Category: Search Engine

在 PostgreSQL 的 news 頁上看到「PGroonga 3.0.0 - Multilingual fast full text search」，想到一直沒有測過 PGroonga，就找台機器測了一下。

PGroonga 是以 Groonga 為引擎提供 PostgreSQL 全文搜尋能力的套件，是個能支援 CJK 語系的全文搜尋套件。

可以先看一下支援的 column type 與對應的語法：「Reference manual | PGroonga」，可以發現基本的 text、text[] 與 varchar、varchar[] 都有支援，比較特別的是有 jsonb，看起來是對裡面的 text 欄位搜尋。

另外一個比較特別的是他會去配合 LIKE '%something%' 這樣的語法，對於無法修改的既有程式也會有幫助。

缺點方面，官方有提到產生出來的 index 會比其他的套件大，但畢竟我們在的環境要支援 CJK，場上的選手已經不多了。

另外一個缺點是目前 AWS 的 RDS 與 GCP 的 Cloud SQL 看起來都沒支援，要用的話得自己架 & 自己管，也許可以考慮用老方法，replication 接出來？

接下來就是安裝測試了，我在 x86-64 上的 Ubuntu 22.04 上面測試，就照著「Install on Ubuntu | PGroonga」這頁裡面的「How to install for system PostgreSQL」這段就可以了，裝系統的 PostgreSQL 14 以及 postgresql-14-pgroonga，之後要用 PostgreSQL 官方的新版的話可以參考「How to install for the official PostgreSQL」這段的安裝。

後續再到「Tutorial | PGroonga」頁，針對要搜尋的欄位下 index (這邊裱格式 memos，欄位是 content)：

CREATE INDEX ON memos USING pgroonga (content);

官方的教學文件裡是用 SET enable_seqscan = off; 關閉 sequence scan，可以用 EXPLAIN 看到使用了 index：

test=# SELECT * FROM memos WHERE content &@ 'engine';
 id |                                content                                 
----+------------------------------------------------------------------------
  2 | Groonga is a fast full text search engine that supports all languages.
(1 row)

test=# EXPLAIN SELECT * FROM memos WHERE content &@ 'engine';
                                   QUERY PLAN                                    
---------------------------------------------------------------------------------
 Index Scan using memos_content_idx on memos  (cost=0.00..43.18 rows=1 width=36)
   Index Cond: (content &@ 'engine'::text)
(2 rows)

先拔掉 index：

test=# DROP INDEX pgroonga_content_index;
DROP INDEX

接著要塞資料，這邊拿 CQD 生的「中文假文產生器」來用，有 API 可以接比較方便。

test=# SELECT COUNT(*) FROM memos;
 count  
--------
 100000
(1 row)

Time: 15.495 ms

接著多跑幾次測試直接用 LIKE '%台北%' 去找，可以看到大概都在 150ms 以上：

test=# SELECT COUNT(*) FROM memos WHERE content LIKE '%台北%';
 count 
-------
   710
(1 row)

Time: 178.784 ms

接著來建立 index：

test=# CREATE INDEX ON memos USING pgroonga (content);
CREATE INDEX
Time: 17638.124 ms (00:17.638)

再跑幾次同樣的 query，可以看到巨大的改善：

test=# SELECT COUNT(*) FROM memos WHERE content LIKE '%台北%';
 count 
-------
   710
(1 row)

Time: 9.876 ms