Marklogic学习 —— 自由发问式通用索引

摘要：在Marklogic的官网http://www.marklogic.com介绍中，对于Marklogic的特性介绍，有一栏为Easy to Get Data Out，它还有一个标题“Ask Anything” Universal Index，暂且译为Marklogic的自由发问式通用索引。

自由发问式通用索引

Marklogic数据库本身支持搜索引擎，它可以从数据仓库中加载数据并在整个数据库中查询。对于标准的查询，Marklogic只需要花费少量的时间，便可以构建索引，而不像有些数据库，需要额外的搜索引擎来支持全文检索。Marklogic在数据加载的时候，会使用一种被称为”Ask Anything”通用索引机制生成索引，这样你就可以及时查询到你想要的数据。

• 范围广：利用索引使查询贯穿整个数据库
• 规模大：数据量大到拍字节/亿级别文档
• 新数据获取时，不限制次数的及时提醒
• 快：亚秒级出结果

复杂索引

Marklogic存入的数据时不关心schema. 你可以方便的存入JSON和XML文档、RDF、坐标、二进制数据。所有的数据都可以被”Ask Anything” Universal Index及时索引。此外，针对某些特定的数据类型，Marklogic还有其他的索引方案。

• Index “everything” 通用索引在数据获取时立即生效，这样的数据包括单词，短语，关联
• Index even more 触发范围索引、坐标索引、三元索引、倒排索引的使用取决于你的数据，查询语句，期望的性能
• Get real-time results 使用JavaScript、XQuery、SPARQL、SQL等语言查询时，可以闪电般的得到结果，并且是在事务一致性的前提下
• Ingest multi-lingual content 支持超过200种语言的数据加载，并且可以分词，校对，字干检索

主要搜索特性

谈及搜索，Marklogic拥有企业家搜索引擎应该具备的所有特性。下面列举一些主要的搜索特性，想要了解更多特性，参见http://docs.marklogic.com/guide/search-dev

• Robust full-text search 检索数据是用单词还是短语主要靠布尔逻辑，字干检索、通配符、大小写敏感、标点敏感、发音敏感、权重
• Type-ahead suggestions 根据你的输入，展示给你相关的内容
• Co-occurrence relationships 在不同的数据源下共同查询某一特定元素
• Document structure 不仅仅是数据本身，还关心数据结构。可以在文档层级查询某一特定标签
• Facets 可以根据目录做数据聚合
• Snippeting 返回文档的一小段内容
• Highlighted search terms 高亮检索的内容
• Proximity boosting 将更接近搜索关键词的内容置顶
• Relevance ranking 可以调整，文档的出现顺序依赖词频等参数
• Explicitly sorted results 依据相关性排序

高级特性

对于企业级搜索，下面的一些高级特性，在Marklogic中也同样适用：

• Geospatial Search 支持地理坐标搜索
• Semantic Search 扩展的搜索基于数据关系（通过搜索，假如你搜索“心脏导管”，可以关联出“植入装置”）
• Advanced Language Support 支持如下语言的分词，校对，字干检索：阿拉伯语、简体中文、繁体中文、荷兰语、法语、德语、意大利语、日语、韩语、挪威语、波斯语、葡萄牙语、俄语、西班牙语