DokumentePreiseBlog
Kontaktieren Sie uns
AnmeldenKOSTENLOS anmelden
Back to Tech Articles

FastAPI로 나만의 포럼 만들기: 8단계 - 전문 검색

Okt. 31, 2025
# FastAPI

Lukas Schneider

DevOps Engineer · Leapcell

Dieser Beitrag ist auch in English, 日本語 und Deutsch verfügbar
Cover of "FastAPI로 나만의 포럼 만들기: 8단계 - 전문 검색"

이전 글에서는 건강한 커뮤니티를 위한 기반을 다지며 "관리자" 및 "사용자 차단" 기능을 지원하는 포럼의 기본 권한 시스템을 구현했습니다.

포럼에 콘텐츠가 쌓일수록 사용자는 관심 있는 오래된 게시물을 찾는 데 어려움을 겪을 수 있습니다. 새로운 요구 사항이 등장하고 있습니다. 사용자가 읽고 싶은 기사를 빠르게 찾도록 돕는 검색 기능이 있어야 하지 않을까요?

이 글에서는 포럼에 전문 검색 기능을 추가할 것입니다.

SQL에 대한 지식이 있다면 LIKE '%keyword%' 쿼리를 사용하여 검색을 구현할 수 있지 않을까 생각할 수 있습니다. 간단한 시나리오에서는 실제로 가능합니다. 하지만 LIKE 쿼리는 많은 양의 텍스트를 처리할 때 성능이 매우 떨어지고 언어적 복잡성을 이해하지 못합니다(예: "create"를 검색해도 "creating"과 일치하지 않음).

따라서 우리는 더 전문적이고 효율적인 솔루션, 즉 PostgreSQL의 내장 전문 검색(FTS) 기능을 사용하기로 했습니다. 빠를 뿐만 아니라 스테밍, 불용어 무시, 관련성별 정렬도 지원하여 LIKE보다 훨씬 뛰어난 검색 기능을 제공합니다.

1단계: 데이터베이스 검색 인프라(SQL)

PostgreSQL의 FTS 기능을 사용하려면 먼저 posts 테이블을 수정해야 합니다. 최적화되고 고속 검색 가능한 텍스트 데이터를 저장하기 위한 특수 열을 만들 것입니다.

tsvector 열 추가

posts 테이블에 tsvector 유형의 search_vector라는 새 열을 추가할 것입니다. 이 열의 목적은 사전처럼 게시물의 제목과 콘텐츠를 개별 단어(어휘)로 분해하고 처리하는 것입니다.

ALTER TABLE posts ADD COLUMN "search_vector" tsvector;

tsvector 열 자동 업데이트를 위한 트리거 사용

search_vector 열에는 자체 콘텐츠가 없습니다. 제목과 콘텐츠를 tsvector 형식으로 변환하여 이 열에 써야 합니다.

게시물을 만들거나 업데이트할 때마다 search_vector 열을 수동으로 업데이트하고 싶어하는 사람은 아무도 없습니다. 가장 좋은 방법은 트리거를 사용하여 데이터베이스가 이 작업을 자동으로 수행하도록 하는 것입니다.

먼저 함수를 만들어 보겠습니다. 이 함수의 역할은 title과 content를 연결하고 tsvector 형식으로 변환하는 것입니다.

CREATE OR REPLACE FUNCTION update_post_search_vector()
RETURNS TRIGGER AS $$
BEGIN
    NEW.search_vector :=
        setweight(to_tsvector('english', coalesce(NEW.title, '')), 'A') ||
        setweight(to_tsvector('english', coalesce(NEW.content, '')), 'B');
    RETURN NEW;
END;
$$ LANGUAGE plpgsql;

setweight 함수를 사용하면 다른 필드의 텍스트에 다른 가중치를 설정할 수 있습니다. 여기서는 제목('A')의 가중치를 내용('B')보다 높게 설정합니다. 이는 검색 결과에서 제목에 키워드가 있는 게시물이 더 높은 순위를 차지한다는 것을 의미합니다.

다음으로, 새 게시물이 삽입(INSERT)되거나 업데이트(UPDATE)될 때마다 방금 만든 함수를 자동으로 호출하는 트리거를 만듭니다.

CREATE TRIGGER post_search_vector_update
BEFORE INSERT OR UPDATE ON posts
FOR EACH ROW EXECUTE FUNCTION update_post_search_vector();

검색 인덱스 생성

검색 속도를 보장하기 위한 마지막 단계는 search_vector 열에 GIN(Generalized Inverted Index) 인덱스를 만드는 것입니다.

