统以及TXT、ODBC等标准格式之间的数据迁移工具。

四、KingbaseES

软件名称：金仓数据库管理系统KingbaseES。

开发商：北京人大金仓信息技术有限公司。

软件描述：

交互式工具ISQL；图形化的数据转换工具； 多种方式的数据备份与恢复；　提供作业调度工具；方便的用户管理；支持事务处理；支持各种数据类型；提供各种操作函数；提供完整性约束；支持视图；支持存储过程/函数；支持触发器。

五、iBASE

软件名称：iBASE。

开发商：北京国信贝斯软件有限公司。

软件描述：

包括五个部分：iBASE Reliax Server全文检索服务器。

iBASE Web网上资源管理与发布系统。

iBASE Index System文文件管理与发布系统。

iBASE Webrobot 网络资源采编发系统。

iBASE DMC 数据库管理中心。

扩展资料：

国产最新商业数据库系统：

一、阿里的数据库系统

软件名称：OceanBase &PolarDB

官方称为“完全自主研发的金融级分布式关系数据库”。下面是其官网的介绍：OceanBase 对传统的关系数据库进行了开创性的革新。

在普通硬件上实现金融级高可用，在金融行业首创“三地五中心”城市级故障自动无损容灾新标准，同时具备在线水平扩展能力，创造了4200万次/秒处理峰值的纪录（注：当时TPS官宣为25.6w）。

现在OceanBase的版本已经2.x了，OceanBase TPC-C的评测刷遍了朋友圈，TPS达到了100w (6088w tpmc)，榜单第一。

二、腾讯的数据库系统

软件名称：TDSQL

其官网简介：分布式数据库（Tencent Distributed SQL，TDSQL）是腾讯打造的一款分布式数据库产品，具备强一致高可用、全球部署架构、分布式水平扩展、高性能、企业级安全等特性。

同时提供智能 DBA、自动化运营、监控告警等配套设施，为用户提供完整的分布式数据库解决方案。

目前 TDSQL 已经为超过500+的政企和金融机构提供数据库的公有云及私有云服务，客户覆盖银行、保险、证券、互联网金融、计费、第三方支付、物联网、互联网+、政务等领域。TDSQL 亦凭借其高质量的产品及服务，获得了多项国际和国家认证，得到了客户及行业的一致认可。

三、华为的数据库系统

软件名称：GaussDB

全球首款AI-Native数据库，内部有100、200、300多个版本，应该是基于PostgreSQL开发的。在国内，可能除了阿里，就到华为的团队了（高斯实验室）。和不少高校建立了合作。

---