Cloud SQL for PostgreSQL 中的 pg_textsearch 扩展程序使用业界标准的 BM25（最佳匹配 25）评分算法提供全文搜索，从而提供高度准确的相关性评分。该扩展程序是一个可在 GitHub 上获取的开源项目。
pg_textsearch 扩展程序需要 PostgreSQL 17 或更高版本。
由于 pg_textsearch 支持逆文档频率、词频饱和度和文档长度归一化，因此它可以生成比 PostgreSQL 的内置 ts_rank 函数更相关的结果。此外，由于它直接在标准 PostgreSQL 存储页面上运行，因此您无需安装 Elasticsearch 等外部引擎，也无需担心双集群维护和数据同步问题。借助 pg_textsearch，您无需离开 PostgreSQL 生态系统，即可构建强大、可伸缩且高度相关的搜索体验。
多种搜索方式
在 Cloud SQL for PostgreSQL 中，有多种文本搜索选项：
完全匹配：使用标准 SQL 搜索时，您可以使用
LIKE和ILIKE语句来扫描完全匹配的字符序列。例如，查询ILIKE '%smart fitness watches%'会找到如下实例：- “探索我们正在促销的新款智能健身手表。”
- “智能健身手表是绝佳的礼物。”
但是，它无法找到：
- “跑步者想要一款智能防水健身手表。”
- “这款手表在健身方面特别智能。”
全文搜索：全文搜索使用 BM25 算法和
tsvector，将文本拆分为词根，忽略过滤词，并对相关性进行评分。它能理解语言规则（包括复数和语法），并会考虑词频。对smart AND fitness AND watches进行全文搜索会找到示例完全匹配查询会漏掉的实例，以及如下所示的更复杂的实例：- “智能手表是日常健身的完美搭档。”
- “并非所有手表在健身方面都如此智能。”
但是，它无法找到：
- “一款智能健康感知手表可以帮助您制定锻炼计划。”
- “这款智能锻炼追踪手环物美价廉。”
语义搜索：语义搜索使用 AI 模型将文本转换为向量并测量相似度距离。它能理解含义、意图、上下文、同义词和相关概念。对
smart fitness watches进行语义搜索会找到其他搜索方法会错过的示例实例。它会理解“智能健康感知手表”与“智能健身手表”相同，并且“智能运动跟踪手环”也可能相关。如果它没有充分优先考虑“手表”，则可能会错误地匹配计步器手环。
安装 pg_textsearch 扩展程序
请按照以下步骤安装并启用 pg_textsearch：
按照配置数据库标志中的说明，将
cloudsql.enable_pg_textsearch标志设置为on。这会将pg_textsearch添加到shared_preload_libraries。安装
pg_textsearch扩展程序CREATE EXTENSION pg_textsearch;验证安装：
SELECT extversion FROM pg_extension WHERE extname = 'pg_textsearch'
使用pg_textsearch进行搜索
假设以下示例表已填充数据：
CREATE TABLE documents (
doc_id TEXT PRIMARY KEY,
content TEXT,
text_embedding vector(3072)
GENERATED ALWAYS AS (embedding('gemini-embedding-001', content)) STORED
);
在使用全文搜索之前，请先创建 BM25 索引：
CREATE INDEX idx_docs_bm25
ON documents
USING bm25 (content)
WITH (text_config = 'english');
然后，您可以发出如下全文搜索查询：
SELECT doc_id, content, content <@> 'database system'
AS score FROM documents
ORDER BY content <@> 'database system'
ASC LIMIT 5;
使用 pg_textsearch 和 vector 执行混合搜索
您可以将 pg_textsearch 与 vector 语义搜索扩展程序结合使用，以执行混合搜索。安装 vector 语义搜索扩展程序，如下所示：
CREATE EXTENSION IF NOT EXISTS vector CASCADE;
进行混合语义和全文搜索查询，如下所示：
WITH
-- Semantic search results
vector_search AS (
SELECT doc_id,
RANK () OVER (ORDER BY text_embedding <=>
google_ml.embedding('gemini-embedding-001',
'database')::VECTOR ) AS rank
FROM documents
ORDER BY text_embedding <=> google_ml.embedding('gemini-embedding-001',
'database')::VECTOR
LIMIT 10
),
-- Full text search results
text_search AS (
SELECT doc_id,
RANK () OVER (ORDER BY content <@> 'database' ASC) AS rank
FROM documents
ORDER BY content <@> 'database' ASC
LIMIT 10
)
-- RRF combining both semantic and full text search results
SELECT
COALESCE(vector_search.doc_id, text_search.doc_id) AS id,
COALESCE(1.0 / (60 + vector_search.rank), 0.0) +
COALESCE(1.0 / (60 + text_search.rank), 0.0) AS rrf_score
FROM vector_search
FULL OUTER JOIN text_search ON vector_search.doc_id = text_search.doc_id
ORDER BY rrf_score DESC
LIMIT 5;
用于配置 pg_textsearch 扩展程序的标志
使用以下标志配置 pg_textsearch 全文搜索：
pg_textsearch.bulk_load_threshold：自动溢出前每笔交易的条款。设置为 0 即可停用。 默认值：100,000。pg_textsearch.compress_segments：压缩新段中的发布块。默认值：on。pg_textsearch.default_limit：不存在LIMIT子句时评分的文档数上限。默认值：1,000。pg_textsearch.memtable_pages_threshold： 自动溢出前要链接的页数。设置为 0 即可停用。默认值：64。pg_textsearch.segments_per_level：自动压缩发生前每个级别的段数。范围：2-64。默认值：8。