AIclinicalresearch/docs/02-通用能力层/03-RAG引擎/06-pg_bigm安装指南.md

pg_bigm 安装指南

版本： v1.0
日期： 2026-01-23
状态： 待部署
用途： 优化中文关键词检索性能

---

📋 概述

pg_bigm 是 PostgreSQL 的全文搜索扩展，专门针对中日韩（CJK）字符优化。相比原生 LIKE/ILIKE，pg_bigm 提供：

• 2-gram 索引：将文本拆分为连续的 2 字符片段，支持任意子串匹配
• 中文友好：原生支持中文分词，无需额外配置
• 性能提升：10-100x 性能提升（取决于数据量）
• 模糊搜索：支持相似度搜索

---

🚀 安装步骤

方案 1：Docker 镜像升级（推荐）

适用场景：本地开发环境

cd AIclinicalresearch

# 1. 备份现有数据
docker exec ai-clinical-postgres pg_dump -U postgres -d ai_clinical_research > backup_$(date +%Y%m%d_%H%M%S).sql

# 2. 构建新镜像（包含 pgvector + pg_bigm）
docker build -f Dockerfile.postgres-with-extensions -t ai-clinical-postgres:v1.1 .

# 3. 停止现有容器
docker compose down

# 4. 修改 docker-compose.yml，替换镜像
# image: pgvector/pgvector:pg15  →  image: ai-clinical-postgres:v1.1

# 5. 启动新容器
docker compose up -d

# 6. 验证扩展安装
docker exec ai-clinical-postgres psql -U postgres -d ai_clinical_research -c "SELECT extname, extversion FROM pg_extension;"

预期输出：

 extname  | extversion 
----------+------------
 plpgsql  | 1.0
 vector   | 0.8.0
 pg_bigm  | 1.2

方案 2：在现有容器中安装

适用场景：不想重建镜像

# 1. 进入容器
docker exec -it ai-clinical-postgres bash

# 2. 安装编译工具
apt-get update && apt-get install -y build-essential postgresql-server-dev-15 wget

# 3. 下载并编译 pg_bigm
cd /tmp
wget https://github.com/pgbigm/pg_bigm/archive/refs/tags/v1.2-20200228.tar.gz
tar -xzf v1.2-20200228.tar.gz
cd pg_bigm-1.2-20200228
make USE_PGXS=1
make USE_PGXS=1 install

# 4. 清理
rm -rf /tmp/pg_bigm* /tmp/v1.2-20200228.tar.gz
apt-get purge -y build-essential postgresql-server-dev-15 wget
apt-get autoremove -y

# 5. 退出容器
exit

# 6. 创建扩展
docker exec ai-clinical-postgres psql -U postgres -d ai_clinical_research -c "CREATE EXTENSION IF NOT EXISTS pg_bigm;"

方案 3：阿里云 RDS

适用场景：生产环境（阿里云 RDS PostgreSQL）

阿里云 RDS PostgreSQL 15 已内置 pg_bigm，只需执行：

-- 连接到 RDS 数据库
CREATE EXTENSION IF NOT EXISTS pg_bigm;

---

🔧 使用方法

1. 创建 GIN 索引

-- 为 ekb_chunk 表的 content 列创建 pg_bigm 索引
CREATE INDEX IF NOT EXISTS idx_ekb_chunk_content_bigm 
ON ekb_schema.ekb_chunk 
USING gin (content gin_bigm_ops);

-- 验证索引创建
SELECT indexname, indexdef FROM pg_indexes 
WHERE tablename = 'ekb_chunk' AND indexname LIKE '%bigm%';

2. 查询示例

-- 基本查询（使用索引）
SELECT * FROM ekb_schema.ekb_chunk 
WHERE content LIKE '%银杏叶%';

-- 相似度查询
SELECT *, bigm_similarity(content, '银杏叶副作用') AS similarity
FROM ekb_schema.ekb_chunk
WHERE content LIKE '%银杏叶%'
ORDER BY similarity DESC
LIMIT 10;

3. 在 VectorSearchService 中使用

// keywordSearch 方法会自动检测 pg_bigm
// 如果扩展可用，使用 GIN 索引加速
// 否则 fallback 到 ILIKE

async keywordSearch(query: string, options: SearchOptions) {
  // 自动使用最优方案
  // pg_bigm: SELECT * WHERE content LIKE '%query%'  (使用索引)
  // fallback: SELECT * WHERE content ILIKE '%query%' (全表扫描)
}

---

📊 性能对比

场景	ILIKE（无索引）	pg_bigm（GIN索引）	提升
10万条记录	500ms	5ms	100x
100万条记录	5s	50ms	100x
中文2字符	支持	支持	-
中文1字符	支持	不支持*	-

*pg_bigm 基于 2-gram，单字符查询需要至少2个字符

---

⚠️ 注意事项

1. 索引大小

pg_bigm 的 GIN 索引会占用额外存储空间：

-- 查看索引大小
SELECT pg_size_pretty(pg_relation_size('idx_ekb_chunk_content_bigm'));

预估：原始数据的 50%-100%

2. 写入性能

GIN 索引会影响写入性能：

• INSERT：约慢 20-30%
• UPDATE content 字段：约慢 30-50%

建议：批量写入时可临时禁用索引

3. 最小查询长度

pg_bigm 基于 2-gram，单字符查询效果差：

-- ❌ 效果差
SELECT * WHERE content LIKE '%癌%';

-- ✅ 效果好
SELECT * WHERE content LIKE '%肺癌%';

---

🔗 相关文档

• pg_bigm 官方文档
• RAG 引擎使用指南
• pgvector 替换 Dify 计划

---

📅 更新计划

1. ✅ 创建 Dockerfile 和初始化脚本
2. ⏳ 本地环境测试
3. ⏳ 更新 VectorSearchService 使用 pg_bigm
4. ⏳ 生产环境部署（阿里云 RDS）
5. ⏳ 创建索引并验证性能