編輯“Sphinx/屬性”

{{Sphinx導(dǎo)航}}

屬性是附加在每個(gè)文檔上的額外的信息（值），可以在搜索的時(shí)候用于過濾和排序。

搜索結(jié)果通常不僅僅是進(jìn)行文檔的匹配和相關(guān)度的排序，經(jīng)常還需要根據(jù)其他與文檔相關(guān)聯(lián)的值，對(duì)結(jié)果進(jìn)行額外的處理。例如，用戶可能需要對(duì)新聞檢索結(jié)果依次按日期和相關(guān)度排序，檢索特定價(jià)格范圍內(nèi)的產(chǎn)品，檢索某些特定用戶的[[blog]]日志，或者將檢索結(jié)果按月分組。為了高效地完成上述工作，Sphinx允許給文檔附加一些額外的屬性，并把這些值存儲(chǔ)在全文索引中，以便在對(duì)全文匹配結(jié)果進(jìn)行過濾、排序或分組時(shí)使用。

屬性與字段不同，不會(huì)被全文[[索引]]。他們僅僅是被存儲(chǔ)在索引中，屬性進(jìn)行全文檢索式不可能的。如果要對(duì)屬性進(jìn)行全文檢索，系統(tǒng)將會(huì)返回一個(gè)錯(cuò)誤。

例如，如果column被設(shè)置為屬性，就不能使用擴(kuò)展表達(dá)式@column 1去匹配column為1的文檔；如果數(shù)字字段按照普通的方式被索引，那么就可以這樣來匹配。

屬性可用于過濾，或者限制返回的數(shù)據(jù)，以及排序或者 結(jié)果分組; 也有可能是完全基于屬性排序的結(jié)果, 而沒有任何搜索相關(guān)功能的參與. 此外, 屬性直接從搜索服務(wù)程序返回信息, 而被索引的文本內(nèi)容則沒有返回.

[[論壇]]帖子表是一個(gè)很好的例子。假設(shè)只有帖子的標(biāo)題和內(nèi)容這兩個(gè)字段需要全文檢索，但是有時(shí)檢索結(jié)果需要被限制在某個(gè)特定的作者的帖子或者屬于某個(gè)子論壇的帖子中（也就是說，只檢索在SQL表的author_id和forum_id這兩個(gè)列上有特定值的那些行），或者需要按post_date列對(duì)匹配的結(jié)果排序，或者根據(jù)post_date列對(duì)帖子按月份分組，并對(duì)每組中的帖子計(jì)數(shù)。

可以通過名字來指示特定的屬性，并且這個(gè)名字是大小寫無關(guān)的（注意：直到目前為止，Sphinx還不支持中文作為屬性的名稱）。屬性并不會(huì)被全文索引，他們只是按原封不動(dòng)的存儲(chǔ)在索引文件中。目前支持的屬性類型如下：

#無符號(hào)整數(shù)（1-32位寬）;
#[[UNIX]]時(shí)間戳（timestamps）;
#浮點(diǎn)值（32位，IEEE 754單精度）;
#字符串序列 (尤其是計(jì)算出的整數(shù)值);
#多值屬性MVA( multi-value attributes ) (32位無符號(hào)整型值的變長序列).

由各個(gè)文檔的全部的屬性信息構(gòu)成了一個(gè)集合，它也被稱為文檔信息 docinfo. 文檔信息可以按如下兩種方式之一存儲(chǔ)：

#與全文索引數(shù)據(jù)分開存儲(chǔ)（“外部存儲(chǔ)”，在.spa文件中存儲(chǔ)）, 或者
#在全文索引數(shù)據(jù)中，每出現(xiàn)一次文檔ID 就出現(xiàn)相應(yīng)的文檔信息（“內(nèi)聯(lián)存儲(chǔ)”，在.spd文件中存儲(chǔ)）

當(dāng)采用外部存儲(chǔ)方式時(shí)，searchd總是在RAM中保持一份.spa文件的拷貝（該文件包含所有文檔的所有文檔信息）。這是主要是為了提高性能，因?yàn)榇疟P的隨機(jī)訪問太慢了。相反，內(nèi)聯(lián)存儲(chǔ)并不需要任何額外的[[RAM]]，但代價(jià)是[[索引]]文件的體積大大地增加了；請(qǐng)注意，全部屬性值在文檔[[ID]]出現(xiàn)的每一處都被復(fù)制了一份，而文檔ID出現(xiàn)的次數(shù)恰是文檔中不同關(guān)鍵字的數(shù)目。僅當(dāng)有一個(gè)很小的屬性集、龐大的文本數(shù)據(jù)集和受限的RAM時(shí)，內(nèi)聯(lián)存儲(chǔ)才是一個(gè)可考慮的選擇。在大多數(shù)情況下，外部存儲(chǔ)可令建立索引和檢索的效率都大幅提高。

檢索時(shí)，采用外部存儲(chǔ)方式產(chǎn)生的的內(nèi)存需求為 (1+number_of_attrs)*number_of_docs*4字節(jié)，也就是說，帶有兩個(gè)屬性和一個(gè)時(shí)間戳的1千萬篇文檔會(huì)消耗(1+2+1)*10M*4 = 160 MB的RAM。這是每個(gè)檢索的守護(hù)進(jìn)程（PER DAEMON）消耗的量，而不是每次查詢，searchd僅在啟動(dòng)時(shí)分配160MB的內(nèi)存，讀入數(shù)據(jù)并在不同的查詢之間保持這些數(shù)據(jù)。子進(jìn)程并不會(huì)對(duì)這些數(shù)據(jù)做額外的拷貝。

==參考來源==
*http://www.coreseek.cn/docs/coreseek_3.2-sphinx_0.9.9.html#required-tools 



[[category:Sphinx|S]]
{{Sphinx使用手冊(cè)}}