如何更好的利用Oracle全文检索 电脑资料

如何更好的利用Oracle全文检索 电脑资料 不使用Oracle text功能,也有很多方法可以在Oracle数据库中搜索文本.可以使用标准的INSTR函数和 LIKE操作符实现， SELECT *FROM mytext WHERE INSTR (thetext, Oracle) 0; SELECT * FROM mytext WHERE thetext LIKE % Oracle%; 有很多时候，使用instr和like是很理想的, 特别是搜索仅跨越很小的表的时候.然而通过这些文本定位的方法将导致全表扫描,对资源来说消耗比较昂贵,而且实现的搜索功能 也非常有限，因此对海量的文本数据进行搜索时，建议使用oralce提供的全文检索功能 建立全文检索的步骤 步骤一 检查和设置数据库角色首先检查数据库中是否有CTXSYS用户和CTXAPP脚色。如果没有这个 用户和角色，意味着你的数据库创建时未安装intermedia功能。你必须修改数据库以安装这项功能。 默认安装情况下，ctxsys用户是被锁定的，因此要先启用ctxsys的用户。 步骤二 赋权 在ctxsys用户 下把ctx_ddl的执行权限赋于要使用全文索引的用户，例： grant execute on ctx_ddl to pomoho; 步骤三 设置词法分析器(lexer) Oracle实现全文检索，其机制其 实很简单。即通过Oracle专利的词法分析器(lexer),将文章中所有的表意单元(Oracle 称为 term)找出 来，记录在一组 以dr$开头的表中，同时记下该term出现的位置、次数、hash 值等信息。检索时， Oracle 从这组表中查找相应的term，并计算其出现频率，根据某个算法来计算每个文档的得分(score), 即所谓的匹配率。而lexer则是该机制的核心，它决定了全文检索的效率。Oracle 针对 不同的语言提供了不同的 lexer, 而我们通常能用到其中的三个： n basic_lexer: 针对英语 。它能根据空格和标点来将英语单词从句子中分离，还能自动将一些出现频率过高已经失去检索意义的 单词作为垃圾处理，如if , is 等，具有较高的处理效率。但该lexer应用于汉语则有很 多问题，由于它只认空格和标点，而汉语的一句话中通常不会有空格，因此，它会把整句话作为一个 term,事实上失去检索能力。以中国人民站起来了这句话为例，basic_lexer 分析的结果 只有一个term ,就是中国人民站起来了。此时若检索中国，将检索不到 内容。 n chinese_vgram_lexer: 专门的汉语分析器，支持所有汉字字符集(ZHS16CGB231280 ZHS16GBK ZHT32EUC ZHT16BIG5 ZHT32TRIS ZHT16MSWIN950 ZHT16HKSCS UTF8 )。该分析器按字为单元来 分析汉语句子。中国人民站起来了这句话，会被它分析成如下几个term: 中 ，中国，国人，人民，民站， 站起，起来，来了，了。可以看出，这种分析方 法，实现算法很简单，并且能实现一网打尽，但效率则是差强人意。 n chinese_lexer: 这是一个新的汉语分析器，只支持utf8字符集。上面已经看到，chinese vgram lexer 这个分析器由于不认识常用的汉语词汇，因此分析的单元非常机械，像上面的民站， 站起在汉语中根本不会单独出现，因此这种term是没有意义的，反而影响效率。 chinese_lexer的最大改进就是该分析器 能认识大部分常用汉语词汇，因此能更有效率地分析句子，像 以上两个愚蠢的单元将不会再出现，极大 提高了效率。但是它只支持 utf8, 如果你的数据库是 zhs16gbk字符集，则只能使用笨笨的那个Chinese vgram lexer. 如果不做任何设置，Oracle 缺 省使用basic_lexer这个分析器。要指定使用哪一个lexer, 可以这样操作： 第一当前用户下下 建立一个preference(例：在pomoho用户下执行以下语句) exec ctx_ddl.create_preference (my_lexer, chinese_vgram_lexer); 第二在建立全文索引索引时，指明所用的 lexer: CREATE INDEX myindex ON mytable(mycolumn) indextype is ctxsys.context parameters(lexer my_lexer); 这样建立的全 文检索索引，就会使用chinese_vgram_lexer作为分析器。 