Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

建立及查詢 RUM 索引

PostgreSQL 適用的 AlloyDB 中的 RUM 索引可將位置和屬性資訊與索引中的詞素一併儲存，加快全文檢索查詢速度。您可以啟用 rum 擴充功能，建立 RUM 索引並最佳化關聯性排名、詞組搜尋和時間戳記排序。

事前準備

如要建立 RUM 擴充功能，您必須具備 alloydbsuperuser 資料庫角色。

AlloyDB 管理員 (roles/alloydb.admin) Identity and Access Management (IAM) 角色會授予 AlloyDB 資源的完整控制權，但不會授予 alloydbsuperuser 資料庫角色。如要建立擴充功能，管理員必須明確授予您 alloydbsuperuser 資料庫角色。

如要進一步瞭解如何授予角色，請參閱「將 IAM 使用者或服務帳戶新增至叢集」。

建立 RUM 擴充功能

每個資料庫都必須建立一次 RUM 擴充功能。

使用 psql 或其他用戶端連線至 AlloyDB 資料庫。詳情請參閱「連線至叢集執行個體」。
執行下列 SQL 指令，建立擴充功能：
```
CREATE EXTENSION IF NOT EXISTS rum;
```

建立 RUM 索引

如要最佳化全文搜尋查詢，請為資料建立 RUM 索引。RUM 提供多種運算子類別，適用於不同用途。

RUM 運算子類別類型

下表列出不同的 RUM 運算子類別和主要用途。

運算子類別	主要用途	限制
`rum_tsvector_ops`	標準全文搜尋，包含排名和詞組搜尋。	不適用
`rum_tsvector_hash_ops`	全文搜尋的索引較小，更新速度更快。	不支援前置字串搜尋。
`rum_tsvector_addon_ops`	全文搜尋，依其他資料欄排序。	不適用
`rum_anyarray_ops`	在陣列資料欄中搜尋。	不適用
`rum_<TYPE>_ops`	為距離查詢建立純量類型索引。	不適用
`rum_tsvector_hash_addon_ops`	依其他資料欄排序的雜湊式全文搜尋。	不支援前置字串比對。
`rum_tsquery_ops`	為儲存的 `tsquery` 值建立索引，以便進行反向搜尋。	不適用
`rum_anyarray_addon_ops`	依其他資料欄排序的陣列搜尋。	不適用

基本全文搜尋的索引

如要進行標準 Text Search，且需要快速排名和詞組搜尋功能，請使用 rum_tsvector_ops 運算子類別。這個運算子類別會儲存索引中每個詞彙的位置。以下範例會建立名為 documents 的資料表，其中包含 content 資料欄。

建立名為 documents 的資料表：

CREATE TABLE documents (
  id SERIAL PRIMARY KEY,
  title TEXT NOT NULL,
  content TEXT NOT NULL,
  published_at TIMESTAMP WITH TIME ZONE DEFAULT NOW()
);

在 documents 資料表中填入範例資料：

INSERT INTO documents (title, content) VALUES
  ('Title', 'This search engine is working as intended');

在表格中新增生成的 tsvector 資料欄。這個資料欄會自動儲存處理過的文字，並提高查詢效能：

ALTER TABLE documents
ADD COLUMN search_vector tsvector
GENERATED ALWAYS AS (to_tsvector('english', content)) STORED;

在新的 search_vector 資料欄上建立 RUM 索引：

CREATE INDEX idx_docs_rum
ON documents
USING rum (search_vector rum_tsvector_ops);

使用索引查詢資料表。<=> 運算子會直接從索引計算文件與查詢之間的關聯性分數或距離，以便快速排序：

SELECT title, content
FROM documents
WHERE search_vector @@ to_tsquery('english', 'search <-> engine')
ORDER BY search_vector <=> to_tsquery('english', 'search <-> engine');

在 documents 資料表中填入更多資料：

INSERT INTO documents (title, content) VALUES ('Title1', 'English is my primary language.');
INSERT INTO documents (title, content) VALUES ('Title2', 'Google has a great engineering culture');

執行前置字串搜尋查詢。這會找出含有以 eng 開頭字詞的文件，例如 engineer 或 english：
```
SELECT title, content
FROM documents
WHERE search_vector @@ to_tsquery('english', 'eng:*');
```

最佳化雜湊搜尋的索引

使用 rum_tsvector_hash_ops 運算子類別可縮減索引大小，並提升更新速度。這個類別會儲存每個詞素的雜湊，而非完整詞素。這種做法會產生較小的索引，但不支援前置字元搜尋。以下範例假設您有一個名為 documents 的資料表，其中包含 search_vector 資料欄。

使用雜湊運算子類別建立 RUM 索引：

CREATE INDEX idx_docs_rum_hash
ON documents
USING rum (search_vector rum_tsvector_hash_ops);

在 documents 資料表中填入更多資料：

INSERT INTO documents (title, content) VALUES ('Title3', 'That person was driving incredibly fast, however the routing was not very efficient');

執行標準比對查詢：

SELECT * FROM documents WHERE search_vector @@ to_tsquery('english', 'fast & efficient');

搜尋索引 (依時間戳記排序)

