PostgreSQL 全文搜索实战（TypeScript + Drizzle + Bun）

PostgreSQL 的 tsvector/tsquery 提供数据库原生全文搜索：给文本列建 tsvector 生成列 + GIN 索引，@@ plainto_tsquery() 匹配查询，百万文档毫秒响应。相比 ILIKE 模糊匹配，它支持分词、相关性排序与高亮——零额外基础设施。

为什么先考虑数据库原生方案

提到搜索就想到 Elasticsearch/Algolia 是惯性思维。PG 全文搜索的优势：数据不出库（无同步管道、无一致性问题）、毫秒级响应、与事务/权限体系一体。只有需要复杂相关度调优、聚合分析、多语言高级分词时才值得上专用搜索引擎。

ILIKE 为什么不够

SELECT * FROM posts WHERE content ILIKE '%关键词%';

ILIKE 的问题：全表扫描（索引用不上）、无分词（"数据库系统"匹配不到"数据库"）、无相关性排序。数据上万后体验崩塌。

tsvector 实战

-- 添加 tsvector 生成列并建索引
ALTER TABLE posts ADD COLUMN search_vector tsvector
  GENERATED ALWAYS AS (to_tsvector('english', coalesce(title,'') || ' ' || coalesce(content,''))) STORED;

CREATE INDEX posts_search_idx ON posts USING GIN (search_vector);

-- 查询
SELECT title, ts_rank(search_vector, query) AS rank
FROM posts, plainto_tsquery('english', 'database performance') query
WHERE search_vector @@ query
ORDER BY rank DESC;

生成列自动维护（插入更新时重新分词），GIN 索引让查询走索引而非全表扫描，ts_rank 提供相关性评分。

TypeScript 侧集成（Drizzle）

import { sql } from 'drizzle-orm';

async function searchPosts(keyword: string) {
  return db.execute(sql`
    SELECT id, title,
           ts_rank(search_vector, q) AS rank,
           ts_headline('english', content, q) AS highlight
    FROM posts, plainto_tsquery('english', ${keyword}) q
    WHERE search_vector @@ q
    ORDER BY rank DESC
    LIMIT 20
  `);
}

ts_headline 生成带 <b> 高亮标记的摘要片段——搜索结果的"关键词上下文"效果开箱就有。

中文搜索的特殊处理

PG 内置分词器按空格切词，对中文无效（整段文本成一个词）。中文场景方案：

1. zhparser 扩展：基于结巴分词的 PG 扩展，自建 Postgres 可安装，创建中文配置 to_tsvector('zh', content)；
2. pg_jieba：另一个中文分词扩展选择；
3. 托管 PG 不支持自定义扩展时，退而求其次用 pg_trgm（三元组匹配，中文可用但相关度弱）或应用层分词后存关键词列。

性能要点

• GIN 索引是前提（百万级无索引照样慢）；
• 生成列用 STORED（写入时计算，查询零开销）；
• 大结果集配合 LIMIT + 分页，rank 计算只发生在命中集上；
• 写入极重的表注意 GIN 索引的写放大，可用 fastupdate 延迟合并平衡。

用实际查询验证数据访问方案

PostgreSQL 全文搜索实战（TypeScript + Drizzle + Bun）的选择最终要落到查询次数、SQL 耗时与连接占用。应用接入观测云 APM 时，先核对 SDK 是否支持实际使用的数据库驱动，不能因为使用了某个 ORM 就假设全部查询自动可见。未覆盖的查询可手动插桩；PostgreSQL 等服务端数据库另配实例采集。SQL 和绑定参数上报前须脱敏，再按相同接口比较 N+1 查询与慢查询的变化。

接入文档：Node.js APM 接入 · PostgreSQL 采集 · 日志采集。

常见问题（FAQ）

Q：PG 全文搜索能替代 Elasticsearch 吗？

中等规模（千万文档内）、标准搜索需求（关键词+排序+高亮）可以。ES 的不可替代性在：复杂相关度调优、聚合分析、跨集群水平扩展、成熟的拼音/纠错生态。从 PG 起步，瓶颈出现再迁 ES——架构演进的标准路径。

Q：怎么支持"拼音搜索"？

PG 层面没有内置方案。常见做法：应用层把标题转拼音存冗余列（title_pinyin），一并纳入 tsvector 内容；或专门的需求交给搜索引擎。

Q：Drizzle 里能建生成列吗？

Drizzle Schema 对生成列的支持在完善中，稳妥做法是迁移文件里手写 SQL（drizzle-kit generate 后编辑迁移文件），查询层用 sql 模板——控制力与类型安全兼得。

---

参考文档

• TypeScript Handbook

本文依据公开文档整理，示例需按项目依赖版本验证；不将文档中的性能描述视为本项目实测结果。

延伸阅读

• Flutter 和 React Native 怎么选？跨平台移动开发对比
• GraphQL + Express 实战：构建灵活的 API