CREATE INDEX post_search_vector_idx ON posts USING gin(search_vector);

2단계: 기존 데이터 채우기

만든 트리거는 향후에 생성되거나 수정된 게시물에만 작동한다는 점에 유의해야 합니다. 데이터베이스에 이미 있는 게시물의 경우 search_vector 필드에 여전히 NULL이 있습니다.

기존 모든 게시물에 대한 검색 벡터를 생성하기 위해 일회성 UPDATE 문을 실행해야 합니다.

-- 기존 모든 게시물에 대한 search_vector 채우기
UPDATE posts SET search_vector =
    setweight(to_tsvector('english', coalesce(title, '')), 'A') ||
    setweight(to_tsvector('english', coalesce(content, '')), 'B');

Leapcell을 사용하여 데이터베이스를 만든 경우,

ImageLc

웹 기반 운영 패널에서 이러한 SQL 문을 직접 실행할 수 있습니다.

ImageDb

3단계: 검색 결과 페이지 생성

검색 결과를 표시할 새 HTML 페이지가 필요합니다.

templates 폴더에 search_results.html이라는 새 파일을 만듭니다. 이 페이지는 posts.html과 매우 유사하지만 사용자의 검색 쿼리도 추가로 표시합니다.

templates/search_results.html

<!DOCTYPE html>
<html>
  <head>
    <title>Search Results - My FastAPI Forum</title>
    <style>
      /* (templates/posts.html의 모든 스타일 복사) */
      body {
        font-family: sans-serif;
        margin: 2em;
      }
      input,
      textarea {
        width: 100%;
        padding: 8px;
        margin-bottom: 10px;
        box-sizing: border-box;
      }
      button {
        padding: 10px 15px;
        background-color: #007bff;
        color: white;
        border: none;
        cursor: pointer;
      }
      header {
        display: flex;
        justify-content: space-between;
        align-items: center;
      }
      .post-item {
        border: 1px solid #ccc;
        padding: 10px;
        margin-bottom: 10px;
      }
      /* (복사된 스타일 끝) */
    </style>
  </head>
  <body>
    <header>
      <h1><a href="/posts" style="text-decoration: none; color: black;">Welcome to my Forum</a></h1>
      <div class="auth-links">
        {% if current_user %}
        <span>Welcome, {{ current_user.username }}!</span>
        {% if current_user.is_admin %}
        <a href="/admin" style="color: red; font-weight: bold;">[Admin Panel]</a>
        {% endif %}
        <a href="/logout">Logout</a>
        {% else %}
        <a href="/login">Login</a> |
        <a href="/register">Register</a>
        {% endif %}
      </div>
    </header>
    <form action="/search" method="GET" style="display: inline-block;">
      <input type="search" name="q" placeholder="Search posts..." value="{{ query | escape }}" />
      <button type="submit">Search</button>
    </form>

    <hr />
    <h2>Search Results: "{{ query | escape }}"</h2>

    {% if posts %} {% for post in posts %}
    <div class="post-item">
      <a href="/posts/{{ post.id }}"><h3>{{ post.title }}</h3></a>
      <p>{{ post.content }}</p>
      <small>Author: {{ post.owner.username if post.owner else 'Unknown' }}</small>
    </div>
    {% endfor %} {% else %}
    <p>No posts found matching "{{ query | escape }}". Please try different keywords.</p>
    {% endif %}
  </body>
</html>

value 속성에 {{ query }}도 검색 상자에 넣었습니다. 이렇게 하면 검색 후 검색 상자에 사용자의 검색어가 유지됩니다.

4단계: 검색 백엔드 라우트 구현

데이터베이스와 프런트엔드 페이지가 준비되었으므로 main.py에서 검색 요청을 처리하는 백엔드 로직을 추가할 것입니다.

먼저 Post 모델을 업데이트합니다.

models.py

# ... (이전 임포트) ...
from sqlalchemy.dialects.postgresql import TSVECTOR

class Post(Base):
    __tablename__ = "posts"

    # ... (기타 기존 필드)

    # --- 새 필드 ---
    search_vector = Column(TSVECTOR, nullable=True)

다음으로 main.py를 수정합니다.

main.py (새 라우트 및 임포트 추가)

