F.30.1. Trigram(또는 Trigraph) 개념

트라이그램은 연속된 세 문자의 그룹입니다. 문자열에서. 두 문자열의 유사성을 다음과 같이 측정할 수 있습니다. 그들이 공유하는 트라이그램의 수를 세어보세요. 이 간단한 아이디어 유사성을 측정하는 데 매우 효과적인 것으로 나타났습니다. 많은 자연어로 된 단어.

F.30.2. 함수 및 연산자

다음에서 제공하는 기능pg_trgm모듈은 다음에 표시됩니다.표 F-24, 연산자 안에표 F-25.

F.30.3. 인덱스 지원

그pg_trgm모듈은 GiST를 제공합니다 및 GIN 인덱스 연산자 클래스를 생성할 수 있습니다. 매우 빠른 작업을 위해 텍스트 열에 대한 색인을 생성합니다. 유사성 검색. 이러한 인덱스 유형은 다음을 지원합니다. 위에서 설명한 유사성 연산자 및 추가 지원 트라이그램 기반 인덱스 검색:좋아요그리고좋아요쿼리. (이 인덱스는 같음이나 단순 비교 연산자를 지원하지 않으므로 일반 B-트리 인덱스도 필요할 수 있습니다.)

예:

CREATE TABLE test_trgm (t 텍스트);
gist를 사용하여 test_trgm에서 trgm_idx 인덱스 생성(t gist_trgm_ops);

또는

gin을 사용하여 test_trgm에서 trgm_idx 인덱스 생성(t gin_trgm_ops);

이 시점에서 당신은 다음에 대한 색인을 갖게 될 것입니다.t유사성을 위해 사용할 수 있는 열 수색. 일반적인 쿼리는 다음과 같습니다.

SELECT t, 유사성(t, '단어') AS sml
  test_trgm에서
  어디에서 % '단어'
  sml DESC로 주문, t;

이것은 텍스트 열의 모든 값을 반환합니다. 충분히 유사단어, 가장 잘 일치하는 것부터 가장 나쁜 것까지 정렬되었습니다. 인덱스는 다음을 수행하는 데 사용됩니다. 이는 매우 큰 데이터 세트에서도 빠른 작업입니다.

위 쿼리의 변형은 다음과 같습니다.

SELECT t, t <- '단어' AS 거리
  test_trgm에서
  거리 제한 10으로 주문;

이것은 GiST 색인으로 매우 효율적으로 구현될 수 있습니다. 그러나 GIN 인덱스로는 그렇지 않습니다. 일반적으로 첫 번째를 이길 것입니다 소수의 가장 가까운 일치 항목만 있을 때 공식화 원했습니다.

시작윈 토토9.1, 이러한 색인 유형은 다음에 대한 색인 검색도 지원합니다.좋아요그리고좋아요, 예를 들어

SELECT * FROM test_trgm WHERE t LIKE '%foo%bar';

색인 검색은 다음에서 트라이그램을 추출하여 작동합니다. 문자열을 검색한 다음 색인에서 검색합니다. 더 검색 문자열에 트라이그램이 있을수록 색인이 더 효과적입니다. 검색은. B-트리 기반 검색과 달리 검색 문자열은 다음과 같습니다. 왼쪽에 고정되지 마십시오.

GiST와 GIN 인덱싱 사이의 선택은 다음에 따라 다릅니다. GiST와 GIN의 상대적인 성능 특성은 다음과 같습니다. 다른 곳에서 논의되었습니다. 경험상 GIN 지수가 더 빠릅니다. GiST 인덱스보다 검색하지만 구축 또는 업데이트 속도가 느립니다. 그래서 GIN은 정적 데이터에 더 적합하고 GiST는 자주 업데이트되는 데이터에 더 적합합니다. 데이터.

F.30.4. 텍스트 검색 통합

트라이그램 매칭은 다음에서 사용될 때 매우 유용한 도구입니다. 전체 텍스트 색인과 결합됩니다. 특히 도움이 될 수 있습니다 일치하지 않는 철자가 틀린 입력 단어를 인식합니다. 전체 텍스트 검색 메커니즘을 통해 직접적으로.

첫 번째 단계는 다음을 포함하는 보조 테이블을 생성하는 것입니다. 문서의 모든 고유 단어:

CREATE TABLE 단어 AS SELECT 단어 FROM
        ts_stat('SELECT to_tsVector(''simple'', bodytext) FROM 문서');

어디에서문서테이블은 다음과 같습니다 텍스트 필드가 있습니다.본문우리는 윈 토토을 원합니다. 를 사용하는 이유간단한다음으로 구성to_ts벡터함수를 사용하는 대신 언어별 구성에서는 다음 목록을 원한다는 것입니다. 원래(어간 없는) 단어.

다음으로, 단어 열에 트라이그램 인덱스를 생성하십시오:

gin(word gin_trgm_ops)을 사용하여 단어에 word_idx 인덱스 생성;

이제, a선택다음과 유사한 쿼리 이전 예를 사용하여 철자를 제안할 수 있습니다. 사용자 검색어에 철자가 틀린 단어. 유용한 추가 테스트는 다음과 같습니다. 선택한 단어의 길이도 비슷하도록 요구 철자가 틀린 단어에.

F.30.5. 참고자료

GiST 개발 사이트http://www.sai.msu.su/~megera/postgres/gist/

Tsearch2 개발 사이트http://www.sai.msu.su/~megera/postgres/gist/tsearch/V2/

F.30.6. 저자

올렉 바르투노프<oleg@sai.msu.su, 모스크바, 모스크바 대학교, 러시아

테오도르 시가예프<teodor@sigaev.ru, 모스크바, Delta-Soft Ltd., 러시아

문서: 크리스토퍼 킹스-린

이 모듈은 모스크바의 Delta-Soft Ltd.가 후원합니다. 러시아 제국.