在 AI 与海量文本检索的时代，PostgreSQL 凭借原生全文检索能力与丰富扩展，成为轻量、高效、可直接落地的文本搜索与数据存储一体化方案。本篇文章为大家详细介绍PostgreSQL 全文检索。

一. 什么是全文检索

全文检索（Full-Text Search，FTS）是一种从海量文本中快速找出相关内容的搜索技术。与常见的 LIKE '%keyword%' 不同，全文检索的核心价值在于三点：倒排索引加速，相关度排序，词根匹配。

对于一个文章系统、搜索框、日志分析平台来说，全文检索几乎是标配能力。PostgreSQL 从很早就内置了完整的全文检索功能，近年来还涌现出 zhparser（中文分词）和 pg_search（BM25 相关度排序）两个强力补充，使得 PG 的检索能力足以与 Elasticsearch 一较高下。

---

二. PostgreSQL 内置全文检索

2.1 核心概念：tsvector 与 tsquery

PG 全文检索围绕两个数据类型工作：

tsvector — 文档的存储格式

文档文本经过分词、去停用词、词形归一化后，生成一个"词位序列"（lexeme），每个词位带上它在原文中的位置信息。

-- 原始字符串直接转 tsvector（空格分词）SELECT 'a fat cat sat on a mat and ate a fat rat'::tsvector;-- 输出：-- 'a' 'and' 'ate' 'cat' 'fat' 'mat' 'on' 'rat' 'sat'

to_tsvector() — 带语言处理的转换函数

SELECT to_tsvector('english', 'The Fat Rats');-- 输出：'fat':2 'rat':3

to_tsvector() 做了三件事：

• 小写化：The Fat Rats → the fat rats

• 词形归一化：Rats → rat（复数归一）

• 去停用词：如 a、on、it 等高频无意义词被丢弃

-- 对比：有 to_tsvector 和没有的差别SELECT 'a fat cat sat on a mat - it ate a fat rats'::tsvector;-- 输出：'-' 'a' 'ate' 'cat' 'fat' 'it' 'mat' 'on' 'rats' 'sat'SELECT to_tsvector('english', 'a fat cat sat on a mat - it ate a fat rats');-- 输出：'ate':9 'cat':3 'fat':2,11 'mat':7 'rat':12 'sat':4

注意标点符号 - 和停用词 a、on、it 在 to_tsvector() 中都被过滤掉了。

tsquery — 查询条件格式

tsquery 是经过规范化的查询条件，支持布尔逻辑：-- AND：同时包含SELECT to_tsquery('english', 'cat & rat');-- OR：包含其一SELECT to_tsquery('english', 'cat | rat');-- NOT：排除SELECT to_tsquery('english', 'cat & ! rat');-- 短语查询：词1紧跟词2SELECT to_tsquery('english', '''fat <-> rat''');-- 前缀匹配SELECT to_tsquery('english', 'rat:*');

2.2 匹配操作符 @@

tsvector 和 tsquery 之间用 @@ 连接，表示"文档是否匹配查询"：

-- 两种写法等价to_tsvector('fat cats ate rats') @@ to_tsquery('cat & rat')   -- → t'fat cats ate rats'           @@ to_tsquery('cat & rat')       -- → t

text 类型会在比较时隐式调用 to_tsvector() 转换。

2.3 内置全文检索的局限

PG 内置分词器默认按空格分割，这对英文友好，对中文却束手无策：

-- 中文整句被当成一个词，无法部分匹配SELECT to_tsvector('english', '不可用或超时导致');-- '不可用或超时导致':1-- 精确匹配整个词组才有效SELECT * FROM wenzhang WHERE content_tsvector @@ '不可用或超时'::tsquery;-- → 0 rowsSELECT * FROM wenzhang WHERE content_tsvector @@ '不可用或超时导致'::tsquery;-- → 有结果

要支持中文，需要引入中文分词插件。

---

三. 中文分词支持：zhparser

3.1 为什么需要 zhparser

中文文本的词与词之间没有空格分隔，直接用空格分词器会把一整句话当成一个词。zhparser 基于 SCWS 中文分词库实现，能将中文句子正确切分为独立的词语。

3.2 创建扩展和文本搜索配置

以下操作假设 zhparser 扩展已安装（编译安装步骤请参考 GitHub amutu/zhparser）。

-- 1. 创建 zhparser 扩展CREATE EXTENSION zhparser;-- 2. 验证扩展\dx zhparser--  List of installed extensions--  Name    | Version | Schema | Description--  --------+---------+--------+--------------------------------------------   zhparser | 2.3     | public | a parser for full-text search of Chinese-- 3. 查看当前默认文本搜索配置SHOW default_text_search_config;-- → pg_catalog.english-- 4. 创建中文文本搜索配置（关键步骤）CREATE TEXT SEARCH CONFIGURATION chinese (PARSER = zhparser);-- 5. 核心步骤：将各词性映射到 simple 词典-- 如果跳过这步，to_tsvector('chinese', ...) 返回空！ALTER TEXT SEARCH CONFIGURATION chinese    ADD MAPPING FOR n, v, a, i, e, l WITH simple;

