PostgreSQL-全文检索/倒排索引插件集合

1 全文检索/倒排索引插件集合

以下是 PostgreSQL 中 pg_trgm、rum 和 pg_jieba 插件的对比分析，涵盖功能差异、使用方法、优化点及存储占用等关键信息：

1.1 全文索引插件对比

 

插件名称	核心功能	适用场景	索引类型	中文支持	存储空间	性能特点
pg_trgm	基于 3-gram 实现模糊匹配、相似度计算	模糊查询（如 LIKE '%text%'）	GIN、GiST	需预处理	较高	适合长文本模糊匹配
pg_bigm	基于 2-gram 优化短关键词模糊查询	短关键词快速匹配	GIN	需预处理	较低	短关键词查询更快
rum	增强全文检索性能，支持短语匹配、邻近搜索、相关性排序	复杂排序与多条件搜索	RUM	需分词	高	支持非位图扫描，更快
pg_jieba	中文分词插件，支持精确/全模式	中文全文搜索	GIN（基于分词结果）	是	中等	中文分词精准
zhparser	中文分词插件（基于 SCWS）	中文全文搜索	GIN	是	中等	支持自定义词典
pg_roaringbitmap	位图索引优化，加速大规模集合运算	海量数据集合操作（如 AND/OR）	Roaring Bitmap	不适用	极低	集合运算高效

1.2 联系

• pg_trgm 和 pg_jieba 均用于提升文本搜索性能，但前者基于字符的 n-gram 模型，后者基于语义分词。

• rum 与 pg_trgm 均可加速全文搜索，但 rum 更适用于复杂查询场景（如多条件排序）。

1.3 核心区别

• pg_bigm 与 pg_trgm 均基于 n-gram 模型，但前者使用 2-gram 更适合短关键词，后者适合长文本。

• rum 相比 GIN 索引支持排序和更复杂的查询逻辑（如邻近搜索）。

• zhparser 和 pg_jieba 均为中文分词插件，前者基于 SCWS，后者支持更灵活的自定义词典16。

2 使用方法

以下以 pg_bigm 和 zhparser 为例，展示插件使用流程，并与 pg_trgm 对比查询性能。

2.1 创建测试表并插入数据

 

-- 创建测试表
CREATE TABLE articles (
    id SERIAL PRIMARY KEY,
    title TEXT,
    content TEXT
);

-- 插入示例数据
INSERT INTO articles (title, content) VALUES
('PostgreSQL 全文搜索', 'PostgreSQL 支持多种全文搜索插件，如 pg_trgm、pg_bigm 和 rum。'),
('中文分词技术', '使用 zhparser 或 pg_jieba 实现中文分词，提升搜索效率。');

2.2 安装插件并创建索引

-- 安装 pg_bigm 和 zhparser（需提前加载到 shared_preload_libraries）
CREATE EXTENSION pg_bigm;
CREATE EXTENSION zhparser;

-- 创建不同索引
-- pg_bigm 索引
CREATE INDEX idx_bigm_content ON articles USING gin (content gin_bigm_ops);

-- zhparser 分词索引
ALTER TEXT SEARCH CONFIGURATION chinese ADD MAPPING FOR n,v,a,i,e,l WITH simple;  -- 配置分词规则
CREATE INDEX idx_zhparser_content ON articles USING gin (to_tsvector('chinese', content));

2.3 查询对比

(1) pg_bigm 短关键词模糊查询

-- 查询包含 "搜索" 的内容（短关键词）
SELECT * FROM articles WHERE content LIKE '%搜索%';
-- 使用索引加速
SELECT * FROM articles WHERE content LIKE likequery('搜索');  -- pg_bigm 自动转义

特点：适合短关键词，无需分词，直接模糊匹配。

(2) zhparser 中文分词查询

-- 查询包含 "中文" 或 "分词" 的内容
SELECT * FROM articles 
WHERE to_tsvector('chinese', content) @@ to_tsquery('chinese', '中文 | 分词');

特点：精准分词，支持布尔逻辑（AND/OR）。

(3) pg_trgm 相似度排序

-- 按相似度排序（需 pg_trgm 插件）
SELECT title, content, similarity(content, '搜索插件') AS score 
FROM articles 
WHERE content % '搜索插件' 
ORDER BY score DESC;

特点：适合长文本相似度计算，但存储占用较高。

3 性能对比分析

插件	查询类型	响应时间（示例）	索引大小（1GB 文本）	适用场景建议
pg_bigm	短关键词模糊匹配	10 ms	~200 MB	短关键词、前缀匹配
zhparser	中文分词搜索	20 ms	~300 MB	中文精准搜索
rum	多条件排序	15 ms	~500 MB	复杂查询与结果排序
pg_trgm	相似度匹配	50 ms	~400 MB	长文本模糊匹配

优化建议：

• 中文搜索：优先选择 zhparser 或 pg_jieba，搭配 GIN 索引。

• 短关键词：使用 pg_bigm 替代 pg_trgm，减少索引大小。

• 复杂排序：启用 rum 索引，避免 GIN 的位图扫描开销

4 其他插件补充

4.1 pg_roaringbitmap

适用于海量数据的集合运算（如用户标签过滤）：

-- 创建位图索引
CREATE EXTENSION roaringbitmap;
CREATE INDEX idx_bitmap_tags ON users USING roaringbitmap (tags);
-- 查询同时包含标签 A 和 B 的用户
SELECT * FROM users WHERE tags @@ 'A & B'::roaringbitmap;

4.2 pg_fulltext（内置）

PostgreSQL 原生全文检索，支持多语言分词（需配置 regconfig）：

-- 使用英文分词
SELECT * FROM articles
WHERE to_tsvector('english', content) @@ to_tsquery('english', 'PostgreSQL & plugins');

五、总结

• 轻量级模糊查询：选择 pg_bigm 或 pg_trgm，根据关键词长度决定。

• 中文搜索：zhparser 或 pg_jieba 是必备插件。

• 高性能复杂查询：rum 索引显著提升排序和短语匹配效率。

具体选择需结合数据规模、查询模式及语言特性。建议在测试环境中验证不同插件的性能表现。