为什么全文索引需要触发器介入
PostgreSQL通过 tsvector 类型和 tsquery 类型实现全文检索，其背后的GIN或GiST索引可以有效加速 LIKE 模糊匹配和文本权重排序。然而默认情况下，索引列是单纯计算 to_tsvector('english', body) 生成的一个派生值，它只会在显式调用生成函数时更新。如果应用层频繁修改 body 字段，而忘记同步刷新对应行，那么索引会一直保留旧词条，导致搜索结果出现已经不应该存在的记录，或者漏掉新添加的关键内容。
手动维护方式通常是在应用程序代码里额外执行一次 UPDATE ... SET tsv = to_tsvector(...)，但这种做法把数据库一致性逻辑放到了业务层，一旦有多个写入入口（比如ETL任务、数据修复脚本）就很难统一覆盖。更合理的方案是将这个逻辑下沉到数据库层面，使用行级触发器在有数据插入或文本列被修改时，自动计算并写入新的 tsvector 值。这样无论什么来源的数据变更，都能保证全文索引与源字段的严格同步。
触发器方式带来的另一个好处是事务层面的原子性：索引列的变更和原始数据变更在同一个事务里完成，哪怕触发器执行失败整个插入或更新操作也会回滚，不会出现“半更新”的脏状态。对于要求搜索精度较高的场景，比如文档管理系统、文章库、客服工单查询等，这点至关重要。
创建自动维护tsvector列的完整步骤
假设我们有一张 articles 表，包含 title 和 content 两个文本字段，我们希望基于这两个字段构建全文索引。首先需要在表结构中添加一个 tsvector 类型的计算列，并为其创建GIN索引。这里注意不要使用数据库原生生成列（generated column），因为生成列在修改字段时不一定能及时刷新（取决于PostgreSQL版本和具体设定），我们选择用一个普通列由触发器来维护。
-- 创建文章表
CREATE TABLE articles (
id SERIAL PRIMARY KEY,
title TEXT NOT NULL,
content TEXT DEFAULT '',
tsv tsvector,
created_at TIMESTAMPTZ DEFAULT now(),
updated_at TIMESTAMPTZ DEFAULT now()
);
-- 为tsvector列创建GIN索引，加速全文搜索
CREATE INDEX idx_articles_tsv ON articles USING GIN(tsv);
接下来编写一个触发器函数，它会在插入或更新时合并标题与内容的文本，并用 to_tsvector 生成词条。如果要同时支持中英文，可以统一使用 'simple' 配置，或者通过 setweight 为不同字段设置权重，提高标题匹配的相关度。
CREATE OR REPLACE FUNCTION articles_tsv_trigger()
RETURNS TRIGGER AS $$
BEGIN
NEW.tsv :=
setweight(to_tsvector('english', coalesce(NEW.title, '')), 'A') ||
setweight(to_tsvector('english', coalesce(NEW.content, '')), 'B');
RETURN NEW;
END;
$$ LANGUAGE plpgsql;
最后把触发器绑定到 articles 表，监听 INSERT 和 UPDATE 事件。这里务必指定 BEFORE INSERT OR UPDATE，并且可以加入 WHEN 条件来避免不必要的触发，比如仅在文本列发生真实改变时才重新计算。如果表上有定时刷新的需求，也可以配合 UPDATE 操作本身来间接触发。
CREATE TRIGGER trg_articles_tsv
BEFORE INSERT OR UPDATE ON articles
FOR EACH ROW
WHEN (pg_trigger_depth() = 0) -- 避免级联触发造死循环（可选）
EXECUTE FUNCTION articles_tsv_trigger();
上述代码中的 pg_trigger_depth() = 0 条件并非必需，但如果在复杂的事务中其他触发器也会修改同一行，它有助于防止递归重入。测试时可以先向表内插入几条带有中文或英文内容的记录，然后用 SELECT * FROM articles WHERE tsv @@ to_tsquery('english', 'postgresql'); 验证检索结果是否正确跟随数据变化。
