问题标签 [full-text-indexing]

我有一个关于完整索引的问题，任何机构都可以帮助我吗？

1) 设置全文索引

2) 使用 CONTAINS 查找匹配的行

3) 一切顺利。只是返回空的结果集。而且我确信 Table Company 中有公司名称为“Microsoft”的公司

如果有人帮我这个忙，我将不胜感激。

我需要在 SQL Server 2005 中使用全文搜索，并且我已经探索了它的内置搜索方法（SQL Server 全文索引），但它似乎没有那么强大。

我还查看了 Lucene 的功能。

现在我的问题是：是否可以集成 Lucene 和 SQL 服务器？

1. 我的 T-SQL 查询可以使用 Lucene 索引来返回结果吗？（可能在内部使用基于 CLR 的函数）
2. 如何在表中的数据更新时更新 Lucene 索引
3. 什么可以是整体架构？
4. 是否有任何商业产品可以提供这种支持？

谢谢，HB

我有一个简单的查询，它依赖于两个全文索引表，但是当我将CONTAINS与任何其他OR搜索结合使用时，它的运行速度非常慢。从执行计划中可以看出，两次全文搜索压垮了性能。如果我只使用 1 个 CONTAINS 进行查询，或者两者都不查询，则查询是亚秒级的，但是当您将OR添加到组合中时，查询将变得命运多舛。

这两张表没有什么特别之处，它们并不太宽（一张有 42 列，另一张有 21 列；每个列中可能有 10 列被 FT 索引），甚至包含非常多的记录（两者中最大的有 36k 条记录）。

我能够通过将两个CONTAINS搜索拆分为它们自己的SELECT查询然后将这三个合并在一起来解决性能问题。这个 UNION 解决方法是我唯一的希望吗？

执行计划：

我有一些客户具有用户正在搜索的特定地址：

123 通用方式

数据库中有 5 行匹配：

---

我运行 FT 查询来查找这些行。当我向搜索添加更多条件时，我将向您展示每个步骤：

好的，到目前为止一切顺利，现在添加“通用”一词：

优秀的。现在我将添加用户想要确保存在的最终关键字：

嗯？没有行？如果我只查询“way*”怎么办：

起初我认为可能是因为*, 并且它要求根way后面有更多字符。但这不是真的：

• 搜索“123*”匹配“123”
• 搜索“generic*”匹配“generic”
• 在线书籍说，星号匹配零个、一个或多个字符

如果我删除*just for s&g 怎么办：

---

因此，有人可能会认为您甚至不允许单独或作为根进行搜索。way但这也不是真的：

---

综上所述，用户正在搜索包含所有单词的行：

123 通用方式

我正确地翻译成WHERE条款：

它不返回任何行。告诉我这行不通，这不是我的错，而且 SQL Server 很疯狂。

注意：我已经清空了 FT 索引并重建了它。

更新一

更新二

假装用户输入：

第 123 章

真正的问题是用户正在输入完全有效的内容，他们希望看到任何人都希望看到的内容。

---

更新三

有人要求这一切，这不是我的错！：

这是不相信我的人的屏幕截图：

应该有效但无效的查询：

有效但无用的查询：

有效但无用的查询，带有证明内容：

---

更新四

查询不能写成

因为有些项目在逻辑上或物理上没有被 FT 索引覆盖。例如，用户查询：

6/4/2010 伊恩博伊德 619

提出四个关键词：

• 2010 年 6 月 4 日
• 伊恩
• 博伊德
• 619

这意味着他们希望所有条件都成立，伪代码为：

这被翻译成部分查询：

其中一位回答者正在查看原始问题中提供的简化示例；不是现实世界。要说有多个从句是不正确的，那是不正确的。AND

我有一个包含 4000 条记录的表（通过全文搜索更容易处理）。当第一次执行搜索查询时，速度要慢得多。大约需要 5 到 10 秒。然后它变得更快。如果站点在 10 或 15 分钟内保持非活动状态，并且当我尝试再次执行查询时，它会变慢。

