PostgreSQL内置的全文搜索功能通过tsvector和tsquery实现文本匹配，而结果集的排序通常依赖ts_rank或ts_rank_cd两个函数。二者都用于计算文档与查询的相关度得分，但底层算法存在差异，直接影响了搜索结果的实际体验。很多团队在搭建站内搜索时随意选用，导致排序效果不符合预期。
一、ts_rank的基本原理与用法
ts_rank函数基于词频和权重来估算相关度。它统计查询中每个词项在文档tsvector里出现的次数，并结合词项所在的权重类别（如A、B、C、D）进行加权求和。函数签名支持传入排序参数，例如{ 'n', 'l', 'w' }，分别控制是否归一化、是否考虑长度、是否使用权重。
在没有指定额外覆盖密度逻辑的情况下，ts_rank更偏向于“命中次数多”的文档。如果一个长文档反复出现关键词，即便内容松散，分数也可能高于短小精悍的答案。下面是一段基础用法示例：
SELECT id, title, body,
ts_rank(to_tsvector('zhcfg', body), to_tsquery('zhcfg', '数据库 & 优化')) AS rank
FROM articles
WHERE to_tsvector('zhcfg', body) @@ to_tsquery('zhcfg', '数据库 & 优化')
ORDER BY rank DESC
LIMIT 10;
上述代码中，zhcfg为自定义中文分词配置。ts_rank默认归一化方式为除以文档长度，避免长文天然占优，但仍无法识别词项之间的距离。因此在多关键词场景下，它容易把关键词堆砌型内容排到前面。
从优缺点来看，ts_rank计算轻量、易于理解，适合单关键词或模糊匹配场景；但在复杂查询中，它缺乏语义紧凑度感知，可能降低搜索精准度。
二、ts_rank_cd的覆盖密度算法
ts_rank_cd在ts_rank基础上引入了“覆盖密度”（cover density）概念。它会寻找一个最短的文档片段，能够覆盖查询中的所有词项，并根据该片段的长度、词项出现频率计算得分。词项越集中、距离越近，覆盖密度越高，分数也越高。
这种机制使得ts_rank_cd特别擅长处理多词查询。例如用户搜索“索引 慢查询 修复”，ts_rank_cd会偏好那段同时紧挨着出现这三个词的段落，而不是通篇零散提及的文章。以下示例展示其调用方式：
SELECT id, title, body,
ts_rank_cd(to_tsvector('zhcfg', body), to_tsquery('zhcfg', '索引 & 慢查询 & 修复')) AS rank_cd
FROM articles
WHERE to_tsvector('zhcfg', body) @@ to_tsquery('zhcfg', '索引 & 慢查询 & 修复')
ORDER BY rank_cd DESC
LIMIT 10;
代码中ts_rank_cd同样接受归一化选项，但核心逻辑围绕“最小覆盖窗口”展开。实现上，它会在词位位置上做滑动窗口计算，因此CPU开销比ts_rank略高，但在相关度质量上通常更优。
需要注意的是，如果查询只含一个词项，覆盖密度退化为词频统计，此时ts_rank_cd与ts_rank差异很小。只有在多词布尔查询或短语倾向搜索里，二者的排序分歧才会明显表现出来。
三、实际对比与选型建议
我们通过一组简化数据观察差异。假设有两篇文档，文档一在相邻句子中出现“缓存 击穿 解决”，文档二在开头、中间、结尾分别提及这三个词。使用ts_rank时，文档二因总长度大、总词频高可能胜出；使用ts_rank_cd时，文档一因覆盖密度高而排前。
| 文档 | ts_rank得分 | ts_rank_cd得分 | 优先排序 |
|---|---|---|---|
| 文档一（词集中） | 0.31 | 0.58 | ts_rank_cd排前 |
| 文档二（词分散） | 0.42 | 0.36 | ts_rank排前 |
从表中可见，当业务强调“找得到答案段落”而非“命中次数”时，ts_rank_cd更符合直觉。论坛问答、技术文档检索建议默认采用ts_rank_cd；而新闻分类、标签聚合等只需统计命中的场景，ts_rank足够且更快。
另外，两者都可通过归一化参数削弱长文档偏见，但无法替代人工调权。若需结合发布时间、点击量，可在ORDER BY中组合计算，例如ORDER BY (ts_rank_cd(...) * 1.0 + log(views) * 0.1) DESC，从而兼顾相关度与热度。
四、常见误区与注意事项
一个典型误区是认为ts_rank_cd一定比ts_rank好。实际上在单关键词搜索或已使用严格短语查询（<-> 操作符）时，额外覆盖密度计算反而增加耗时却无收益。另一个误区是忽略分词配置：无论用哪个函数，to_tsvector与to_tsquery必须使用同一配置，否则词项无法对齐，得分全为零。
在中文环境下，若未正确配置zhcfg之类的字典，词语被切错，ts_rank_cd的覆盖窗口会计算错位，导致排序混乱。因此上线前应使用真实语料验证分词与排序组合，而非仅依赖英文示例。
相关度排序不是纯算法问题，而是产品体验问题。先明确用户搜什么、怎么搜，再决定用ts_rank还是ts_rank_cd。
综上所述，ts_rank与ts_rank_cd的核心分野在于是否考量词项空间分布。理解这一区别，才能把PostgreSQL全文搜索的潜力真正释放出来。
PostgreSQLfull_text_searchts_rank修改时间：2026-08-01 03:21:35