pg_bigm 是 AI 原生数据库管理平台在 PostgreSQL 引擎中提供的一款插件，该插件提供了全文本搜索能力，允许创建一个二元语法（2-gram）的 GIN 索引来加速搜索过程。

注意事项

创建与删除插件

使用

创建索引

执行全文本搜索

在这个示例中，通过 LIKE 执行全文搜索匹配，命中关键词 “Python 编程” 的结果将被返回。

使用 =% 操作符执行相似性搜索

=% 操作符用于计算两个字符串之间的相似度，返回一个浮点数，值越接近 1 表示相似度越高。

插件常用函数

pg_bigm 插件常用的函数有 likequery、show_bigm、bigm_similarity 和 pg_gin_pending_stats。这些函数的基本信息如下：

函数	功能	参数	返回值	实现原理
likequery	生成可以被 LIKE 关键字识别的字符串。	1 个请求参数，类型为字符串。	可以被 LIKE 关键字识别的搜索字符串。	在关键词前后添加 % 符号。使用 \ 来自动转义符号 %。
show_bigm	返回给定字符串的所有 2-gram 元素的集合。	1 个请求参数，类型为字符串。	数组，包含所有的 2-gram 元素。	在字符串前后添加空格字符。计算所有的 2-gram 子串。
bigm_similarity	计算两个字符串的相似度。	2 个请求参数，类型都为字符串。	表示相似度的浮点数。	统计两个字符串共有的 2-gram 元素。相似度范围是 [0, 1]，0 代表两个字符串完全不一样，1 代表两个字符串一样。说明由于计算 2-gram 时，会在字符串前后添加空格，于是 ABC 和 B 的相似度为 0，ABC 和 A 的相似度为 0.25。 bigm_similarity 函数是大小写敏感的，例如 ABC 和 abc 的相似度为 0。
pg_gin_pending_stats	返回 GIN 索引的 pending list 中页面和元组的个数。	1 个，GIN 索引的名字或者 OID。	2 个，pending list 中页面的数量和元组的数量。	如果 GIN 索引创建时，指定参数 FASTUPDATE 为 False，则该 GIN 索引不存在 pending list，返回结果为 0。

常用函数使用示例

testdb=> SELECT * FROM pg_gin_pending_stats('idx_books_title');
pages | tuples
-------+--------
0 | 0
(1 row)

插件参数

参数	类型	默认值	取值范围	描述
pg_bigm.last_update	String	无	只读参数，无法修改。	该插件的最后更新日期。
pg_bigm.enable_recheck	Boolean	on	on，off	决定是否进行 recheck（是全文搜索的内部过程）。从全文搜索索引中检索结果候选。从候选中选择正确的搜索结果。这里的后面的过程称为重新检查。从全文搜索索引中检索到的结果候选可能包含错误的结果。重新检查过程会删除这些错误的结果。说明建议您保持默认值（on）以保证结果正确性。
pg_bigm.gin_key_limit	Integer	0	0 ~ 2147483647	限制用于全文本搜索的 2-gram 元素的最大个数。默认值 0 表示使用所有的 2-gram 元素。如果发现使用所有的 2-gram 元素导致性能下降，可以调整该参数值，限制 2-gram 元素的个数来提高性能。
pg_bigm.similarity_limit	Real	0.3	0~1	设置相似度阈值，相似度超过这个阈值的元组会做为相似性搜索的结果。

部分参数的使用示例如下：

testdb=> SHOW pg_bigm.last_update;
pg_bigm.last_update
---------------------
2024.06.06
(1 row)

其他

pg_trgm 是使用 3-gram 的模型来实现全文本搜索。pg_bigm 插件是在基于 pg_trgm 进行的再次开发。pg_bigm 与 pg_trgm 两者的区别如下：