pg_bm25 - Extensión de búsqueda Full-Text para Postgres con calidad a nivel de Elastic

• Mejora la búsqueda de texto completo con una extensión de Postgres basada en Rust
• Basada en el algoritmo BM25 que usan los motores de búsqueda modernos (calcula la puntuación de relevancia de los resultados)
• La búsqueda actual de Postgres basada en tsvector tiene dos problemas
  • Rendimiento: la búsqueda es lenta en tablas grandes
  • Funcionalidad: no soporta búsqueda difusa, ajuste de relevancia ni puntuaciones de relevancia BM25
• El objetivo es cerrar la brecha entre las funciones de búsqueda de Postgres y ElasticSearch, para que no sea necesario incorporar un servicio como ElasticSearch al stack de datos
• Funcionalidades de pg_bm25
  • 100% nativo de Postgres. Sin dependencias externas
  • Basado en Tantivy, una alternativa a Apache Lucene escrita en Rust
  • 20 veces más rápido que tsquery/ts_rank, las funciones de búsqueda/ordenamiento predeterminadas de Postgres, con más de 1 millón de filas
  • Soporta búsqueda difusa, agregaciones, resaltado y ajuste de relevancia
  • Puntuación de relevancia con el algoritmo BM25 que usa ElasticSearch
  • Búsqueda en tiempo real: los datos nuevos se pueden buscar de inmediato sin reindexación manual

[secret3056]

Parece que por ahora solo soporta inglés, y en la documentación dicen que el tokenizador chinese_compatible está en desarrollo.
Además, el tamaño de la imagen de Docker es bastante grande. Casi 8 GB; considerando que la imagen oficial de Postgres no llega ni a 400 MB, uno se pregunta qué diablos le metieron encima...

[cosine20]

Está bueno...!

[wnswl]

Ojalá pronto lo admitan en DBMS administrados como RDS.