全文搜索功能限制

本文列出了 Apache Cloudberry 全文搜索相关对象的使用限制与最大值。

当前 Apache Cloudberry 的文本搜索功能存在以下限制：

• tsvector 和 tsquery 类型不能作为 Apache Cloudberry 表的分布键（distribution key）
• 每个词条（lexeme）的长度必须小于 2KB
• 一个 tsvector（词条加位置信息）的总长度必须小于 1MB
• <N>（FOLLOWED BY）tsquery 运算符中的匹配距离不能超过 16,384
• 词条总数必须小于 2⁶⁴
• tsvector 中的位置值必须大于 0 且不超过 16,383
• 每个词条最多只能包含 256 个位置值
• 一个 tsquery 中的节点总数（词条加运算符）不能超过 32,768 个

作为对比，PostgreSQL 8.1 的官方文档中包含 10441 个不同词，共计 335420 个词，其中出现频率最高的词是 “postgresql”，在 655 个文档中共出现了 6127 次。

另一个例子是 PostgreSQL 邮件列表归档，包含 910989 个唯一词，共计 57491343 个词条，分布在 461020 封邮件中。