Mejores prácticas de búsqueda de texto completo

Cómo usar esta lista

• Aplícala antes de lanzar la búsqueda orientada al usuario en producción.
• Vuelve a ejecutarla después de importaciones masivas de contenido o cambios en el diccionario.
• Combínala con la lista de verificación de búsqueda híbrida si pgvector está habilitado.

A - Esquema y Vectores

• Almacena tsvector en una columna, no uses to_tsvector() en tiempo de ejecución en WHERE. Generado, ALMACENADO o mantenido por disparador (trigger).
• Da más peso al título que al cuerpo. setweight A para el título, B para el cuerpo, C para las etiquetas.
• Elige la configuración por tipo de contenido. english para prosa; simple para SKUs y códigos de error.
• Mantén el contenido y el vector sincronizados. Una sola transacción actualiza el texto y cualquier campo derivado.
• Añade columnas de tenant o ACL antes de los índices. Filtra temprano en consultas híbridas y FTS.

B - Índices

• Por defecto usa GIN en tsvector. Usa GiST solo después de que un benchmark intensivo en escrituras demuestre beneficio.
• Crea con CREATE INDEX CONCURRENTLY en tablas grandes. Evita bloqueos de escritura en producción.
• Reindexa después de importaciones masivas. REINDEX INDEX CONCURRENTLY o reconstruye durante una ventana de mantenimiento.
• Ejecuta ANALYZE después de reindexar. El planificador necesita estadísticas actualizadas para los escaneos de mapa de bits (bitmap scans).
• Índices parciales para filas publicadas solamente. Reduce el tamaño del índice cuando hay muchos borradores.

C - Consultas y UX

• Nunca concatenes la entrada del usuario en cadenas tsquery. Usa plainto_tsquery o websearch_to_tsquery.
• Limita el fanout de OR. Requiere un ts_rank mínimo o limita los términos OR de los analizadores de usuario.
• Proporciona fragmentos con ts_headline. Mejora la experiencia del usuario de los resultados sin análisis del lado de la aplicación.
• Ordena por rango y luego por fecha de publicación. ORDER BY rank DESC, published_at DESC rompe empates de forma sensata.
• Registra consultas sin resultados. Alimenta el diccionario de sinónimos y el análisis de brechas de contenido.

D - Operaciones

• Monitoriza el tamaño del índice GIN y idx_scan. Un idx_scan plano con consultas lentas significa que falta ANALYZE o una configuración incorrecta.
• Ajusta autovacuum en tablas de búsqueda con mucha rotación. Las actualizaciones de texto regeneran vectores y páginas GIN.
• Documenta los cambios en el diccionario y los sinónimos. Requiere reindexar o reconstruir vectores en algunos casos.
• Realiza benchmarks antes de Elasticsearch. Demuestra que FTS de Postgres no cumple los SLO con concurrencia realista.
• Prueba las políticas de RLS con el rol de la API de búsqueda. FTS hereda las políticas de tabla; verifica el aislamiento del tenant.

Preguntas Frecuentes

Relacionado

• Conceptos básicos de búsqueda de texto completo - ADR de FTS vs Elasticsearch
• Índices GIN para FTS - creación y mantenimiento
• tsvector y tsquery - ranking y diccionarios
• Búsqueda Híbrida - combinación con pgvector
• Mejores prácticas de diseño de índices - higiene general de índices

Versiones de la pila: Esta página fue escrita para PostgreSQL 18.4 (estable 18, mantenimiento 17), pgvector 0.8+, PostGIS 3.5+, pgbouncer 1.x, y Patroni 3.x.