Full-Text Index #

Dalam banyak sistem backend modern, pencarian teks adalah fitur yang tidak bisa dihindari: search artikel, search produk, search log, search knowledge base, dan sebagainya. Masalahnya, query pencarian teks yang salah bisa menjadi mimpi buruk bagi database.

Di sinilah Full-Text Index (FTI) hadir. Ia sering disebut sebagai solusi cepat untuk pencarian teks, tapi di saat yang sama juga sering disalahgunakan.

Artikel ini akan membahas:

Apa itu Full-Text Index
Bagaimana cara kerjanya
Kenapa ia bisa sangat mempengaruhi performa query database
Kesalahan umum penggunaan Full-Text Index
Best practice optimasi query Full-Text Index

Apa Itu Full-Text Index? #

Full-Text Index adalah jenis index khusus yang dirancang untuk melakukan pencarian teks berbasis kata (token), bukan pencocokan string mentah seperti LIKE '%keyword%'.

Berbeda dengan B-Tree index yang bekerja pada:

equality (=)
range (<, >, BETWEEN)

Full-Text Index bekerja pada:

kata
frasa
relevansi
ranking hasil

Contoh use case:

Search artikel berdasarkan isi konten
Search produk berdasarkan deskripsi
Search komentar atau review

Kenapa `LIKE '%keyword%'` Itu Buruk? #

Sebelum memahami Full-Text Index, kita perlu tahu kenapa solusi klasik ini bermasalah:

SELECT * FROM articles WHERE content LIKE '%database%';

Masalahnya:

Tidak bisa memakai index B-Tree
Database melakukan full table scan
Kompleksitas O(n) terhadap jumlah row
Semakin besar data → semakin lambat

Di tabel besar, query ini adalah performance killer.

Cara Kerja Full-Text Index (Secara Konseptual) #

Full-Text Index menggunakan konsep inverted index.

Alih-alih:

Row → Konten

Database menyimpan:

Kata → List Row ID

Contoh:

Kata	Row ID
database	1, 3, 7
index	2, 3
performance	1, 7

Saat query:

MATCH(content) AGAINST('database index')

Database cukup:

Cari kata database dan index
Ambil intersection row ID
Hitung relevansi

Tanpa membaca seluruh tabel.

Contoh Full-Text Index di Database #

MySQL / MariaDB #

ALTER TABLE articles
ADD FULLTEXT INDEX ft_content (title, content);

Query:

SELECT *
FROM articles
WHERE MATCH(title, content)
AGAINST('database index' IN NATURAL LANGUAGE MODE);

PostgreSQL (FTS) #

PostgreSQL menggunakan tsvector dan tsquery:

CREATE INDEX idx_articles_fts
ON articles USING GIN(to_tsvector('english', content));

Query:

SELECT *
FROM articles
WHERE to_tsvector('english', content)
@@ to_tsquery('database & index');

Kenapa Full-Text Index Bisa Sangat Mempengaruhi Database? #

Index Size Bisa Sangat Besar #

Full-Text Index:

Menyimpan setiap kata
Menyimpan mapping kata → row

Akibatnya:

Ukuran index bisa lebih besar dari tabel utama
Membebani disk dan memory

Cost Tinggi Saat INSERT / UPDATE #

Setiap kali data berubah:

Tokenisasi ulang teks
Update inverted index

Efeknya:

INSERT lebih lambat
UPDATE kolom teks lebih mahal

Terutama pada kolom:

artikel panjang
deskripsi besar
log

Ranking & Relevansi Itu Mahal #

Full-Text Index tidak hanya mencari data, tapi juga:

Menghitung relevansi
Memberi score
Sorting hasil

Query ini:

ORDER BY MATCH(content) AGAINST('keyword') DESC

Lebih mahal dibanding query equality biasa.

Bisa Menghasilkan Result Set Besar #

Keyword umum seperti:

“data”
“system”
“user”

Bisa menghasilkan:

Ribuan row
Transfer network besar
Bottleneck di layer aplikasi

Kesalahan Umum Penggunaan Full-Text Index #

❌ Menganggap Full-Text Index Sebagai Solusi Segalanya #

Full-Text Index bukan pengganti:

filter by status
filter by tenant
filter by date

Query buruk:

SELECT *
FROM articles
WHERE MATCH(content) AGAINST('database');

Tanpa filter lain → result besar.

❌ Tidak Menggabungkan Dengan Filter Biasa #

Seharusnya:

SELECT *
FROM articles
WHERE status = 'published'
AND MATCH(content) AGAINST('database');

Filter non-FTI membantu memperkecil search space.

❌ Index Full-Text di Semua Kolom #

Mengindex:

title
content
notes
metadata

Sekaligus → index membengkak dan update mahal.

Best Practice Optimasi Full-Text Index #

Gunakan Full-Text Index Hanya untuk Kolom yang Tepat #

Ideal:

article content
product description

Hindari:

kolom kecil
kolom yang sering berubah

Selalu Kombinasikan Dengan Filter Lain #

WHERE tenant_id = ?
AND status = 'active'
AND MATCH(content) AGAINST(?);

Tujuan:

Perkecil kandidat row
Kurangi cost ranking

Batasi Result dengan LIMIT #

ORDER BY relevance DESC
LIMIT 20;

FTI tanpa LIMIT adalah undangan masalah.

Gunakan Mode yang Tepat #

MySQL:

NATURAL LANGUAGE MODE
BOOLEAN MODE

Gunakan BOOLEAN MODE jika:

ingin kontrol kata wajib (+word)
ingin exclude (-word)

Jangan Takut Pisahkan Search ke Engine Khusus #

Jika:

data sangat besar
search sangat kompleks
traffic tinggi

Pertimbangkan:

Elasticsearch
OpenSearch
Meilisearch

Database utama tetap fokus pada:

transaksi
konsistensi

Kesimpulan #

Full-Text Index adalah:

Sangat cepat untuk pencarian teks
Sangat mahal jika disalahgunakan

Gunakan jika:

Memang butuh search teks
Sudah dipadukan dengan filter lain
Result dibatasi

Hindari jika:

Sekadar ingin LIKE '%keyword%'
Data kecil
Query jarang dipakai

Full-Text Index bukan sekadar index — ia adalah subsystem search mini di dalam database.

Gunakan dengan sadar, bukan refleks.