Compass2.2 学习笔记

分类： 检索搜索 2012-01-10 20:49 36人阅读 评论(0) 收藏 举报

 

学习Compass是个很快速的过程,它不像其他框架需要花很多时间学习它的API和了解它的工作流程.似乎Compass就是两个框架的组合版本.

为什么这样说呢?看下它的工作流程就知道了:

这个结构和Hibernate很相像,无非就是Hibernate把JDBC封装了一把.所以从结构上来说,只要我们了解了Hibernate,就已经对Compass有了了解.那么Hibernate需要提供API和配置文件来对JDBC进行操作,那么Compass呢?Compass不仅从结构上模仿了Hibernate,就连API风格也不尽相同.我们把它和Hibernate的API做个对比就知道了:

Hibernate API	Compass API
Configration cfg = new Configuration().configue();	CompassConfiguration cfg = new CompassConfiguration().configure();
SessionFactory sf = cfg.buildSessionFactory();	Compass compass = cfg.buildCompass();
Session session = sf.openSession();	CompassSession session = compass.openSession();
Transaction tx = session.beginTransaction();	CompassTransaction tx = session.beginTransaction();
session.xxx(); // do something	session.xxx(); // do something
tx.commit();	tx.commit();
session.close();	session.close();

再把两个session的核心方法比较一下:

Hibernate session API	CompassSession API
save(Object)	create(Object)	建立索引
saveOrUpdate(Object)	save(Object)	保存或更新
delete(Object)	delete(Class, ids...)	删除索引
get()	get()	获取
createQuery(hql).list()	find(String)	使用查询字符串查询

所以说,Compass与Hibernate极为相似,Compass总结起来就两句话:

Hibernate的风格

Lucene的思想

Compass2.2的版本所用的Lucene2.4.1,Lucene2.4与目前的Lucene3.0相比:

API的差别很大，代码不能通用

3.0效率更高

但是Compass用起来舒服,学习成本不高,所以这里用Compass2.2对索引库进行操作.

所需jar包

Compass配置文件

先从Compass的文档中复制配置模板:

 

再对其进行详细配置:

<compass name="default">

 <!-- 1，连接信息 -->

 <connection>

 <file path="./indexDir/" />

 </connection>

 <!-- 2，声明映射信息 -->

 <mappings>

 <class name="cn.domain.Article" />

 </mappings>

</compass>

在Lucene里面,如果将对象的数据存储在索引库里面,需要先把对象转换为Document,这个工作在Compass里面会自动将其转为Document,在Lucene里面还需要指定哪些Field是可以搜索的,并且是否存储在缓存数据里面,那么Compass也要提供相应的配置才行,Compass如何做到呢?它会在主配置文件(compass.cfg.xml)中通过反射得到Class,得到该类上所有的注解信息,这就是映射信息的作用.用Article作为测试类,属性如下:

public class Article {

 private Integer id;

 private String title;

 private String content;

再生成对应的getter、setter方法,我们要指明这个类的数据是可以被搜索到的,需要在类上添加注解:

@Searchable

public class Article {

这就表明这是一个可搜索对象,Compass会通过反射创造出该类的实例,所以一定要有无参的构造函数,并且有删除索引的需求,还有Field的配置等,对可搜索对象的所有要求为:

要有默认的构造方法

在类上要有：@Searchable

要有一个唯一标识符的属性:@SearchableId

其他的属性用:@SearchableProperty

第二个条件主要是针对删除和更新的,因为之前对Compass的核心方法和Hibernate的核心方法进行了对比,删除索引是用delete()方法,delete()方法不是接收一个对象,因为你把对象给它,它也不知道对象与与对象之间是以什么为区别的,所以给它一个Class,它通过在主配置文件中的映射信息,反射出该类, 再用你提供的第二个参数,也就是唯一标识符,来找到索引,从而进行删除和更新的操作,这就是@SearchableId的作用.