使用 rum_tsvector_addon_ops 運算子類別，最佳化依文字篩選並依其他欄位 (例如時間戳記) 排序的查詢。這個模式會將額外欄位的值直接儲存在索引中，避免在搜尋後執行緩慢的排序作業。以下範例假設您有一個名為 documents 的資料表，其中包含 search_vector 資料欄和 published_at 資料欄。

建立包含 published_at 時間戳記的索引：

CREATE INDEX idx_docs_rum_timestamp
ON documents
USING rum (search_vector rum_tsvector_addon_ops, published_at)
WITH (attach = 'published_at', to = 'search_vector');

執行查詢，找出含有 engine 字詞的文件，並依發布日期排序。索引可有效處理搜尋和排序：

SELECT title, published_at
FROM documents
WHERE search_vector @@ to_tsquery('english', 'engine')
ORDER BY published_at DESC;

陣列搜尋索引

使用 rum_anyarray_ops 運算子類別為陣列資料欄建立索引，例如標記清單。這樣一來，您就能有效率地查詢與其他陣列重疊 (&&)、包含其他陣列 (@>) 或包含在其他陣列中 (<@) 的陣列。以下範例會在 documents 資料表中新增 tags 資料欄。

新增 tags 欄並填入資料：

ALTER TABLE documents 
ADD COLUMN tags TEXT[];

INSERT INTO documents (title, content, tags) VALUES ( 'Title4', 'Sample Text', ARRAY['ai', 'ml'] );

在名為 tags 的 TEXT[] 資料欄上建立 RUM 索引：

CREATE INDEX idx_tags_rum
ON documents
USING rum (tags rum_anyarray_ops);

執行查詢，找出標記含有 ai 或 ml 的文件：

SELECT * FROM documents WHERE tags && '{"ai", "ml"}';

純量類型的索引

使用 rum_<TYPE>_ops 運算子類別，為包含連續值的資料欄建立索引，例如整數、時間戳記或浮點數。這些運算子類別可讓您使用 <=> 運算子，有效率地計算值之間的距離。以下範例假設您有名為 documents 的資料表。

在 documents 資料表中新增一般整數欄，例如 rating：

ALTER TABLE documents
ADD COLUMN rating INT;

UPDATE documents 
SET rating = floor(random() * 5 + 1);

在 rating 資料欄建立 RUM 索引：

CREATE INDEX idx_rating_rum
ON documents
USING rum (rating rum_int4_ops);

執行查詢，找出 rating 最接近 5 的文件：

SELECT title, rating
FROM documents
ORDER BY rating <=> 5;

依時間戳記排序的最佳化雜湊搜尋索引

使用 rum_tsvector_hash_addon_ops 運算子類別，結合雜湊索引的優點和外掛程式索引的排序功能。這個類別會儲存每個詞素的雜湊，以及額外資料欄的值。這項設定支援依額外資料欄有效排序，但不支援前置字元比對。以下範例假設您有一個名為 documents 的資料表，其中包含 search_vector 資料欄和 published_at 時間戳記資料欄。

建立使用雜湊運算子類別並包含 published_at 時間戳記的 RUM 索引：

CREATE INDEX idx_docs_rum_hash_timestamp
ON documents
USING rum (search_vector rum_tsvector_hash_addon_ops, published_at)
WITH (attach = 'published_at', to = 'search_vector');

執行查詢，找出包含 engine 的文件，並依發布日期排序：

SELECT title, published_at
FROM documents
WHERE search_vector @@ to_tsquery('english', 'engine')
ORDER BY published_at DESC;

已儲存查詢的索引

使用 rum_tsquery_ops 運算子類別為 tsquery 值建立索引。這可讓您執行「反向搜尋」，找出哪些儲存的查詢與指定輸入文件相符。以下範例會建立名為 queries 的資料表。

建立資料表來儲存查詢：

CREATE TABLE queries (
query_text tsquery
);
INSERT INTO queries (query_text) VALUES (plainto_tsquery('AlloyDB is fast!'));

在 query_text 資料欄建立 RUM 索引：

CREATE INDEX idx_queries_rum
ON queries
USING rum (query_text rum_tsquery_ops);

執行查詢，找出與文件相符的已儲存查詢：

SELECT *
FROM queries
WHERE to_tsvector('english', 'AlloyDB is fast') @@ query_text;

陣列搜尋索引 (依時間戳記排序)

使用 rum_anyarray_addon_ops 運算子類別，為陣列資料欄和額外的排序資料欄建立索引。以下範例假設您有一個名為 documents 的資料表，其中包含 tags 資料欄和 published_at 時間戳記資料欄。

在 tags 資料欄上建立 RUM 索引，其中包含 published_at 時間戳記：

CREATE INDEX idx_tags_rum_timestamp
ON documents
USING rum (tags rum_anyarray_addon_ops, published_at)
WITH (attach = 'published_at', to = 'tags');

執行查詢，找出含有 ai 標記的文件，並依發布日期排序：

SELECT title, published_at
FROM documents
WHERE tags @> '{"ai"}'
ORDER BY published_at DESC;

後續步驟

瞭解全文搜尋。
瞭解如何執行混合型向量相似度搜尋。

建立及查詢 RUM 索引 透過集合功能整理內容 你可以依據偏好儲存及分類內容。