如何更好的利用Oracle全文检索

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。

 

<!-- 分页 -->

　　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：

　　Ø　　建议多字段索引的preference

　　以ctxsys登录，并执行：

EXEC　ctx_ddl.create_preference('　ctx_idx_subject_pref',

'MULTI_COLUMN_DATASTORE');

Ø　　　　　　　　　建立preference对应的字段值(以ctxsys登录)

EXEC　ctx_ddl.set_attribute('　ctx_idx_subject_pref　','columns','subjectname,briefintro');

Ø　　　　　　　　　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')
Ø　　　　　　　　　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。索引碎片严重的影响了查询的反应速度。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。

　　当文本从表中删除的时候，Oracle Text标记删除的文档，但是并不马上修改索引。因此，就的文档信息占据了不必要的空间，导致了查询额外的开销。你必须以FULL模式优化索引，从索引中删除无效的旧的信息。这个过程叫做垃圾处理。当你经常的对表文本数据进行更新，删除操作的时候，垃圾处理是很必要的。

　　exec　　 ctx_ddl.optimize_index ('myidx', 'full');

 

　　实施建议：每天在系统空闲的时候对全文索引进行相应的优化，以提高检索的效率