在Lucene里面将对象转为Document对象的时候,需要保存的数据用Field对象来封装,封装的时候,要提供是否存储数据以及是否为数据建立索引等配置,这就是@SearchableProperty的作用.完整的对类的配置为下,以id作为唯一标识符:

@Searchable

public class Article {

 // 对于唯一标识符，默认不可以进行搜索，除非明确的指定name属性。

 // Compass2.2对于数字是使用toString()策略，对于数字属性应指定format属性。

 // 如format="00000"，表示数字存为5个字符，如果不足5个，前面用若干个0补齐。

 @SearchableId(name = "id", format = "00000000")

 private Integer id;

 // name属性可以不写，默认当前属性（成员变量）的名称。

 @SearchableProperty(name = "title", store = Store.YES, index = Index.ANALYZED)

 private String title;

 @SearchableProperty(name = "content", store = Store.YES, index = Index.ANALYZED)

 private String content;

注意导包不要导错了,全是org.compass.annotations包中的.属性配置基本和Lucene里面一样.唯一需要注意的就是对数字的处理.如果在Compass的使用过程中出来问题,或者找不到索引之类的,一定要记得看你的数据类型.

创建索引的方式基本与Lucene相同,毕竟Compass是对Lucene的封装,思想是属于Lucene的.就像Hibernate使用Session需要先得到SessionFactory一样,Compass也需要获得SessionFactory,并且也是由Configuration对象来取得的:

public class ArticleDao {

 private Compass compassSessionFactory;

 public ArticleDao() {

 CompassConfiguration cfg = new CompassConfiguration().configure();

 compassSessionFactory = cfg.configure().buildCompass();

 }

在Hibernate中,对于Session,SessionFactory只需要一个就够了,对于一个索引库,全局只有一个Compass对象就可以了:

@Test

public void createIndex(){

 //准备好测试数据

 Article article = new Article();

 article.setId(1);

 article.setTitle("baby");

 article.setContent("love you");

 //获得Session

 CompassSession session = compassSessionFactory.openSession();

 //这个事务是针对索引库的事务

 CompassTransaction tx = session.beginTransaction();

 session.save(article);

 tx.commit();

 session.close(); //一定要记得关闭

}

简单的查询,就像Lucene的查询字符串一样.

@Test

public void searchIndex() {

 //获得Session

 CompassSession session = compassSessionFactory.openSession();

 //这个事务是针对索引库的事务

 CompassTransaction tx = session.beginTransaction();

 //找到一条结果数

 // Article article = session.load(Article.class, 1);

 // System.out.println(article.getId());

 // System.out.println(article.getTitle());

 // System.out.println(article.getContent());

 String queryString = "love";

 CompassHits hits = session.find(queryString);

 int count = hits.length();

 for (int i = 0; i < count; i++) {

 Article article = (Article) hits.data(i);

 System.out.println(article.getId());

 System.out.println(article.getTitle());

 System.out.println(article.getContent());

 }

 tx.commit();

 session.close(); //一定要记得关闭

}

这只是一个简单增加索引和查询索引的例子,权当做Hello World吧.

每次使用Session都要从SessionFactory中获取,无疑是很麻烦的,不如把SessionFactory维护在工具类里面,全局只有一个,在用一个静态方法得到一个Session.

@Test

public void deleteIndex(){

 CompassSession session = CompassUtils.getSession();

 CompassTransaction tx = session.beginTransaction();

 session.delete(Article.class,1);

 tx.commit();

 session.close();

}

@Test

public void updateIndex(){

 CompassSession session = CompassUtils.getSession();

 CompassTransaction tx = session.beginTransaction();

 Article article = session.get(Article.class, 1);

 article.setContent("love love");

 session.save(article);

 tx.commit();

 session.close();

}

注意,如果唯一标识符是数字,并且没有在实体类里面对唯一标识符使用format属性,则以上代码获取不到!

 

---

默认的分词是标准分词器,这个分词器对中文采取的是单字分词,根本没办法使用.一般做法是用第三方的分词器,常用的有极易分词、庖丁分词、IKAnalyzer等.要使用分词器,需要在Compass的主配置文件里面进行配置,这里采用极易分词:

<!-- 3，其他配置 -->

<settings>

 <!-- 配置分词器类型 -->

 <setting name="compass.engine.analyzer.default.type" value="jeasy.analysis.MMAnalyzer"></setting>

</settings>

这个分词器对中文支持比较好,采用的是词库分词,准确度较高.