步骤四 建立索引 通过以下语 法建立全文索引 CREATE INDEX schema.index on schema.table(column) INDEXTYPE IS ctxsys.context ONLINE LOCAL (PARTITION partition PARAMETERS(paramstring) , PARTITION partition PARAMETERS (paramstring) PARAMETERS(paramstring) PARALLEL n UNUSABLE; 例： CREATE INDEX ctx_idx_menuname ON pubmenu (menuname) indextype is ctxsys.context parameters(lexer my_lexer) 步骤五 使用索引 使用全文索引很简单，可以通过： select * from pubmenu where contains(menuname,上传图片)0 全文索引的种类 建立的 Oracle Text索引被称为域索引(domain index)，包括4种索引类型： l CONTEXT 2 CTXCAT 3 CTXRULE 4 CTXXPATH 依据你的应用程序和文本数据类型你可以任意选择 一种， 对多字段建立全文索引 很多时候需要从多个文本字段中查询满足条件的记录，这 时就需要建立针对多个字段的全文索引，例如需要从pmhsubjects( 专题 表)的subjectname(专题名称)和 briefintro(简介)上进行全文检索，则需要按以下步骤进行操作： ? 建议多字段索引 的preference 以ctxsys，并执行： EXEC ctx_ddl.create_preference( ctx_idx_subject_pref, MULTI_COLUMN_DATASTORE); ? 建立preference对应的字段值(以ctxsys) EXEC ctx_ddl.set_attribute( ctx_idx_subject_pref ,columns,subjectname,briefintro); ? 建立全文索引 CREATE INDEX ctx_idx_subject ON pmhsubjects(subjectname) INDEXTYPE ISctxsys.CONTEXT PARAMETERS(DATASTORE ctxsys.ctx_idx_subject_pref lexer my_lexer) ? 使用索引 select * from pmhsubjects where contains(subjectname,李宇春)0 全文索引的维护 对于CTXSYS.CONTEXT索引，当应用程序对基表进行DML操作后，对基表的索引维护是必须的。索 引维护包括索引同步和索引优化。 在索引建好后，我们可以在该用户下查到Oracle自动产生了以 下几个表：(假设索引名为myindex)： DR$myindex$I、DR$myindex$K、DR$myindex$R、 DR$myindex$N其中以I表最重要，可以查询一下该表，看看有什么内容： SELECT token_text, token_count FROM dr$i_rsk1$I WHERE ROWNUM = 20; 这里就 不列出查询接过了。可以看到，该表中保存的其实就是Oracle 分析你的文档后，生成的term记录在这里 ，包括term出现的位置、次数、hash值等。当文档的内容改变后，可以想见这个I表的内容也应该相应改 变，才能保证Oracle在做全文检索时正确检索到内容(因为所谓全文检索，其实核心就是查询这个表)。 这就用到sync(同步) 和 optimize(优化)了。 同步(sync): 将新的term 保存到I表； 优 化(optimize): 清除I表的垃圾，主要是将已经被删除的term从I表删除。 当基表中的被索引文档 发生insert、update、delete操作的时候，基表的改变并不能马上影响到索引上直到同步索引。可以查 询视图CTX_USER_PENDING查看相应的改动。例如： SELECT pnd_index_name, pnd_rowid, TO_CHAR (pnd_timestamp, dd-mon-yyyy hh24:mi:ss) timestamp FROM ctx_user_pending; 该语句的输出类似如下： PND_INDEX_NAME PND_ROWID TIMESTAMP - - - MYINDEX AAADXnAABAAAS3SAAC 06-oct-1999 15:56:50 同步和优化方法: 可以使用Oracle提供的ctx_ddl包同步和优化索引 一. 对于CTXCAT类型的索引来说， 当对基表进行DML操作的时候，Oracle自动维护索引。对文档的改变 马上反映到索引中。CTXCAT是事务形的索引。 索引的同步 在对基表插入，修改，删除之 后同步索引。推荐使用sync同步索引。语法： ctx_ddl.sync_index( idx_name IN VARCHAR2 DEFAULT NULL memory IN VARCHAR2 DEFAULT NULL, part_name IN VARCHAR2 DEFAULT NULL parallel_degree IN NUMBER DEFAULT 1); idx_name 索引名称 memory 指定同步索引需要的内存。默认是系统参数DEFAULT_INDEX_MEMORY 。 指定一个大的内存时候可以加快索引效率和查询速度，且索引有较少的碎片 part_name 同步哪个分区索引。 parallel_degree 并行同步索引。设置并行度。 例如： 同步索引myindex:Exec ctx_ddl.sync_index (myindex); 实施建议：建议通过oracle的job对索引进行同步 索引的优化 经常的索引同步将会导致你 的CONTEXT索引产生碎片。索引碎片严重 _了查询的反应速度。你可以定期优化索引来减少碎片，减 少索引大小，提高查询效率。