텍스트 검색 최적화: phraseto_tsquery
LIKE ‘%검색어%’의 한계
검색 기능을 WHERE content LIKE '%키워드%'로 만들어 두면 처음엔 잘 돌아갑니다. 그런데 데이터가 늘면 인덱스를 못 타서 느려지고, “단어 순서”나 “어절” 같은 건 신경 쓸 수도 없습니다. PostgreSQL은 이런 상황을 위해 전문 검색(Full Text Search) 기능을 내장하고 있는데, 그 핵심이 tsvector와 tsquery입니다.
이번 글에선 그중에서도 단어의 순서와 인접성까지 따지는 phraseto_tsquery를 정리해보려 합니다.
tsvector와 tsquery 기본
tsvector: 문서를 검색 가능한 토큰(어휘소)들의 집합으로 변환한 것.tsquery: 검색 조건을 표현한 것.@@연산자로 둘을 매칭합니다.
flowchart LR
D["문서<br/>'The quick brown fox'"] -->|to_tsvector| V["tsvector<br/>'brown':3 'fox':4 'quick':2"]
S["검색어<br/>'quick brown'"] -->|phraseto_tsquery| Q["tsquery<br/>'quick' <-> 'brown'"]
V --> M@@ 매칭
Q --> M
M --> R["순서·인접 일치 시 true"]
1
2
SELECT to_tsvector('english', 'The quick brown fox')
@@ to_tsquery('english', 'quick & fox'); -- true
문자열을 tsquery로 만드는 4가지 함수
사용자 입력을 tsquery로 바꿔주는 함수가 여러 개인데, 동작이 미묘하게 다릅니다.
| 함수 | 동작 | 예: quick brown |
|---|---|---|
to_tsquery | 연산자를 직접 써야 함 | 'quick & brown' (직접 입력) |
plainto_tsquery | 단어들을 모두 AND | quick & brown |
phraseto_tsquery | 단어 순서·인접성까지 매칭 | quick <-> brown |
websearch_to_tsquery | 구글식 문법("...", or, -) | 따옴표로 구문 검색 |
여기서 phraseto_tsquery가 만들어내는 <->가 핵심입니다. 이건 “바로 다음에 나오는 단어” 를 뜻하는 거리 연산자예요.
phraseto_tsquery가 빛나는 순간
“quick brown”이라는 구문 그대로 검색하고 싶다고 합시다.
1
2
3
4
5
6
7
8
9
10
-- plainto: 두 단어가 순서/인접성 상관없이 모두 있으면 매칭
SELECT to_tsvector('english', 'brown and quick fox')
@@ plainto_tsquery('english', 'quick brown'); -- true
-- phraseto: "quick 다음에 brown"이 붙어 있어야 매칭
SELECT to_tsvector('english', 'brown and quick fox')
@@ phraseto_tsquery('english', 'quick brown'); -- false
SELECT to_tsvector('english', 'a quick brown fox')
@@ phraseto_tsquery('english', 'quick brown'); -- true
즉, 단어가 다 들어 있기만 하면 되는 게 아니라 순서대로 인접해 있어야 통과합니다. 제목이나 정확한 문구를 찾을 때 오탐(false positive)을 크게 줄여줍니다.
GIN 인덱스로 빠르게
전문 검색의 진짜 장점은 인덱스입니다. tsvector 컬럼에 GIN 인덱스를 걸면 대량 문서에서도 빠르게 검색됩니다.
1
2
3
4
5
6
7
8
ALTER TABLE articles ADD COLUMN tsv tsvector
GENERATED ALWAYS AS (to_tsvector('english', title || ' ' || body)) STORED;
CREATE INDEX idx_articles_tsv ON articles USING GIN (tsv);
SELECT id, title
FROM articles
WHERE tsv @@ phraseto_tsquery('english', 'distributed system');
GENERATED ... STORED로 만들어두면 본문이 바뀔 때 tsvector가 자동 갱신돼서 관리가 편합니다.
한국어는 한 가지 주의
기본 제공 설정(english 등)은 영어 형태소 기반이라, 한국어를 그대로 넣으면 형태소 분석이 제대로 안 됩니다. 한국어 전문 검색은 보통 simple 설정으로 단순 토큰화하거나, pg_bigm / 형태소 분석기 연동 같은 별도 작업이 필요합니다. 한국어 검색 품질이 중요하다면 이 부분은 따로 검토해야 합니다.
정리
- 단순 포함은
plainto_tsquery, 구문(순서+인접) 검색은phraseto_tsquery. phraseto_tsquery의<->(FOLLOWED BY) 덕분에 정확한 문구 검색의 오탐이 줄어듭니다.- 실서비스라면
tsvector컬럼 + GIN 인덱스는 거의 필수. - 한국어는 기본 설정으로 한계가 있으니 별도 구성을 고려하세요.