文本字段用什么索引

转载

mob64ca1419a401 2024-11-27 10:28:55

文章标签 文本字段用什么索引数据库 HTML oracle 自定义 文章分类 数据仓库大数据

本文内容

假设用 SQL*Plus 已经创建了一个用户，并为该用户授权相应的角色和执行 CTX 包的权限。在此基础上，讨论 Oracle 全文检索中的 CONTEXT 索引。

CONTEXT 索引很适合索引大文档，如 MS Word、HTML，或纯文本。你可以以很多种不同的方式自定义一个 CONTEXT 索引。文档必须被加载在一个文本表中。

CONTEXT 索引和 DML
CONTEXT 索引的默认行为
演示索引 HTML 文档
演示用 FILTER BY 和 ORDER BY 处理的查询创建 CONTEXT 索引
CONTEXT 索引的“偏好”
修改记录

CONTEXT 索引和 DML

CONTEXT 索引不是事务性的。

当你删除记录时，索引的变化立刻反应出来。也就是说，从你删除记录那刻起，你的会话不能找到该记录。只要你提交，其他用户也将不能找到该记录。
对于插入和更新，新的信息直到发生索引同步，文本搜索才能看到。

因此，当你执行插入或更新时，必须用 CTX_DDL.SYNC_INDEX 显示同步索引。

示例1：演示用 2M 内部同步索引。

begin

ctx_ddl.sync_index('myindex', '2M');

end;

示例2：演示用 2M 内存同步 part1 索引分区。

begin

ctx_ddl.sync_index('myindex', '2M', 'part1');

end;

参看 CTX_DDL.SYNC_INDEX 语法。

CONTEXT 索引的默认行为

下面在 docs 表的 text 列上创建一个名为 myindex 默认 CONTEXT 索引：

CREATE INDEX myindex ON docs(text) INDEXTYPE IS CTXSYS.CONTEXT;

该 SQL 是创建 CONTEXT 索引的最简单形式，没有任何配置。因此，有必要了解 Oracle 数据库在此情况的默认行为。

当使用 CREATE INDEX 没有显示指定参数时，系统对所有国家语言按如下默认动作：

假设要索引的文本直接存储在 text 列。text 列可以是 CLOB、BLOB、BFILE、VARCHAR2 和 CHAR 类型。
检查列的类型，并对 BLOB 和 BFILE 二进制列使用过滤。大部分文档格式都支持过滤。如果你的列是纯文本，那么系统不使用过滤。
假设要索引的文本的语言是你安装数据库时指定的。
使用你安装数据库时指定语言的默认“非索引字列表（stoplist ）”。非索引字列表标识索引期间系统忽略的词。这是为了精简全文索引，去掉那些经常出现但对搜索没用的字符串。在索引创建期间，将忽略这些词。如，在英语中，诸如 "a"、"and"、"is" 和 "the" 之类的词；中文中，那些咿咿呀呀的语气词等。
为你的语言启用模糊和词干查询。当然如果该功能在你的语言可用的话。
你总是可以通过填充因子（Preferences）和参数（parameter ）改变默认的索引行为。在参数里使用填充因子。

演示索引 HTML 文档

若索引位于 URLs 的 HTML 文档集，你可以在 CREATE INDEX 语句中指定系统已定义的 NULL_FILTER。

你也可以使用 HTML_SECTION_GROUP 指定节组，以及使用 URL_DATASTORE 数据存储在 my_url：

begin

ctx_ddl.create_preference('my_url','URL_DATASTORE');

ctx_ddl.set_attribute('my_url','HTTP_PROXY','www-proxy.us.oracle.com');

ctx_ddl.set_attribute('my_url','NO_PROXY','us.oracle.com');

ctx_ddl.set_attribute('my_url','Timeout','300');

end;

begin

ctx_ddl.create_section_group('htmgroup', 'HTML_SECTION_GROUP');

ctx_ddl.add_zone_section('htmgroup', 'heading', 'H1');

end;

之后，你可以按如下索引你的文档：

CREATE INDEX myindex on docs(htmlfile) indextype is ctxsys.context

parameters(

'datastore my_url filter ctxsys.null_filter section group htmgroup'

);

说明：
本例先创建“填充因子”，并在创建 CONTEXT 索引时，在其参数中规定“填充因子”。
datastore 为 my_url
filter 为 ctxsys.null_filter
section group 为 htmlgroup

自定义 CONTEXT 索引

通过在创建 CONTEXT 索引前创建“填充因子”，并在创建 CONTEXT 索引时参数中使用你创建填充因子，就可以自定义 CONTEXT 索引。

“填充因子”是 MS SQL Server 的叫法，我觉得蛮合适的，所以在 Oracle 中借用一下。所谓的“填充因子”相当于创建 CONTEXT 索引时/前对其的配置。

演示用 FILTER BY 和 ORDER BY 处理的查询创建 CONTEXT 索引

为了使查询处理更有效和混合查询响应时间更快，你可以在创建 CONTEXT 索引时使用 FILTER BY 和 ORDER BY 子句。如下所示：

CREATE INDEX myindex on docs(text) INDEXTYPE is CTXSYS.CONTEXT

FILTER BY category, publisher, pub_date

ORDER BY pub_date desc;

说明：
通过在查询时指定过滤 category、publisher、pub_date 列，Oracle 文本将考虑把这些列的所有关系谓词放到文本索引的行资源，以获得更有效的查询处理。
另外，通过指定 pub_date 降序排序，当查询已经匹配 ORDER BY 时，为了获得更好的响应时间，Oracle 文本将决定是否把 SORT 放到文本索引的行资源。