Les index RUM dans AlloyDB pour PostgreSQL vous permettent d'accélérer les requêtes de recherche en texte intégral en stockant des informations de position et d'attributs avec les lexèmes dans l'index.
Vous pouvez activer l'extension rum pour créer des index RUM et optimiser le classement par pertinence, les recherches d'expressions et le tri basé sur l'horodatage.
Avant de commencer
Pour créer l'extension RUM, vous devez disposer du rôle de base de données alloydbsuperuser.
Le rôle IAM (Identity and Access Management) d'administrateur AlloyDB (roles/alloydb.admin) accorde un contrôle total sur les ressources AlloyDB, mais pas le rôle de base de données alloydbsuperuser. Pour créer l'extension, un administrateur doit vous accorder explicitement le rôle de base de données alloydbsuperuser.
Pour en savoir plus sur l'attribution de rôles, consultez Ajouter un utilisateur ou un compte de service IAM à un cluster.
Créer l'extension RUM
Vous devez créer l'extension RUM une fois par base de données.
- Connectez-vous à votre base de données AlloyDB à l'aide de
psqlou d'un autre client. Pour en savoir plus, consultez Se connecter à une instance de cluster. Exécutez la commande SQL suivante pour créer l'extension :
CREATE EXTENSION IF NOT EXISTS rum;
Créer un index RUM
Pour optimiser les requêtes de recherche en texte intégral, créez un index RUM sur vos données. RUM propose plusieurs classes d'opérateurs pour différents cas d'utilisation.
Types de classes d'opérateurs RUM
Le tableau suivant récapitule les différentes classes d'opérateurs RUM et leurs principaux cas d'utilisation.
| Classe d'opérateur | Cas d'utilisation principal | Limites |
|---|---|---|
rum_tsvector_ops |
Recherche en texte intégral standard avec classement et recherche d'expressions. | N/A |
rum_tsvector_hash_ops |
Index plus petit et mises à jour plus rapides pour la recherche en texte intégral. | Ne prend pas en charge la recherche par préfixe. |
rum_tsvector_addon_ops |
Recherche en texte intégral triée par une autre colonne. | N/A |
rum_anyarray_ops |
Recherche dans les colonnes de tableau. | N/A |
rum_<TYPE>_ops |
Indexation des types scalaires pour les requêtes basées sur la distance. | N/A |
rum_tsvector_hash_addon_ops |
Recherche en texte intégral basée sur le hachage, triée par une autre colonne. | Incompatible avec la correspondance de préfixe. |
rum_tsquery_ops |
Indexation des valeurs tsquery stockées pour la recherche inversée. |
N/A |
rum_anyarray_addon_ops |
Recherche dans un tableau trié par une autre colonne. | N/A |
Index pour la recherche en texte intégral de base
Utilisez la classe d'opérateur rum_tsvector_ops pour la recherche de texte standard qui nécessite des fonctionnalités de classement rapide et de recherche d'expressions. Cette classe d'opérateurs stocke la position de chaque lexème dans l'index. L'exemple suivant crée une table nommée documents avec une colonne content.
Créez une table nommée
documents:sql CREATE TABLE documents ( id SERIAL PRIMARY KEY, title TEXT NOT NULL, content TEXT NOT NULL, published_at TIMESTAMP WITH TIME ZONE DEFAULT NOW() );Insérez des exemples de données dans la table
documents:INSERT INTO documents (title, content) VALUES ('Title', 'This search engine is working as intended');Ajoutez une colonne
tsvectorgénérée à votre table. Cette colonne stocke automatiquement le texte traité et améliore les performances des requêtes :ALTER TABLE documents ADD COLUMN search_vector tsvector GENERATED ALWAYS AS (to_tsvector('english', content)) STORED;Créez l'index RUM sur la nouvelle colonne
search_vector:CREATE INDEX idx_docs_rum ON documents USING rum (search_vector rum_tsvector_ops);Interrogez la table à l'aide de l'index. L'opérateur
<=>calcule le score de pertinence, ou la distance, entre le document et la requête directement à partir de l'index, ce qui permet un tri rapide :SELECT title, content FROM documents WHERE search_vector @@ to_tsquery('english', 'search <-> engine') ORDER BY search_vector <=> to_tsquery('english', 'search <-> engine');Remplissez la table
documentsavec d'autres données :INSERT INTO documents (title, content) VALUES ('Title1', 'English is my primary language.'); INSERT INTO documents (title, content) VALUES ('Title2', 'Google has a great engineering culture');Exécutez une requête de recherche par préfixe. Cette requête permet de trouver les documents contenant des mots commençant par
eng, tels queengineerouenglish:SELECT title, content FROM documents WHERE search_vector @@ to_tsquery('english', 'eng:*');
Index pour la recherche par hachage optimisée
Utilisez la classe d'opérateur rum_tsvector_hash_ops pour réduire la taille de l'index et améliorer la vitesse de mise à jour. Cette classe stocke un hachage de chaque lexème au lieu du lexème complet. Cette approche permet d'obtenir un index plus petit, mais n'est pas compatible avec la recherche par préfixe. L'exemple suivant suppose que vous disposez d'une table nommée documents avec une colonne search_vector.
Créez l'index RUM à l'aide de la classe d'opérateur de hachage :
CREATE INDEX idx_docs_rum_hash ON documents USING rum (search_vector rum_tsvector_hash_ops);Remplissez la table
documentsavec d'autres données :INSERT INTO documents (title, content) VALUES ('Title3', 'That person was driving incredibly fast, however the routing was not very efficient');Exécutez une requête de correspondance standard :
SELECT * FROM documents WHERE search_vector @@ to_tsquery('english', 'fast & efficient');
Index pour la recherche trié par code temporel
Utilisez la classe d'opérateur rum_tsvector_addon_ops pour optimiser les requêtes qui filtrent par texte et trient par un autre champ, tel qu'un code temporel. Ce modèle stocke la valeur du champ supplémentaire directement dans l'index, ce qui évite une opération de tri lente après la recherche. L'exemple suivant suppose que vous disposez d'une table nommée documents avec une colonne search_vector et une colonne published_at.