mapping 中各词性的含义：

标记	词性	标记	词性
n	名词	i	成语
v	动词	e	叹词
a	形容词	l	习用语

simple 词典不做任何词形处理，原样存储和匹配，非常适合不需要词形变化的汉语。如果不指定 mapping，或者 mapping 到其他语言的词典（如 english），分词结果将是空。

3.3 对比分词效果

-- 默认 english 分词器：中文被当成一个词 ；-- zhparser chinese 分词：正确切分为多个词语

3.4 注意事项

1. tsquery 必须精确匹配分词结果

--  "排查" 是完整词，可以搜到SELECT * FROM search_wenzhang WHERE content_zh_tsvector @@ '排查'::tsquery;--  "排" 不是独立词，搜不到任何结果SELECT * FROM search_wenzhang WHERE content_zh_tsvector @@ '排'::tsquery;-- → 0 rows

2. 不配置 mapping 导致分词为空

-- mapping 缺失时，to_tsvector('chinese', ...) 返回空！-- 表现：更新后 content_zh_tsvector 字段为空

---

四. 智能检索：pg_search（ParadeDB）

4.1 为什么要用 pg_search

4.2 创建扩展

以下操作假设 pg_search 扩展已安装（安装步骤请参考 ParadeDB 官方文档）。

需要预先在 postgresql.conf 中添加：

shared_preload_libraries = 'pg_search'

重启 PG 后执行：

CREATE EXTENSION pg_search;

目前HULK的PostgreSQL实例默认已经安装了pg_search扩展，方便大家使用。

4.3 可用的中文分词器

SELECT * FROM paradedb.tokenizers(); default keyword keyword_deprecated raw literal_normalized white_space regex_tokenizer chinese_compatible source_code ngram chinese_lindera japanese_lindera korean_lindera jieba lindera unicode_words_deprecated unicode_words

其中与中文相关的分词器主要是以下四个：

4.4 创建 BM25 索引

BM25 索引是 pg_search 的核心，语法与普通 B-Tree 索引不同：

CREATE INDEX ch_idx ON public.search_wenzhangUSING bm25 (id, content)WITH (    key_field = 'id',    text_fields = '{        "content": {"tokenizer": {"type": "chinese_compatible"}}    }');

参数说明：

参数	含义
key_field	主键字段，必须唯一
text_fields	要索引的文本字段及配置
tokenizer.type	使用的分词器类型

4.5 查询语法

-- 基础查询：content 字段包含"问题"SELECT * FROM search_wenzhangWHERE id @@@ paradedb.parse('content:问题')LIMIT 10;

更多查询示例：

-- 搜索英文 "TiKV"SELECT * FROM search_wenzhangWHERE id @@@ paradedb.parse('content:TiKV')LIMIT 10;-- 搜索"定位"SELECT * FROM search_wenzhangWHERE id @@@ paradedb.parse('content:定位')LIMIT 10;-- 前缀匹配：Ti 可以匹配 TiKV、TiDB 等SELECT * FROM search_wenzhangWHERE id @@@ paradedb.parse('content:Ti*')LIMIT 10;-- 前缀匹配查不到的情况（英文分词器按空格分词）SELECT * FROM search_wenzhangWHERE id @@@ paradedb.parse('content:Ti')LIMIT 10;-- → 0 rows（需要完整词 "TiKV" 或前缀 "Ti*"）

注意：id @@@ ... 是 pg_search 的查询语法，BM25 索引不依赖额外的 tsvector 存储列。

---

4.6 中文分词zhparser和智能搜索pg_search查询对比

--查询关键词"问题"

--pg_searchdbrte=# SELECT id, content  FROM search_wenzhang  WHERE id @@@ paradedb.parse('content:问题')  LIMIT 2; id |                                    content                                    ----+-------------------------------------------------------------------------------  1 | 通过 HTTP API 来排查 goroutine 泄露的问题。   2 | 该问题通常由于 TiKV Region 不可用或超时导致，需要看 TiKV 的监控指标定位问题。--zhparserdbrte=# SELECT id, content  FROM search_wenzhang  WHERE content_zh_tsvector @@ '问题'::tsquery  LIMIT 2 ; id |                                    content                                    ----+-------------------------------------------------------------------------------  1 | 通过 HTTP API 来排查 goroutine 泄露的问题。   2 | 该问题通常由于 TiKV Region 不可用或超时导致，需要看 TiKV 的监控指标定位问题。

