Por Ming Ying el 1 de octubre de 2026 Hace dos semanas, Planet Scale presentó TIN, una extensión de búsqueda de texto completo para Postgres. Su publicación de lanzamiento reportó impresionantes ganancias de rendimiento sobre un subconjunto de la funcionalidad de búsqueda de texto de Parade DB, específicamente la búsqueda de texto clasificada por BM25 y los recuentos de documentos. Nos gustaría extender felicitaciones al equipo de Planet Scale. Es genial ver otra plataforma Postgres invirtiendo en búsqueda, y está claro que se dedicó mucha ingeniería cuidadosa a TIN.
Seamos muy claros sobre una cosa: TIN es rápido (al menos 8x más rápido que Parade DB 0.25 en cada punto de referencia de Planet Scale). Tan rápido que la única respuesta que tenía sentido fue callarse y ponerse los sombreros de optimización de rendimiento. Dos semanas después, aquí está el antes y después clasificado por BM25, utilizando el mismo conjunto de datos de referencia de Stack Exchange, el mismo arnés y los mismos tipos de máquina.
Lo interesante no es que cerramos rápidamente la brecha, sino cómo la cerramos. La publicación de TIN afirma que su rendimiento se debe a una diferencia arquitectónica fundamental que utiliza los campos ctid internos de Postgres como identificadores de documentos. Sin embargo, cerramos esta brecha a través de algunas pasadas de optimización que tenían poco que ver con cómo se identifican los documentos.
El corazón de cualquier índice de búsqueda de texto es una lista de publicaciones. Tantivy, la biblioteca de búsqueda detrás de Parade DB, utiliza identificadores de documento u32 secuenciales para sus publicaciones. Postgres identifica sus filas por valores ctid. El punto central de la publicación de TIN es que usar valores ctid directamente como identificadores de documentos elimina este mapa y permite operaciones de mapa de bits eficientes y verificaciones de visibilidad. Para las consultas BM25 Top K, éramos escépticos.
Fuente: Hacker News · Resumido por HeadlinesBriefing