Créez un index incluant le code temporel
published_at:CREATE INDEX idx_docs_rum_timestamp ON documents USING rum (search_vector rum_tsvector_addon_ops, published_at) WITH (attach = 'published_at', to = 'search_vector');Exécutez une requête qui recherche les documents contenant le mot
engineet les trie par date de publication. L'index gère efficacement la recherche et le tri :SELECT title, published_at FROM documents WHERE search_vector @@ to_tsquery('english', 'engine') ORDER BY published_at DESC;
Index pour la recherche dans un tableau
Utilisez la classe d'opérateur rum_anyarray_ops pour indexer les colonnes de tableau, telles qu'une liste de tags. Cela vous permet d'interroger efficacement les tableaux qui se chevauchent (&&), qui contiennent (@>) ou qui sont contenus par (<@) d'autres tableaux. L'exemple suivant ajoute une colonne tags à la table documents.
Ajoutez une colonne
tagset remplissez-la avec des données :ALTER TABLE documents ADD COLUMN tags TEXT[]; INSERT INTO documents (title, content, tags) VALUES ( 'Title4', 'Sample Text', ARRAY['ai', 'ml'] );Créez l'index RUM sur une colonne
TEXT[]nomméetags:CREATE INDEX idx_tags_rum ON documents USING rum (tags rum_anyarray_ops);Exécutez une requête pour trouver les documents dont les tags contiennent
aiouml:SELECT * FROM documents WHERE tags && '{"ai", "ml"}';
Index des types scalaires
Utilisez les classes d'opérateurs rum_<TYPE>_ops pour indexer les colonnes contenant des valeurs continues, telles que des entiers, des codes temporels ou des nombres à virgule flottante. Ces classes d'opérateurs vous permettent d'utiliser l'opérateur <=> pour calculer efficacement la distance entre les valeurs. L'exemple suivant suppose que vous disposez d'une table nommée documents.
Ajoutez une colonne d'entiers générique, telle que
rating, à la tabledocuments:ALTER TABLE documents ADD COLUMN rating INT; UPDATE documents SET rating = floor(random() * 5 + 1);Créez un index RUM sur la colonne
rating:CREATE INDEX idx_rating_rum ON documents USING rum (rating rum_int4_ops);Exécutez une requête pour trouver les documents dont la valeur
ratingest la plus proche de 5 :SELECT title, rating FROM documents ORDER BY rating <=> 5;
Index pour la recherche par hachage optimisée, trié par code temporel
Utilisez la classe d'opérateur rum_tsvector_hash_addon_ops pour combiner les avantages d'un index de hachage avec les capacités de tri d'un index complémentaire. Cette classe stocke un hachage de chaque lexème ainsi que la valeur d'une colonne supplémentaire. Cette configuration permet un tri efficace par colonne supplémentaire, mais n'est pas compatible avec la correspondance de préfixe. L'exemple suivant suppose que vous disposez d'une table nommée documents avec une colonne search_vector et une colonne de code temporel published_at.
Créez un index RUM qui utilise la classe d'opérateur de hachage et inclut le code temporel
published_at:CREATE INDEX idx_docs_rum_hash_timestamp ON documents USING rum (search_vector rum_tsvector_hash_addon_ops, published_at) WITH (attach = 'published_at', to = 'search_vector');Exécutez une requête qui recherche les documents contenant
engineet les trie par date de publication :SELECT title, published_at FROM documents WHERE search_vector @@ to_tsquery('english', 'engine') ORDER BY published_at DESC;
Index des requêtes stockées
Utilisez la classe d'opérateur rum_tsquery_ops pour indexer les valeurs tsquery. Cela vous permet d'effectuer une "recherche inversée", en identifiant les requêtes stockées qui correspondent à un document d'entrée donné. L'exemple suivant crée une table nommée queries.
Créez une table pour stocker les requêtes :
sql CREATE TABLE queries ( query_text tsquery ); INSERT INTO queries (query_text) VALUES (plainto_tsquery('AlloyDB is fast!'));Créez un index RUM sur la colonne
query_text:CREATE INDEX idx_queries_rum ON queries USING rum (query_text rum_tsquery_ops);Exécutez une requête pour trouver les requêtes stockées qui correspondent à un document :
SELECT * FROM queries WHERE to_tsvector('english', 'AlloyDB is fast') @@ query_text;
Index pour la recherche de tableaux triés par code temporel
Utilisez la classe d'opérateurs rum_anyarray_addon_ops pour indexer les colonnes de tableau ainsi qu'une colonne supplémentaire pour le tri. L'exemple suivant suppose que vous disposez d'une table nommée documents avec une colonne tags et une colonne de code temporel published_at.
Créez un index RUM sur la colonne
tagsqui inclut le code temporelpublished_at:CREATE INDEX idx_tags_rum_timestamp ON documents USING rum (tags rum_anyarray_addon_ops, published_at) WITH (attach = 'published_at', to = 'tags');Exécutez une requête pour rechercher les documents associés au tag
ai, triés par date de publication :SELECT title, published_at FROM documents WHERE tags @> '{"ai"}' ORDER BY published_at DESC;
Étapes suivantes
- En savoir plus sur la recherche en texte intégral
- Découvrez comment exécuter une recherche hybride de similarité vectorielle.