 

---

接下来还要配置高亮器,配置高亮器主要有三点:前缀、后缀、高亮显示的摘要.同样是在主配置文件里面进行配置:

<!-- 3，其他配置 -->

<settings>

 <!-- 高亮配置：摘要的长度（字符数量，默认为100） -->

 <setting name="compass.engine.highlighter.default.fragmenter.simple.size" value="20" />

 <!-- 高亮配置：显示效果的前缀 -->

 <setting name="compass.engine.highlighter.default.formatter.simple.pre" value="&lt;span class='keyword'&gt;" />

 <!-- 高亮配置：显示效果的后缀 -->

 <setting name="compass.engine.highlighter.default.formatter.simple.post" value="&lt;/span&gt;" />

 <!-- 配置分词器类型 -->

 <setting name="compass.engine.analyzer.default.type" value="jeasy.analysis.MMAnalyzer"></setting>

</settings>

注意,前缀和后缀中的标签,要转义,不然会和配置文件中的符号产生冲突!

@Test

public void highlighterIndex() {

 CompassSession session = CompassUtils.getSession();

 CompassTransaction tx = session.beginTransaction();

 // 查询条件

 String queryString = "love";

 CompassHits hits = session.find(queryString);

 int count = hits.length();

 for (int i = 0; i < count; i++) {

 Article article = (Article) hits.data(i);

 // -------------------------

 // 进行高亮操作，一次高亮一个属性值

  // 返回高亮后的一段文本摘要，原属性值不会改变

   // 如果当前高亮的属性值中没有出现关键字，则返回null.

 String text = hits.highlighter(i).fragment("content");

 if(text != null){

 // 使用的高亮后的文本替原文本

 article.setContent(text);

 }

 System.out.println(article.getId());

 System.out.println(article.getTitle());

 System.out.println(article.getContent());

 }

 tx.commit();

 session.close();

}

一般来说搜索结果的排序和Lucene里面是一样的,按照相关度得分进行排序,在实际应用中,往往需要人工操纵得分,比如给了推广费之类的,既然有这种需求,自然就有这种做法,和Lucene的不同之处在于,Lucene在添加索引时控制相关度得分的比重,Compass也是在添加索引时控制,不过需要在实体类里面增加一个属性和它的getter、setter方法,这个属性决定了所有这个类的数据的相关度得分的比重,也就是说可以让只要是这个实体类的数据,就能比别的类的数据得分要高,并且只要是设置了这个属性,就能在添加索引时控制相关度得分的比重:

@SearchableBoostProperty

private float boostValue = 1F;

在实体里面增加这个属性,属性名无所谓,类型是float,最重要的是要有getter、setter方法和@SearchableBoostProperty,必须要有这处注解,Lucene才能在你调用相关方法的时候,通过反射获得有这个注解的属性名,在调用它的getter方法,得到值,那么在程序中就要增加一句代码:

//准备好测试数据

Article article = new Article();

article.setId(3);

article.setTitle("baby");

article.setContent("love you");

//设定比重,默认为1L

article.setBoostValue(2L);

其他地方都是一样的.除了对相关度得分的排序以外,还可能在搜索时使用某个属性的值进行排序.这也是可以的:

@Test

public void sortIndex() {

 CompassSession session = CompassUtils.getSession();

 CompassTransaction tx = session.beginTransaction();

 // 查询条件

 String queryString = "love";

 //CompassHits hits = session.find(queryString);

 CompassQuery query = session.queryBuilder().queryString(queryString).toQuery();

 query.addSort("id");

 CompassHits hits = query.hits();

 int count = hits.length();

 for (int i = 0; i < count; i++) {

 Article article = (Article) hits.data(i);

 System.out.println(article.getId());

 System.out.println(article.getTitle());

 System.out.println(article.getContent());

 }

 tx.commit();

 session.close();

}

只需要在得到搜索结果之前做一点改动.先得到CompassQuery对象,调用这个对象的addSort()方法增加排序规则.像上述一样,则是按升序进行排序,也可以替换成下面这句使用降序排列:

query.addSort("id",SortDirection.REVERSE);

注意,指定参与排序的字段时,参与排序的字段必须要是Index.NOT_ANALYZED,否则分词后无法找到!

