SQL 参考手册

Mon, 01 Jan 0001 00:00:00 +0000

重要

当前源码面向 0.4.0（尚未发布），使用原生 tsvector 和新的索引格式。标注 0.3.x 的 bm25vector 示例仅适用于旧版。两者不能原地升级；请先阅读0.4.0 迁移指南。

`vchord_bm25` 数据类型

数据类型	所属模式	适用版本	文本表示形式 / 内部结构	说明
`bm25vector`	`bm25_catalog`	`v0.1.0` – `v0.3.0`	`{token_id:freq, ...}`（例如 `{1:1, 2:2, 15:1}`）	将 32 位无符号词元 ID 映射为 32 位词频的稀疏向量。存储策略为 `STORAGE = EXTERNAL`。
`bm25query`	`bm25_catalog`	`v0.1.0` – `v0.3.0`	`(index_oid regclass, query_vector bm25vector)`	将目标 `bm25` 索引 OID 与查询 `bm25vector` 配对的复合类型。
`bm25query`	`public` / 扩展模式	`0.4.0` / `main`	`(vector tsvector, index regclass)`	将查询 `tsvector` 与目标 `bm25` 索引 OID 配对的复合类型。

`bm25vector` 字面量语法（`v0.1` – `v0.3`）

-- 空 bm25vector
SELECT '{}'::bm25vector;

-- 显式指定 token_id:frequency 键值对
SELECT '{1:1, 2:3, 10:2}'::bm25vector;

-- 从 int[] 隐式转换（自动将重复的词元 ID 聚合为词频计数）
SELECT ARRAY[1, 2, 2, 2, 10, 10]::bm25vector;
-- 输出：{1:1, 2:3, 10:2}

`vchord_bm25` 操作符

操作符	左操作数	右操作数	返回类型	适用版本	说明
`<&>`	`bm25vector`	`bm25query`	`real` (`f32`)	`v0.1.0` – `v0.3.0`	计算负值 BM25 相关性得分（$-\text{BM25}(D, Q)$）。支持使用 `bm25_ops` 执行索引加速的 `ORDER BY ... ASC` 扫描。
`<&>`	`tsvector`	`bm25query`	`float8` (`f64`)	`0.4.0` / `main`	在原生 `tsvector` 上计算负值 BM25 相关性得分。支持使用 `bm25_ops` 执行索引加速的 `ORDER BY ... ASC` 扫描。
`=`	`bm25vector`	`bm25vector`	`bool`	`v0.2.0` – `v0.3.0`	比较两个 `bm25vector` 值是否完全相等。
`<>`	`bm25vector`	`bm25vector`	`bool`	`v0.2.0` – `v0.3.0`	比较两个 `bm25vector` 值是否不相等。

`vchord_bm25` 函数

函数签名	返回类型	适用版本	说明
`to_bm25query(index_oid regclass, query_vector bm25vector)`	`bm25query`	`v0.1.1` – `v0.3.0`	根据 `bm25` 索引名称/OID 与查询 `bm25vector`（或经由隐式转换的 `INT[]`）构造 `bm25query`。
`to_bm25query(index_oid regclass, query_vector int[])`	`bm25query`	`v0.3.0`	直接接受 `INT[]` 词元 ID 数组的显式重载函数。
`to_bm25query(vector tsvector, index regclass)`	`bm25query`	`0.4.0` / `main`	根据原生 `tsvector` 与目标 `bm25` 索引名称/OID 构造 `bm25query`。
`search_bm25query(target_vector bm25vector, query bm25query)`	`real`	`v0.1.0` – `v0.3.0`	`bm25vector <&> bm25query` 操作符的底层实现函数。
`_bm25_evaluate(left tsvector, right bm25query)`	`float8`	`0.4.0` / `main`	`tsvector <&> bm25query` 操作符的底层实现函数。
`bm25_page_inspect(index regclass, blkno int)`	`text`	`v0.3.0`	返回 `bm25` 索引第 `blkno` 号数据块的可读诊断元数据。

`vchord_bm25` 访问方法与操作符类

对象类型	名称	目标类型	排序操作符
访问方法 (Access Method)	`bm25`	索引 (Index)	0.4.0 处理器为 `bm25_amhandler`；0.3.x 为 `_bm25_amhandler`
操作符族 (Operator Family)	`bm25_ops`	`USING bm25`	`<&>` 位于扩展模式（0.4.0）或 `pg_catalog`（0.3.x），按 `float_ops` 排序
操作符类 (Operator Class)	`bm25_ops`	`bm25vector`（`v0.1`–`v0.3`）/ `tsvector`（`main`）	`USING bm25` 的显式操作符类

`pg_tokenizer` 函数（`tokenizer_catalog`）

所有 pg_tokenizer 函数均位于 tokenizer_catalog 模式中：

GUC 与索引参数

Mon, 01 Jan 0001 00:00:00 +0000

重要

稳定发布版（`v0.1.0` – `v0.3.0`）：`bm25_catalog.*` GUC 参数

在 v0.1.0 至 v0.3.0 版本中，所有会话级 GUC 参数均使用 bm25_catalog. 前缀，任何普通用户均可在会话或事务级别修改（GucContext::Userset）：

性能与精度基准测试

Mon, 01 Jan 0001 00:00:00 +0000

吞吐量基准测试（QPS 对比 Elasticsearch、Lucene、ParadeDB、PG GIN）

凭借结合 128 文档差分位打包块与单字节 Fieldnorm 量化的 Block-WeakAnd 算法实现，VectorChord-BM25 在 Top-10 排序查询上的 QPS 吞吐量最高可达基于 Tantivy 的 PostgreSQL 扩展（ParadeDB / pg_search）的 3 倍，并比 PostgreSQL 原生 GIN 索引高出一个数量级：

迁移到 0.4.0

Mon, 01 Jan 0001 00:00:00 +0000

当前 pgsty/vchord_bm25 源码面向 0.4.0（尚未发布），使用 PostgreSQL 原生 tsvector 和新的索引存储引擎。历史 0.3.x 软件包与套件镜像使用 bm25vector，两者的 API 与索引格式均不兼容。

版本历史与 API 演进

Mon, 01 Jan 0001 00:00:00 +0000

重要

本页记录 vchord_bm25（pgsty/vchord_bm25 / supervc-stack/VectorChord-bm25）的版本发布历史与 SQL 模式演进。

参考手册与基准测试 on Vchord

SQL 参考手册

vchord_bm25 数据类型

bm25vector 字面量语法（v0.1 – v0.3）

vchord_bm25 操作符

vchord_bm25 函数

vchord_bm25 访问方法与操作符类

pg_tokenizer 函数（tokenizer_catalog）

GUC 与索引参数

稳定发布版（v0.1.0 – v0.3.0）：bm25_catalog.* GUC 参数

性能与精度基准测试

吞吐量基准测试（QPS 对比 Elasticsearch、Lucene、ParadeDB、PG GIN）

迁移到 0.4.0

版本历史与 API 演进

`vchord_bm25` 数据类型

`bm25vector` 字面量语法（`v0.1` – `v0.3`）

`vchord_bm25` 操作符

`vchord_bm25` 函数

`vchord_bm25` 访问方法与操作符类

`pg_tokenizer` 函数（`tokenizer_catalog`）

稳定发布版（`v0.1.0` – `v0.3.0`）：`bm25_catalog.*` GUC 参数