为UNIX服务器设置Oracle全文检索 | |
<script language="JavaScript" type="text/javascript"> <!-- document.write("文字 <select name=selcolor οnchange=setFontColor(this.value)><option value=#000000 selected>黑色</option><option value=#FF0000>红色</option><option value=#FFFFFF>白色</option><option value=#555555>灰色</option><option value=#00FF00>绿色</option><option value=#0000FF>蓝色</option><option value=#00cccc>青色</option><option value=#ffff00>黄色</option></select>背景 <select name=select οnchange=setBgColor(this.value)><option value=#FFFFFF selected>白色</option><option value=#FFCCFF>粉红</option><option value=#CCCCCC>灰色</option><option value=#CCFFCC>绿色</option><option value=#99CCFF>蓝色</option><option value=#000000>黑色</option><option value=#CCFFFF>青色</option><option value=#FFCCCC>棕色</option></select>"); document.write("字号 <select name=selsize οnchange=setFontSize(this.value)><option value=9pt selected>9 pt</option><option value=10pt>10 pt</option><option value=12pt>12 pt</option><option value=14pt>14 pt</option><option value=16pt>16 pt</option><option value=18pt>18 pt</option><option value=24pt>24 pt</option><option value=30pt>30 pt</option></select>字型 <select name=selxing οnchange=setFontstyle(this.value)><option value=''>正常</option><option value='bold'>加粗</option></select>"); //--> </script> | |
目前全文检索功能几乎所有主流数据库都支持。此前笔者曾在sql server 2000上实现,感觉非常简单,方便,但创建全文检索索引的时间比较长,通常要十几个小时。Oracle 的全文检索建立和维护索引都要快得多,笔者的65万记录的一个表建立索引只需要20分钟,同步一次只需要1分钟。但设置就要复杂得多。 一.设置过程 1.首先,检查你的数据库是否安装了intermedia 这可以通过检查是否有ctxsys用户和ctxapp角色(role). 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。 修改过程: 运行 $ORACLE_HOME/bin/dbassist, 选择'modify database', 然后在选择数据库功能时将j server 和 intermedia 都选上(安装intermedia必须同时安装jserver).强烈建议你在做这个改动前先备份整个数据库。 2.设置extproc Oracle 是通过所谓的‘外部调用功能’(external procedure)来实现intermedia的,因此正确地设置extproc是关键一步。 首先要配置listener 使它能监听intermedia 调用的请求。你可以通过运行$ORACLE_HOME/bin/netassit 来进行配置,也可以手工修改配置文件:$ORACLE_HOME/network/admin/listener.ora ,然后重新启动listener。下面以一个例子来讲述如何手工修改配置文件。 打开listener.ora文件,在修改前,通常有如下内容(假定使用缺省listener): LISTENER = 其次,要配置服务器端的tnsnames.ora文件。该文件的位置在$ORACLE_HOME/network/admin下面。同样可以通过运行netasst来进行配置。 在tnsnames.ora文件中需要增加如下一项: EXTPROC_CONNECTION_DATA,EXTPROC_CONNECTION_DATA.WORLD = 注意其中,KEY 和SID必须与listener.ora中的key 和sid_name对应相同。 修改完成后,重新启动listener (先用lsnrctl stop, 然后 lsnrctl start), 然后,使用tnsping 来测试一下是否配置正确: tnsping extproc_connection_data 或者 否则请检查你的上述两个文件,并注意,在修改后一定要重新启动listener,但并不需要重新启动数据库。 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$开头的表中,同时记下该term出现的位置、次数、hash 值等信息。检索时,Oracle 从这组表中查找相应的 term,并计算其出现频率,根据某个算法来计算每个文档的得分(score),即所谓的‘匹配率’。而lexer则是该机制的核心,它决定了全文检索的效率。Oracle 针对不同的语言提供了不同的 lexer, 而我们通常能用到其中的三个: basic_lexer: 针对英语。它能根据空格和标点来将英语单词从句子中分离,还能自动将一些出现频率过高已经失去检索意义的单词作为‘垃圾’处理,如if , is 等,具有较高的处理效率。但该lexer应用于汉语则有很多问题,由于它只认空格和标点,而汉语的一句话中通常不会有空格,因此,它会把整句话作为一个term,事实上失去检索能力。以‘中国人民站起来了’这句话为例,basic_lexer 分析的结果只有一个term ,就是‘中国人民站起来了’。此时若检索‘中国’,将检索不到内容。 chinese_vgram_lexer: 专门的汉语分析器,支持所有汉字字符集。该分析器按字为单元来分析汉语句子。‘中国人民站起来了’这句话,会被它分析成如下几个term: ‘中’,‘中国’,‘国人’,‘人民’,‘民站’,‘站起’,起来’,‘来了’,‘了’。可以看出,这种分析方法,实现算法很简单,并且能实现‘一网打尽’,但效率则是差强人意。 chinese_lexer: 这是一个新的汉语分析器,只支持utf8字符集。上面已经看到,chinese vgram lexer这个分析器由于不认识常用的汉语词汇,因此分析的单元非常机械,像上面的‘民站’,‘站起’在汉语中根本不会单独出现,因此这种term是没有意义的,反而影响效率。chinese_lexer的最大改进就是该分析器 能认识大部分常用汉语词汇,因此能更有效率地分析句子,像以上两个愚蠢的单元将不会再出现,极大 提高了效率。但是它只支持 utf8, 如果你的数据库是zhs16gbk字符集,则只能使用笨笨的那个Chinese vgram lexer. 如果不做任何设置,Oracle 缺省使用basic_lexer这个分析器。要指定使用哪一个lexer, 可以这样操作: 在intermedia索引建好后,如果表中的数据发生变化,比如增加或修改了记录,怎么办?由于对表所发生的任何dml语句,都不会自动修改索引,因此,必须定时同步(sync)和优化(optimize)索引,以正确反映数据的变化。 在索引建好后,我们可以在该用户下查到Oracle自动产生了以下几个表:(假设索引名为myindex): 其中以I表最重要,可以查询一下该表,看看有什么内容: select token_text, token_count from DR$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)。那么如何维护该表的内容呢?总不能每次数据改变都重新建立索引吧!这就用到sync 和 optimize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。 -- sync: BEGIN 其中, 第一个job的SYSDATE + (1/24/4)是指每隔15分钟同步一次,第二个job的SYSDATE + 1是每隔1天做一次全优化。具体的时间间隔,你可以根据自己的应用的需要而定。至此,你的全文检索功能已设置完成。 下面就一些常见的错误信息给出解释和解决办法: 1, sync 失败 DRG-10595: ALTER INDEX T_DOC6_CT失败 ORA-29855: 执行 ODCIINDEXCREATE 例行程序时出错 RA-29855: 执行 ODCIINDEXCREATE 例行程序时出错 ora-29861: 域索引标记为loading/failed/unusable Select idx_name,idx_status from ctxsys.ctx_indexes; 然后同步该索引或者强制删除它: 重建:alter index myindex rebuild online parameters('sync'); 5.使用chinese_lexer失败 ERROR at row 1: 解决:chinese_lexer 只支持utf8字符集。现在你面临抉择:忍受chinese vgram lexer的愚蠢,或者将数据库字符集改到 utf8, 但面对可能引起你的应用不能正确处理中文的风险(先咨询Oracle support, 并且与你的应用软件提供商联系)。 6.升级或应用patch后失败 ORA-29856: err when execute ODCIINDEXDROP ERROR 位于第 1 行: |
为UNIX服务器设置Oracle全文检索
最新推荐文章于 2021-04-04 03:58:26 发布