性能考量与实际优化策略
直接将计算嵌入行级触发器会在每次写入时追加一次 to_tsvector 的CPU开销以及更新 tsv 列的存储开销，对高并发写入场景影响较明显。实际压测时，一个简单的INSERT在触发全文索引更新后，QPS可能会下降20%到40%，这是因为GIN索引的维护成本较高，并且 to_tsvector 涉及文本分词与字典查询等操作。
为了缓解这一问题，可以考虑采用异步更新模式。例如，不在一开始就绑定触发器，而是创建一个状态列 tsv_dirty BOOLEAN DEFAULT true，触发器只负责将该标志置为true，然后通过一个独立的定时作业或后台进程批量扫描脏行并执行更新，同时清理标志。这样可以把全文索引的计算压力从写入事务中分离出来，适合文章发布、评论等允许短暂搜索延迟的业务。
如果必须保持实时更新，则应该优化 to_tsvector 的调用频次。可以利用触发器的 WHEN 子句精确对比新旧值，只有当 title 或 content 确实变化时才重新生成。更进一步的技巧是拆分为多个函数，只更新变化部分的权重，再用 tsvector_update_trigger 这种PostgreSQL内置辅助功能（虽然官方更推荐自定义函数），但其灵活性不如手写。此外，减少 setweight 的拼接次数、合理选择 regconfig 词典也能轻微降低CPU使用。
-- 仅当相关列变动时触发
CREATE TRIGGER trg_articles_tsv
BEFORE UPDATE ON articles
FOR EACH ROW
WHEN (OLD.title IS DISTINCT FROM NEW.title
OR OLD.content IS DISTINCT FROM NEW.content)
EXECUTE FUNCTION articles_tsv_trigger();
另一个值得关注的优化点是索引维护时机。GIN索引在大量更新后可能会变得膨胀，可以结合 autovacuum 参数调优，或者使用 gin_pending_list_limit 控制快速更新的挂起列表大小。对于完全不需要实时查询的分区旧表，甚至可以在触发器里直接跳过索引维护，由后续的 REINDEX 统一处理。
应对多语言与分词配置的复杂性
默认的 'english' 配置并不适合中文、日文或其他亚洲语言，因为PostgreSQL内置的英文分词器依赖空格和词干提取。处理中文内容需要扩展分词组件，比如 pg_jieba、zhparser 或 pg_bigm，这些扩展可以提供基于词典或N-gram的中文分词能力。配置后，在触发器函数中只需要将 to_tsvector 的第一个参数替换为自定义配置名，如 'chinese' 或 'jieba'。
-- 假设已经通过zhparser注册了chinese配置
CREATE TEXT SEARCH CONFIGURATION chinese (PARSER = zhparser);
ALTER TEXT SEARCH CONFIGURATION chinese ADD MAPPING FOR n,v,a,i,e,l WITH simple;
-- 触发器函数中改用chinese
NEW.tsv :=
setweight(to_tsvector('chinese', coalesce(NEW.title, '')), 'A') ||
setweight(to_tsvector('chinese', coalesce(NEW.content, '')), 'B');
当业务需要同时支持中英文混合检索时，单一的配置往往不够理想。一个常见做法是分别生成两个 tsvector 列，一个使用英文配置，另一个使用中文配置，然后在全文查询时使用 || 合并检索条件。触发器函数可以直接将这两个列都设置好，从而避免在查询阶段频繁进行 to_tsvector 计算。
此外，如果业务中涉及同义词、停用词等高级特性，可以通过 ALTER TEXT SEARCH DICTIONARY 和 ALTER TEXT SEARCH CONFIGURATION 进行定制。所有这些更改都不会影响触发器的基本逻辑，因为触发器只是调用最终的配置。这也体现了将生成逻辑放在数据库层的好处：分词策略的调整只需修改数据库对象，无需改动应用程序代码。
PostgreSQL全文索引触发器修改时间：2026-08-12 12:54:54