如何更好的利用Oracle全文檢索
加入技術(shù)交流群
SELECT *FROM mytext WHERE INSTR (thetext, 'Oracle') > 0;
SELECT * FROM mytext WHERE thetext LIKE '%Oracle%';
有很多時候，使用instr和like是很理想的, 特別是搜索僅跨越很小的表的時候.然而通過這些文本定位的方法將導(dǎo)致全表掃描,對資源來說消耗比較昂貴,而且實現(xiàn)的搜索功能也非常有限，因此對海量的文本數(shù)據(jù)進(jìn)行搜索時，建議使用oralce提供的全文檢索|0">全文檢索功能 建立全文檢索的步驟步驟一 檢查和設(shè)置數(shù)據(jù)庫角色首先檢查數(shù)據(jù)庫中是否有CTXSYS用戶和CTXAPP腳色。如果沒有這個用戶和角色，意味著你的數(shù)據(jù)庫創(chuàng)建時未安裝intermedia功能。你必須修改數(shù)據(jù)庫以安裝這項功能。 默認(rèn)安裝情況下，ctxsys用戶是被鎖定的，因此要先啟用ctxsys的用戶。 步驟二 賦權(quán) 在ctxsys用戶下把ctx_ddl的執(zhí)行權(quán)限賦于要使用全文索引的用戶，例：
步驟三 設(shè)置詞法分析器(lexer)
Oracle實現(xiàn)全文檢索，其機(jī)制其實很簡單。即通過Oracle專利的詞法分析器(lexer),將文章中所有的表意單元(Oracle 稱為 term)找出來，記錄在一組 以dr$開頭的表中，同時記下該term出現(xiàn)的位置、次數(shù)、hash 值等信息。檢索時，Oracle 從這組表中查找相應(yīng)的term，并計算其出現(xiàn)頻率，根據(jù)某個算法來計算每個文檔的得分(score),即所謂的‘匹配率’。而lexer則是該機(jī)制的核心，它決定了全文檢索的效率。Oracle 針對不同的語言提供了不同的 lexer, 而我們通常能用到其中的三個：
n basic_lexer: 針對英語。它能根據(jù)空格和標(biāo)點來將英語單詞從句子中分離，還能自動將一些出現(xiàn)頻率過高已經(jīng)失去檢索意義的單詞作為‘垃圾’處理，如if , is 等，具有較高的處理效率。但該lexer應(yīng)用于漢語則有很多問題，由于它只認(rèn)空格和標(biāo)點，而漢語的一句話中通常不會有空格，因此，它會把整句話作為一個term,事實上失去檢索能力。以‘中國人民站起來了’這句話為例，basic_lexer 分析的結(jié)果只有一個term ,就是‘中國人民站起來了’。此時若檢索‘中國’，將檢索不到內(nèi)容。
n chinese_vgram_lexer: 專門的漢語分析器，支持所有漢字字符集(ZHS16CGB231280 ZHS16GBK ZHT32EUC ZHT16BIG5 ZHT32TRIS ZHT16MSWIN950 ZHT16HKSCS UTF8 )。該分析器按字為單元來分析漢語句子。‘中國人民站起來了’這句話，會被它分析成如下幾個term: ‘中’，‘中國’，‘國人’，‘人民’，‘民站’，‘站起’，起來’，‘來了’，‘了’。可以看出，這種分析方法，實現(xiàn)算法很簡單，并且能實現(xiàn)‘一網(wǎng)打盡’，但效率則是差強(qiáng)人意。
n chinese_lexer: 這是一個新的漢語分析器，只支持utf8字符集。上面已經(jīng)看到，chinese vgram lexer這個分析器由于不認(rèn)識常用的漢語詞匯，因此分析的單元非常機(jī)械，像上面的‘民站’，‘站起’在漢語中根本不會單獨出現(xiàn)，因此這種term是沒有意義的，反而影響效率。chinese_lexer的最大改進(jìn)就是該分析器 能認(rèn)識大部分常用漢語詞匯，因此能更有效率地分析句子，像以上兩個愚蠢的單元將不會再出現(xiàn)，極大 提高了效率。但是它只支持 utf8, 如果你的數(shù)據(jù)庫是zhs16gbk字符集，則只能使用笨笨的那個Chinese vgram lexer.
