sql - 使用PostgreSQL全文搜索排名的最佳方式

Question

从这个答案开始，我想知道使用 PostgreSQL 内置全文搜索的最佳方法是如果我想按排名排序，并且仅限于匹配查询。

让我们假设一个非常简单的表。

CREATE TABLE pictures (
  id SERIAL PRIMARY KEY,
  title varchar(300),
  ...
)

管他呢。现在我想搜索该title领域。首先我创建一个索引：

CREATE INDEX pictures_title ON pictures 
  USING gin(to_tsvector('english', title));

现在我想搜索'small dog'. 这有效：

SELECT pictures.id, 
       ts_rank_cd(
         to_tsvector('english', pictures.title), 'small dog'
       ) AS score
FROM pictures
ORDER BY score DESC

但我真正想要的是：

SELECT pictures.id, 
       ts_rank_cd(
         to_tsvector('english', pictures.title), to_tsquery('small dog')
       ) AS score
FROM pictures 
WHERE to_tsvector('english', pictures.title) @@ to_tsquery('small dog')
ORDER BY score DESC

或者这个（不起作用 - 不能score在WHERE子句中使用）：

SELECT pictures.id, 
       ts_rank_cd(
         to_tsvector('english', pictures.title), to_tsquery('small dog')
       ) AS score
FROM pictures WHERE score > 0
ORDER BY score DESC

最好的方法是什么？我的问题是多方面的：

1. 如果我使用重复的版本，to_tsvector(...)它会调用两次，还是足够聪明地以某种方式缓存结果？
2. 有没有办法在不重复to_ts...函数调用的情况下做到这一点？
3. 有没有办法score在WHERE子句中使用？
4. score > 0如果有，过滤或使用该@@东西会更好吗？

Answer 1

运算符的使用@@将使用全文 GIN 索引，而测试则score > 0不会。

我在问题中创建了一个表，但添加了一个名为title_tsv：

CREATE TABLE test_pictures (
  id        BIGSERIAL,
  title     text,
  title_tsv tsvector
);

CREATE INDEX ix_pictures_title_tsv ON test_pictures 
    USING gin(title_tsv);

我用一些测试数据填充了表格：

INSERT INTO test_pictures(title, title_tsv)
SELECT T.data, to_tsvector(T.data) 
FROM   some_table T;

然后我运行了以前接受的答案explain analyze：

EXPLAIN ANALYZE 
SELECT  score, id, title
FROM (
    SELECT ts_rank_cd(P.title_tsv, to_tsquery('address & shipping')) AS score
        ,P.id        
        ,P.title
    FROM test_pictures as P
) S
WHERE score > 0
ORDER BY score DESC;

并得到以下。注意5,015 毫秒的执行时间

QUERY PLAN                                                                                                                                    |
----------------------------------------------------------------------------------------------------------------------------------------------|
Gather Merge  (cost=274895.48..323298.03 rows=414850 width=60) (actual time=5010.844..5011.330 rows=1477 loops=1)                             |
  Workers Planned: 2                                                                                                                          |
  Workers Launched: 2                                                                                                                         |
  ->  Sort  (cost=273895.46..274414.02 rows=207425 width=60) (actual time=4994.539..4994.555 rows=492 loops=3)                                |
        Sort Key: (ts_rank_cd(p.title_tsv, to_tsquery('address & shipping'::text))) DESC                                                      |
        Sort Method: quicksort  Memory: 131kB                                                                                                 |
        ->  Parallel Seq Scan on test_pictures p  (cost=0.00..247776.02 rows=207425 width=60) (actual time=17.672..4993.997 rows=492 loops=3) |
              Filter: (ts_rank_cd(title_tsv, to_tsquery('address & shipping'::text)) > '0'::double precision)                                 |
              Rows Removed by Filter: 497296                                                                                                  |
Planning time: 0.159 ms                                                                                                                       |
Execution time: 5015.664 ms                                                                                                                   |

现在将其与@@运算符进行比较：

EXPLAIN ANALYZE
SELECT ts_rank_cd(to_tsvector(P.title), to_tsquery('address & shipping')) AS score
    ,P.id
    ,P.title
FROM    test_pictures as P
WHERE P.title_tsv @@ to_tsquery('address & shipping')
ORDER BY score DESC;

执行时间约为 29 ms的结果：

QUERY PLAN                                                                                                                                       |
-------------------------------------------------------------------------------------------------------------------------------------------------|
Gather Merge  (cost=13884.42..14288.35 rows=3462 width=60) (actual time=26.472..26.942 rows=1477 loops=1)                                        |
  Workers Planned: 2                                                                                                                             |
  Workers Launched: 2                                                                                                                            |
  ->  Sort  (cost=12884.40..12888.73 rows=1731 width=60) (actual time=17.507..17.524 rows=492 loops=3)                                           |
        Sort Key: (ts_rank_cd(to_tsvector(title), to_tsquery('address & shipping'::text))) DESC                                                  |
        Sort Method: quicksort  Memory: 171kB                                                                                                    |
        ->  Parallel Bitmap Heap Scan on test_pictures p  (cost=72.45..12791.29 rows=1731 width=60) (actual time=1.781..17.268 rows=492 loops=3) |
              Recheck Cond: (title_tsv @@ to_tsquery('address & shipping'::text))                                                                |
              Heap Blocks: exact=625                                                                                                             |
              ->  Bitmap Index Scan on ix_pictures_title_tsv  (cost=0.00..71.41 rows=4155 width=0) (actual time=3.765..3.765 rows=1477 loops=1)  |
                    Index Cond: (title_tsv @@ to_tsquery('address & shipping'::text))                                                            |
Planning time: 0.214 ms                                                                                                                          |
Execution time: 28.995 ms                                                                                                                        |

正如您在执行计划中看到的，ix_pictures_title_tsv在第二个查询中使用了索引，但在第一个查询中没有使用，这使得使用@@运算符的查询快了 172 倍！

Answer 2

select *
from (
    SELECT
        pictures.id,
        ts_rank_cd(to_tsvector('english', pictures.title), 
        to_tsquery('small dog')) AS score
    FROM pictures
) s
WHERE score > 0
ORDER BY score DESC

Answer 3

如果我使用带有重复 to_tsvector(...) 的版本，它会调用两次，还是足够聪明地以某种方式缓存结果？

注意这些事情的最好方法是做一个简单的解释，尽管这些可能很难阅读。

长话短说，是的，PostgreSQL 足够聪明，可以重用计算结果。

有没有办法在不重复 to_ts... 函数调用的情况下做到这一点？

我通常做的是添加一个tsv作为文本搜索向量的列。如果您使用触发器进行此自动更新，它会立即为您提供易于访问的向量，但它还允许您通过使触发器具有选择性来选择性地更新搜索索引。

有没有办法在 WHERE 子句中使用分数？

是的，但不是那个名字。或者，您可以创建一个子查询，但我个人会重复它。

如果有，按分数 > 0 过滤或使用 @@ 东西会更好吗？

我能想到的最简单的版本是这样的：

SELECT *
FROM pictures
WHERE 'small dog' @@ text_search_vector

显然可以用类似的text_search_vector东西代替to_tsvector('english', pictures.title)