我正在使用 mysql+PHP。我想这是缓存问题。我们的网站托管在我无法访问缓存的第三方服务器中。

我的问题有什么解决方法吗。

提前致谢！

编辑：

你好，谢谢你的回复。这是我的查询。

从 PRODUCT_2_CATEGORY、PRODUCT、MERCHANT 中选择 PRODUCT_2_CATEGORY.PRODUCT_ID，其中 PRODUCT_2_CATEGORY.PRODUCT_ID = PRODUCT.ID AND PRODUCT.PRO_STATUS='active' AND PRODUCT.MERCHANT_ID = MERCHANT.ID AND MERCHANT.M_STATUS='active' AND (CAT_ID='1' OR CAT_ID='1004' OR CAT_ID='1005' OR CAT_ID='1006' OR CAT_ID='1007' OR CAT_ID='1008' OR CAT_ID='1002' OR CAT_ID='1003' OR CAT_ID='45' OR CAT_ID= '46' 或 CAT_ID='74' 或 CAT_ID='75' 或 CAT_ID='76' 或 CAT_ID='49' 或 CAT_ID='50' 或 CAT_ID='77' 或 CAT_ID='78' 或 CAT_ID='79 ' OR CAT_ID='80' OR CAT_ID='81' OR CAT_ID='82' OR CAT_ID='83' OR CAT_ID='84' OR CAT_ID='47' OR CAT_ID='89' OR CAT_ID='51'或 CAT_ID='52' 或 CAT_ID='88' 或 CAT_ID='87' 或 CAT_ID='86' 或 CAT_ID='85' 或 CAT_ID='48' 或 CAT_ID='53' 或 CAT_ID='54' 或 CAT_ID ='90' OR CAT_ID='200' OR CAT_ID='91' OR CAT_ID='92' OR CAT_ID='93' OR CAT_ID='94' OR CAT_ID='11' OR CAT_ID='95' OR CAT_ID=' 98' 或 CAT_ID='99' 或 CAT_ID='100' 或 CAT_ID='101' 或 CAT_ID='96' 或 CAT_ID='102' 或 CAT_ID='103' 或 CAT_ID='104' 或 CAT_ID='105' OR CAT_ID='106' OR CAT_ID='97' OR CAT_ID='107' OR CAT_ID='108' OR CAT_ID='109' OR CAT_ID='110' OR CAT_ID='114' OR CAT_ID='119' OR CAT_ID ='120' 或 CAT_ID='121' 或 CAT_ID='115'OR CAT_ID='122' OR CAT_ID='123' OR CAT_ID='124' OR CAT_ID='125' OR CAT_ID='116' OR CAT_ID='127' OR CAT_ID='128' OR CAT_ID='129' OR CAT_ID ='117' OR CAT_ID='130' OR CAT_ID='131' OR CAT_ID='118' OR CAT_ID='111' OR CAT_ID='132' OR CAT_ID='136' OR CAT_ID='137' OR CAT_ID=' 138' 或 CAT_ID='139' 或 CAT_ID='140' 或 CAT_ID='133' 或 CAT_ID='141' 或 CAT_ID='142' 或 CAT_ID='143' 或 CAT_ID='144' 或 CAT_ID='145'或 CAT_ID='146' 或 CAT_ID='134' 或 CAT_ID='147' 或 CAT_ID='148' 或 CAT_ID='149' 或 CAT_ID='150' 或 CAT_ID='151' 或 CAT_ID='135' 或 CAT_ID ='152' 或 CAT_ID='153' 或 CAT_ID='154' 或 CAT_ID='155' 或 CAT_ID='156' 或 CAT_ID='64' 或 CAT_ID='158' 或 CAT_ID='70' 或 CAT_ID='164' 或 CAT_ID='71' 或 CAT_ID='165'或 CAT_ID='159' 或 CAT_ID='166' 或 CAT_ID='167' 或 CAT_ID='168' 或 CAT_ID='169' 或 CAT_ID='160' 或 CAT_ID='73' 或 CAT_ID='170' 或 CAT_ID ='172' OR CAT_ID='173' OR CAT_ID='174' OR CAT_ID='161' OR CAT_ID='175' OR CAT_ID='176' OR CAT_ID='177' OR CAT_ID='178' OR CAT_ID=' 162' 或 CAT_ID='179' 或 CAT_ID='180' 或 CAT_ID='181' 或 CAT_ID='182' 或 CAT_ID='183' 或 CAT_ID='163' 或 CAT_ID='184' 或 CAT_ID='192'或 CAT_ID='191' 或 CAT_ID='190' 或 CAT_ID='189' 或 CAT_ID='188' 或 CAT_ID='187' 或 CAT_ID='186' 或 CAT_ID='185' 或 CAT_ID='193' 或 CAT_ID='112' 或 CAT_ID='113' 或 CAT_ID='65' OR CAT_ID='66' OR CAT_ID='67' OR CAT_ID='68' OR CAT_ID='69') AND MATCH(PRODUCT.TITLE) AGAINST('shirt' IN BOOLEAN MODE) ORDER BY PRODUCT.TITLE ASC LIMIT 0, 12