--查询关键字"问"

--pg_serachdbrte=# SELECT id, content  FROM search_wenzhang  WHERE id @@@ paradedb.parse('content:问')  LIMIT 2; id |                                    content                                    ----+-------------------------------------------------------------------------------  1 | 通过 HTTP API 来排查 goroutine 泄露的问题。   2 | 该问题通常由于 TiKV Region 不可用或超时导致，需要看 TiKV 的监控指标定位问题。--zhparserdbrte=# SELECT id, content  FROM search_wenzhang  WHERE content_zh_tsvector @@ '问'::tsquery  LIMIT 2; id | content ----+---------(0 rows)

结论：可以看出pg_search在非常规词组的匹配上更准确。

---

五. 选型建议与最佳实践

5.1 三种方案横向对比

5.2 选型决策

我们可以根据以下策略进行分词器选择：

5.3 表设计建议：触发器自动维护 tsvector

每次 INSERT/UPDATE 都手动调用 to_tsvector() 容易遗漏。用触发器自动完成：

CREATE OR REPLACE FUNCTION update_wenzhang_tsvector()RETURNS TRIGGER AS $$BEGIN    NEW.content_tsvector := to_tsvector(        'english',        COALESCE(NEW.title, '') || ' ' || COALESCE(NEW.content, '')    );    NEW.content_zh_tsvector := to_tsvector(        'chinese',        COALESCE(NEW.title, '') || ' ' || COALESCE(NEW.content, '')    );    RETURN NEW;END;$$ LANGUAGE plpgsql;CREATE TRIGGER wenzhang_tsvector_updateBEFORE INSERT OR UPDATE ON search_wenzhangFOR EACH ROW EXECUTE FUNCTION update_wenzhang_tsvector();

有了这个触发器，应用程序只需要写入 content 字段，tsvector 列会自动保持最新。

5.4 性能优化清单

• 建索引：GIN 索引（内置/zhparser）或 BM25 索引（pg_search）是性能的根基

• 预先生成 tsvector：不要在查询时实时调用 to_tsvector()，那是 CPU 密集操作

• 分区表：按时间对大表做 Range 分区（如按月），减少每次检索扫描的数据量

• 定期维护：VACUUM ANALYZE 保持统计信息准确；REINDEX 保持索引效率

• 避免 LIKE：所有文本搜索场景一律使用全文检索，删除所有 LIKE '%keyword%'

以下是基于200 万行数据进行的查询性能基准测试：

查询性能对比：

GIN 索引让查询从全表扫描变为索引查找，性能提升约 7 倍。

5.5 常见问题速查

现象	最可能的原因	解决方案
to_tsvector('chinese', ...) 返回空	没有配置 mapping	执行 ALTER TEXT SEARCH CONFIGURATION chinese ADD MAPPING FOR ... WITH simple
中文查询只能搜完整词，部分匹配不到	tsquery 精确匹配分词结果	使用 chinese_compatible 或 jieba 分词器，支持更细粒度切分
pg_search 查询报错	shared_preload_libraries 未配置	修改 postgresql.conf，重启 PG
查询变慢	索引失效或数据量增长	执行 REINDEX，检查分区策略
分词结果不符合预期	词典配置问题	检查 SCWS 词典版本，或换用 pg_search 的 jieba 分词器

---

六. 总结

PostgreSQL 的全文检索生态已经从"能用"进化到了"好用"：

1. PG 内置 FTS：英文场景完全够用，内置无需安装，性能稳定

2. zhparser：解决中文布尔搜索问题，代价是需要编译安装插件，且只有"有/没有"的判断

3. pg_search：中文 + BM25 排序的最佳方案，安装简单，功能强大，是当前最推荐的生产级选择

在实际项目中，可以将多种方案组合使用：用 zhparser 或 pg_search 做中文全文检索，同时保留内置 FTS 处理英文场景，各取所长。

END

更多技术干货，

请关注“360智汇云开发者”👇

360智汇云是以"汇聚数据价值，助力智能未来"为目标的企业应用开放服务平台，融合360丰富的产品、技术力量，为客户提供平台服务。目前，智汇云提供数据库、中间件、存储、大数据、人工智能、计算、网络、视联物联与通信等多种产品服务以及一站式解决方案。

官网：https://zyun.360.cn（复制在浏览器中打开）

更多好用又便宜的云产品，欢迎试用体验~

添加工作人员企业微信👇，get更快审核通道+产品免费试用包哦~