# ... (이전 임포트) ...
from fastapi import Query
from sqlalchemy import func, desc
from sqlalchemy.orm import selectinload

# ... (app, templates, dependencies get_db, get_current_user, get_admin_user는 변경되지 않음) ...

# --- 라우트 ---

# ... (이전 라우트 /, /posts, /api/posts, /admin 등은 변경되지 않음) ...

# 1. 새 검색 라우트 추가
@app.get("/search", response_class=HTMLResponse)
async def search_posts(
    request: Request,
    q: Optional[str] = Query(None),  # URL 쿼리 문자열에서 'q' 매개변수 가져오기
    db: AsyncSession = Depends(get_db),
    current_user: Optional[models.User] = Depends(get_current_user)
):
    posts = []

    if q and q.strip():
        # 1. 검색어 처리: 공백을 '&'(AND 연산자)로 바꾸기
        processed_query = " & ".join(q.strip().split())

        # 2. FTS 쿼리 빌드
        # func.to_tsquery('english', ...)는 쿼리 문자열을 tsquery 유형으로 변환합니다.
        # models.Post.search_vector.op('@@')(...)는 FTS 일치 연산자입니다.
        # func.ts_rank(...)는 관련성 순위를 계산합니다.
        stmt =
            select(models.Post)
            .where(models.Post.search_vector.op('@@')(func.to_tsquery('english', processed_query)))
            .order_by(desc(func.ts_rank(
                models.Post.search_vector,
                func.to_tsquery('english', processed_query)
            )))
            .options(selectinload(models.Post.owner))  # 소유자 정보 미리 로드

        result = await db.execute(stmt)
        posts = result.scalars().all()

    return templates.TemplateResponse("search_results.html", {
        "request": request,
        "posts": posts,
        "query": q if q else "",
        "current_user": current_user
    })


# ... (이후 라우트 /posts/{post_id}, /posts/{post_id}/comments 등은 변경되지 않음) ...

새로운 GET /search 라우트는 주로 다음을 수행합니다.

  1. q 매개변수(검색어)를 읽고 공백을 &로 바꿔 쿼리가 모든 키워드와 일치하도록 합니다.
  2. func.to_tsquery, func.ts_rank, op('@@')를 사용하여 특수 FTS 쿼리를 빌드하고 결과를 관련성(ts_rank)별로 내림차순 정렬합니다.
  3. 쿼리 결과와 함께 search_results.html 템플릿을 렌더링합니다.

5단계: 홈페이지에 검색 상자 추가

마지막으로 포럼 홈페이지에서 사용자에게 검색 진입점을 제공해야 합니다.

templates/posts.html을 수정하여 <header>에 검색 양식을 추가합니다.

templates/posts.html (헤더 업데이트)

... (head 및 style는 변경되지 않음) ...
<body>
    <header>
      <h1><a href="/posts" style="text-decoration: none; color: black;">Welcome to My Forum</a></h1>
      <div class="auth-links">
        {% if current_user %}
        <span>Welcome, {{ current_user.username }}!</span>
        {% if current_user.is_admin %}
        <a href="/admin" style="color: red; font-weight: bold;">[Admin Panel]</a>
        {% endif %}
        <a href="/logout">Logout</a>
        {% else %}
        <a href="/login">Login</a> |
        <a href="/register">Register</a>
        {% endif %}
      </div>
    </header>
    <form action="/search" method="GET" style="display: inline-block;">
      <input type="search" name="q" placeholder="Search posts..." />
      <button type="submit">Search</button>
    </form>

    ... (페이지 나머지 부분은 변경되지 않음) ...
</body>
</html>

또한 <h1> 태그에 <a> 링크를 추가하여 사용자가 제목을 클릭하면 홈페이지로 돌아갈 수 있도록 했습니다.

실행 및 확인

기능이 구현되었습니다. uvicorn 서버를 다시 시작합니다.

uvicorn main:app --reload

브라우저를 열고 http://127.0.0.1:8000으로 이동합니다.

페이지 상단 제목 옆에 새 검색 상자가 표시됩니다.

ImageP1

검색 상자에 단어를 입력하고 Enter 키를 누릅니다. 페이지가 /search 라우트로 리디렉션되고 관련 게시물이 표시됩니다.

ImageP2

요약

PostgreSQL FTS를 활용하여 포럼에 강력하고 전문적인 전문 검색 기능을 추가했습니다. 이제 사용자는 과거 게시물을 쉽게 찾을 수 있습니다.

다음 글에서는 포럼 기능을 계속 풍부하게 만들 것입니다. 게시물은 일반 텍스트만 포함할 수 있으며 이미지는 포함할 수 없다는 점을 알 수 있습니다.

다음 글에서는 다음과 같은 기능을 구현할 것입니다. 사용자가 게시물을 만들 때 이미지를 업로드할 수 있도록 합니다.

Share this article

HackerNews

More Posts from Leapcell

Popular Posts