有时候也会使用到过滤器对搜索结果进行过滤.

@Test

public void filterIndex() {

 CompassSession session = CompassUtils.getSession();

 CompassTransaction tx = session.beginTransaction();

 //查询条件

 String queryString = "love";

 //得到CompassQuery对象,准备查询

 CompassQuery query = session.queryBuilder().queryString(queryString).toQuery();

 /**

 * 增加过滤条件,between第三、四个参数分别代表是否包含下边界和上边界

 */

 CompassQueryFilter filter = session.queryFilterBuilder().between("id", 2, 3, true, true);

 //添加过滤器

 query.setFilter(filter);

 CompassHits hits = query.hits();

 int count = hits.length();

 for (int i = 0; i < count; i++) {

 Article article = (Article) hits.data(i);

 System.out.println(article.getId());

 System.out.println(article.getTitle());

 System.out.println(article.getContent());

 }

 tx.commit();

 session.close();

}

但是使用过滤器是效率很低的做法,使用查询字符串可以获得更高的效率,而且可以达到同样的效果.下面就对各种查询进行简要说明:

@Test

public void search() throws Exception {

 CompassSession session = CompassUtils.openSession();

 CompassTransaction tx = session.beginTransaction();

 // 查询方式一：使用查询字符串（可以有查询语法）

 // CompassHits hits = session.find(queryString);

 // -----------------------------------------------------------------

 // 查询方式二：构建CompassQuery对象

 // 1，查询所有

 CompassQuery query1 = session.queryBuilder().matchAll();

 // 2，关键词查询

 CompassQuery query2 = session.queryBuilder().term("title", "lucene");

 // 3，范围查询

 CompassQuery query3 = session.queryBuilder().between("id", 5, 15, true);

 // 4，通配符查询

 CompassQuery query4 = session.queryBuilder().wildcard("title", "lu*n?");

 // 5，短语查询

 // 设定精确间隔的匹配方式，写法1

 CompassMultiPhraseQueryBuilder qb = session.queryBuilder().multiPhrase("title");

 qb.add("lucene", 0); // 第一个词位置从0开始

 qb.add("工作", 2); // 第二个词位置从2开始

 CompassQuery query5 = qb.toQuery();

 // 设定精确间隔的匹配方式，写法2

 CompassQuery query6 = session.queryBuilder().multiPhrase("title")//

 .add("lucene", 0) // 第一个词位置从0开始

 .add("工作", 2) // 第二个词位置从2开始

 .toQuery();

 // 设定最多间隔的匹配方式

 CompassQuery query7 = session.queryBuilder().multiPhrase("title")//

 .add("lucene") //

 .add("工作") //

 .setSlop(5) // 指定的词之间的最长间隔不超过5个词

 .toQuery();

 // 6，布尔查询

 CompassQuery query = session.queryBuilder().bool()//

 // .addMust(query)

 // .addMustNot(query)

 // .addShould(query)

 .addMust(query1)//

 .addMustNot(query3)//

 .toQuery();

 // -------------------------------

 CompassHits hits = query.hits();

 // 处理结果

 List<Article> list = new ArrayList<Article>();

 int count = hits.length(); // 总结果数

 for (int i = 0; i < hits.length(); i++) {

 Article article = (Article) hits.data(i);

 list.add(article);

 }

 tx.commit();

 session.close();

 // -----------------------------------------------------------------

 // 显示结果

 System.out.println("====== 符合条件的总记录数为：" + count + " ======");

 for (Article a : list) {

 System.out.println("--------------> id = " + a.getId());

 System.out.println("title = " + a.getTitle());

 System.out.println("content= " + a.getContent());

 }

}

基本上还是Lucene的那一套,只是简单的封装一下而已.

---