Поиск на сайте: PostgreSQL, Meilisearch или Elasticsearch

Для поиска на сайте с каталогом до сотен тысяч записей обычно хватает встроенного полнотекстового поиска PostgreSQL. Отдельный движок — Meilisearch или Elasticsearch — нужен, когда важны мгновенный поиск по мере ввода, устойчивость к опечаткам, сложные фильтры с подсчётом и релевантность, которую настраивают без программиста.

Разберём, чем плох поиск через LIKE, что умеет база данных, когда переходить на отдельный движок и как сделать поиск удобным.

Почему LIKE — это не поиск?

Запрос с LIKE '%слово%' ищет точное совпадение подстроки: он не понимает формы слов, не прощает опечаток, не сортирует по релевантности и на больших таблицах не использует обычные индексы. Пользователь ищет «красные кроссовки», а в базе «кроссовок красного цвета» — и получает пустую страницу.

Нормальный поиск должен уметь:

• находить разные формы слова: «кроссовки», «кроссовок», «кроссовкам»;
• прощать опечатки и неправильную раскладку;
• сортировать результаты по релевантности, а не по дате;
• учитывать синонимы и сокращения;
• совмещать текстовый запрос с фильтрами по цене, категории и наличию.

Что умеет полнотекстовый поиск PostgreSQL?

PostgreSQL умеет искать по словам с учётом морфологии, ранжировать результаты и использовать для этого индекс. Для нечёткого поиска по опечаткам подключают расширение триграмм. Плюс подхода — не нужна отдельная система: данные и поиск в одном месте, синхронизировать ничего не надо.

ALTER TABLE products ADD COLUMN search tsvector
  GENERATED ALWAYS AS (
    setweight(to_tsvector('russian', coalesce(title, '')), 'A') ||
    setweight(to_tsvector('russian', coalesce(description, '')), 'B')
  ) STORED;

CREATE INDEX products_search_idx ON products USING GIN (search);

SELECT id, title, ts_rank(search, query) AS rank
FROM products, websearch_to_tsquery('russian', 'красные кроссовки') query
WHERE search @@ query
ORDER BY rank DESC
LIMIT 20;

Подробнее про индексы — в статье индексы в PostgreSQL, а про выбор СУБД — в материале PostgreSQL или MySQL.

Фото: Unsplash

Когда нужен отдельный поисковый движок?

Отдельный движок нужен, когда поиск — ключевая функция продукта: интернет-магазин с большим каталогом, маркетплейс, база знаний. Он даёт результаты по мере ввода за десятки миллисекунд, хорошо прощает опечатки и считает количество товаров в каждом фильтре.

Критерий	PostgreSQL	Meilisearch	Elasticsearch / OpenSearch
Отдельная инфраструктура	Не нужна	Один сервис	Кластер
Опечатки	Через расширение	Из коробки	Настраивается
Поиск по мере ввода	Возможен, но сложнее	Из коробки	Настраивается
Фасеты и подсчёт по фильтрам	Вручную	Из коробки	Из коробки
Объём данных	До миллионов строк	Миллионы документов	Очень большие объёмы, логи
Сложность поддержки	Низкая	Низкая	Высокая

Meilisearch и похожие движки хороши для каталогов и сайтов: их быстро подключить, а качество из коробки высокое. Elasticsearch и OpenSearch выбирают, когда данных очень много, нужна сложная аналитика или поиск по логам.

Как синхронизировать данные с поисковым индексом?

Данные синхронизируют через события: при создании, изменении или удалении записи в базе фоновая задача обновляет документ в индексе. Источником правды остаётся база данных, а индекс в любой момент можно перестроить с нуля.

Правила синхронизации:

1. Обновляйте индекс через очередь, а не прямо в запросе пользователя.
2. Держите команду полной переиндексации — она понадобится при изменении настроек.
3. Индексируйте только поля, по которым ищут и фильтруют, а не всю запись.
4. Следите за отставанием индекса от базы и ошибками задач.

Как сделать поиск удобным для пользователя?

Поиск удобен, когда он отвечает быстро, понимает человеческие формулировки и не оставляет пустую страницу. Даже идеальная технология не спасёт, если в данных нет нужных слов, а результаты нельзя отфильтровать.

Что помогает:

• подсказки по мере ввода и исправление раскладки;
• синонимы: «ноутбук» и «лэптоп», «телефон» и «смартфон»;
• фильтры с количеством результатов рядом с каждым значением;
• вместо пустой страницы — похожие товары или популярные категории;
• аналитика запросов без результатов, чтобы дополнять данные и синонимы.

Как собирать такие данные, мы разбирали в статье продуктовые метрики после запуска.

Коротко

• LIKE не понимает формы слов, опечатки и релевантность — это не поиск.
• Для большинства сайтов хватает полнотекстового поиска PostgreSQL.
• Отдельный движок нужен, когда поиск — ключевая функция: мгновенные подсказки, опечатки, фасеты.
• Индекс обновляют через очередь, а база остаётся источником правды.
• Качество поиска улучшают синонимы, фильтры и анализ запросов без результатов.