PostgreSQL全文检索利器:pg_bigm模块详解
2025-06-29 07:44:32作者:谭伦延
什么是pg_bigm
pg_bigm是PostgreSQL数据库的一个全文检索扩展模块,它采用2-gram(二元语法)分词技术为数据库提供高效的文本搜索能力。与PostgreSQL内置的pg_trgm(三元语法)模块相比,pg_bigm在处理亚洲语言(特别是日语和中文)时表现更优,且在短关键词搜索场景下性能更佳。
核心特性与技术原理
2-gram分词技术
pg_bigm的核心是2-gram分词算法,其工作原理如下:
- 对文本进行预处理,在开头和结尾添加空格
- 将文本按2个字符为单位进行切分
- 例如"数据库"会被切分为:" 数"、"数据"、"据库"、"库 "
这种分词方式特别适合处理没有明显分隔符的亚洲语言文本,相比基于空格的西方语言分词方法,2-gram能更准确地捕捉亚洲语言的语义特征。
与pg_trgm的对比
特性 | pg_trgm (3-gram) | pg_bigm (2-gram) |
---|---|---|
分词方式 | 三元语法 | 二元语法 |
支持的索引类型 | GIN/GiST | 仅GIN |
支持的操作符 | LIKE/ILIKE/~/~* | 仅LIKE |
亚洲语言支持 | 有限支持 | 完整支持 |
短关键词搜索性能 | 较差 | 优秀 |
相似度搜索 | 支持 | 支持(1.1+) |
最大索引列大小 | ~228MB | ~102MB |
安装与配置指南
环境要求
pg_bigm支持以下环境:
- 操作系统:Linux、Mac OS X
- PostgreSQL版本:9.1及以上
安装步骤
-
编译安装PostgreSQL(如已安装可跳过)
tar zxf postgresql-X.Y.Z.tar.gz cd postgresql-X.Y.Z ./configure --prefix=/opt/pgsql-X.Y.Z make sudo make install
-
安装pg_bigm模块
tar zxf pg_bigm-x.y-YYYYMMDD.tar.gz cd pg_bigm-x.y-YYYYMMDD make USE_PGXS=1 PG_CONFIG=/opt/pgsql-X.Y.Z/bin/pg_config sudo make USE_PGXS=1 PG_CONFIG=/opt/pgsql-X.Y.Z/bin/pg_config install
-
数据库配置
- 修改postgresql.conf:
shared_preload_libraries = 'pg_bigm'
- 对于PostgreSQL 9.1还需添加:
custom_variable_classes = 'pg_bigm'
- 修改postgresql.conf:
-
创建扩展
CREATE EXTENSION pg_bigm;
实际应用示例
全文检索实现
-
创建测试表并插入数据
CREATE TABLE products (name text, description text); INSERT INTO products VALUES ('智能手机', '高性能智能手机,配备最新处理器'), ('笔记本电脑', '轻薄笔记本电脑,超长续航');
-
创建GIN索引
CREATE INDEX products_idx ON products USING gin (description gin_bigm_ops);
-
执行全文检索
SELECT * FROM products WHERE description LIKE '%笔记本%';
相似度搜索
pg_bigm提供了相似度搜索功能,可用于模糊匹配:
-- 设置相似度阈值
SET pg_bigm.similarity_limit TO 0.3;
-- 执行相似度搜索
SELECT name FROM products WHERE name =% '智能';
核心函数解析
likequery函数
将普通搜索字符串转换为LIKE操作符可识别的模式:
SELECT likequery('数据库性能');
-- 返回:%数据库性能%
show_bigm函数
显示字符串的2-gram分词结果:
SELECT show_bigm('全文检索');
-- 返回:{" 全","全文","文检","检索","索 "}
bigm_similarity函数
计算两个字符串的相似度(0-1):
SELECT bigm_similarity('数据库', '数据仓库');
-- 返回:0.4
性能调优参数
-
pg_bigm.enable_recheck
- 控制是否执行结果复核
- 生产环境应保持开启(默认on)
-
pg_bigm.gin_key_limit
- 限制用于索引搜索的2-gram数量
- 默认0(使用全部),可优化长文本搜索性能
-
pg_bigm.similarity_limit
- 设置相似度搜索的阈值(0-1)
- 默认0.3,值越大匹配越严格
注意事项
-
索引列大小限制
- 最大支持约102MB的列建立索引
- 超出限制会导致内存错误
-
与pg_trgm共存
- 1.1+版本可共存,1.0版本不可共存
-
大小写敏感
- 与pg_trgm不同,bigm_similarity区分大小写
适用场景推荐
pg_bigm特别适合以下应用场景:
- 亚洲语言(中日韩)的全文检索
- 短关键词搜索(1-2个字符)
- 需要高精度匹配的文本搜索
- 模糊搜索和相似度匹配需求
对于需要处理更大文本(>102MB)或需要GiST索引的场景,可考虑结合使用pg_trgm模块。
通过合理配置和使用pg_bigm,可以显著提升PostgreSQL在亚洲语言环境下的文本搜索体验和性能表现。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
1 freeCodeCamp猫照片应用教程中的HTML注释测试问题分析2 freeCodeCamp全栈开发课程中测验游戏项目的参数顺序问题解析3 freeCodeCamp英语课程填空题提示缺失问题分析4 freeCodeCamp音乐播放器项目中的函数调用问题解析5 freeCodeCamp论坛排行榜项目中的错误日志规范要求6 freeCodeCamp 课程中关于角色与职责描述的语法优化建议 7 freeCodeCamp全栈开发课程中React组件导出方式的衔接问题分析8 freeCodeCamp Cafe Menu项目中link元素的void特性解析9 freeCodeCamp全栈开发课程中React实验项目的分类修正10 freeCodeCamp英语课程视频测验选项与提示不匹配问题分析
最新内容推荐
OMNeT++中文使用手册:网络仿真的终极指南与实用教程 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PADS元器件位号居中脚本:提升PCB设计效率的自动化利器 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 Python Django图书借阅管理系统:高效智能的图书馆管理解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 WebVideoDownloader:高效网页视频抓取工具全面使用指南 ReportMachine.v7.0D5-XE10:Delphi报表生成利器深度解析与实战指南 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
858
511

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
258
298

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
22
5