如果不做任何設(shè)置，Oracle 缺省使用basic_lexer這個分析器。要指定使用哪一個lexer, 可以這樣操作：
第一． 當(dāng)前用戶下下建立一個preference(例：在pomoho用戶下執(zhí)行以下語句)
第二． 在建立全文索引索引時，指明所用的lexer:
這樣建立的全文檢索索引，就會使用chinese_vgram_lexer作為分析器。
步驟四 建立索引
通過以下語法建立全文索引
步驟五 使用索引
使用全文索引很簡單，可以通過：
select * from pubmenu where contains(menuname,'上傳圖片')>0
全文索引的種類
建立的Oracle Text索引被稱為域索引(domain index)，包括4種索引類型：
l CONTEXT
2 CTXCAT
3 CTXRULE
4 CTXXPATH
依據(jù)你的應(yīng)用程序和文本數(shù)據(jù)類型你可以任意選擇一種。
對多字段建立全文索引
很多時候需要從多個文本字段中查詢滿足條件的記錄，這時就需要建立針對多個字段的全文索引，例如需要從pmhsubjects(專題表)的subjectname(專題名稱)和briefintro(簡介)上進(jìn)行全文檢索，則需要按以下步驟進(jìn)行操作：
Ø 建議多字段索引的preference
以ctxsys登錄，并執(zhí)行：
全文索引的維護(hù)
對于CTXSYS.CONTEXT索引，當(dāng)應(yīng)用程序?qū)磉M(jìn)行DML操作后，對基表的索引維護(hù)是必須的。索引維護(hù)包括索引同步和索引優(yōu)化。
在索引建好后，我們可以在該用戶下查到Oracle自動產(chǎn)生了以下幾個表：(假設(shè)索引名為myindex)：
DR$myindex$I、DR$myindex$K、DR$myindex$R、DR$myindex$N其中以I表最重要，可以查詢一下該表，看看有什么內(nèi)容：
這里就不列出查詢接過了?？梢钥吹剑摫碇斜４娴钠鋵嵕褪荗racle 分析你的文檔后，生成的term記錄在這里，包括term出現(xiàn)的位置、次數(shù)、hash值等。當(dāng)文檔的內(nèi)容改變后，可以想見這個I表的內(nèi)容也應(yīng)該相應(yīng)改變，才能保證Oracle在做全文檢索時正確檢索到內(nèi)容(因為所謂全文檢索，其實核心就是查詢這個表)。這就用到sync(同步) 和 optimize(優(yōu)化)了。
同步(sync): 將新的term 保存到I表；
優(yōu)化(optimize): 清除I表的垃圾，主要是將已經(jīng)被刪除的term從I表刪除。
當(dāng)基表中的被索引文檔發(fā)生insert、update、delete操作的時候，基表的改變并不能馬上影響到索引上直到同步索引?？梢圆樵円晥DCTX_USER_PENDING查看相應(yīng)的改動。例如：
同步和優(yōu)化方法: 可以使用Oracle提供的ctx_ddl包同步和優(yōu)化索引
一. 對于CTXCAT類型的索引來說， 當(dāng)對基表進(jìn)行DML操作的時候，Oracle自動維護(hù)索引。對文檔的改變馬上反映到索引中。CTXCAT是事務(wù)形的索引。
索引的同步
在對基表插入，修改，刪除之后同步索引。推薦使用sync同步索引。語法：
指定一個大的內(nèi)存時候可以加快索引效率和查詢速度，且索引有較少的碎片
part_name 同步哪個分區(qū)索引。
parallel_degree 并行同步索引。設(shè)置并行度。
例如：
同步索引myindex:Exec ctx_ddl.sync_index ('myindex');
實施建議：建議通過oracle的job對索引進(jìn)行同步
索引的優(yōu)化
經(jīng)常的索引同步將會導(dǎo)致你的CONTEXT索引產(chǎn)生碎片。索引碎片嚴(yán)重的影響了查詢的反應(yīng)速度。你可以定期優(yōu)化索引來減少碎片，減少索引大小，提高查詢效率。
當(dāng)文本從表中刪除的時候，Oracle Text標(biāo)記刪除的文檔，但是并不馬上修改索引。因此，就的文檔信息占據(jù)了不必要的空間，導(dǎo)致了查詢額外的開銷。你必須以FULL模式優(yōu)化索引，從索引中刪除無效的舊的信息。這個過程叫做垃圾處理。當(dāng)你經(jīng)常的對表文本數(shù)據(jù)進(jìn)行更新，刪除操作的時候，垃圾處理是很必要的。
exec ctx_ddl.optimize_index ('myidx', 'full');
實施建議：每天在系統(tǒng)空閑的時候?qū)θ乃饕M(jìn)行相應(yīng)的優(yōu)化，以提高檢索的效率
評論