我们的网站托管在第三方网络服务器（Plesk 控制面板）上。所以，我不确定是否可以安装其他软件。

我们的网站是 2010.shoppingstrip.com.au。当您搜索某些内容时，将执行此查询。

谢谢

这两个过滤器有什么区别？它们似乎具有相同的效果？

谁能提供一个如何将它们应用于某些文本的示例？

每隔一段时间，我们就会在 MySQL 中得到一个运行时间特别长的全文查询。该查询将运行很长时间，目前我看到一个运行了 50,000 秒（并且仍在运行）的查询。对查询使用 Kill 或 Kill Query 似乎无济于事。另外，客户端的命令超时时间是30秒，所以客户端已经失败了，离开了，但是服务器一直在运行查询，消耗了相当多的资源。过去，我们必须重新启动 MySQL 服务才能让此类查询停止运行。有没有其他方法可以阻止这些查询。我们正在采取措施确保查询不会首先运行，但它们仍然会每隔一段时间运行一次，这是一个很大的痛苦。主要是因为在查询运行时，我们无法对表执行更新。

一个长时间运行的查询的例子是这样的：

由于 * 在搜索字符串的中间以及字符串的末尾，因此运行时间特别长。

我想用 Lucene 获得一些经常出现的短语。我从 TXT 文件中获取了一些信息，并且由于没有短语信息，例如“信息检索”被索引为两个单独的单词，我失去了很多上下文。

获得这样的短语的方法是什么？我在互联网上找不到任何有用的东西，感谢所有建议、链接、提示，尤其是示例！

编辑：我只按标题和内容存储我的文件：

因为对于我所做的最重要的是文件的内容。标题通常根本不是描述性的（例如，我有许多 PDF 学术论文的标题是代码或数字）。

我迫切需要从文本内容中索引出现最多的短语，刚才我看到这种简单的“词袋”方法效率不高。

我的数据库以三种语言（英语、法语和阿拉伯语）存储内容 我为几个表启用了全文索引，并且想了解一些最佳实践：
1. 什么时候向我展示语言中性索引？
2. 我可以索引阿拉伯语吗？我在可索引语言中看不到阿拉伯语！
3. 我应该为每种语言设置单独的索引吗？（我的每个元组都有这三种语言）

欢迎任何想法和建议。

想象一下，您有一个用 Django 和 Python 2.65 编写的 Web 应用程序，而 MySQL 5.1 是您选择的数据库。

现在，假设您需要扩展您的应用程序以处理搜索成千上万的文档，并且可能有成千上万的用户将使用它。

现实：在上述情况下，带有 PySolr 和 Solr 1.4.0 的 Haystack 1.0 被证明是缓慢的。MyISAM 是一个更可行的替代方案，还是我应该花更多时间以“更智能”的方式使用 Solr 处理我当前的配置？

建议？尖端？

感谢您的任何帮助！米肖