mongodb 全文搜索---ttlsa教程系列之mongodb(十)

mongodb full text search(fts：全文搜素)是在版本2.4新加的特性。在以前的版本，是通过精确匹配和正则表达式来查询，这效率是很低的。全文索引，能够从大量的文本中搜索出所需的内容，内置多国语言和分词方法。不支持宇宙第一语言---中文。 全文索引会导致mongodb写入性能下降，因为所有字符串都要拆分，存储到不同地方。 全文索引是一种技术，并大量的使用。如搜索引擎，站内搜索等等。常使用到的全文搜索有： lucene sphinx redis-search riak search 不过，对中文的搜索不尽如人意。 mongodb用的是开源的snowball分词器，参见http://snowball.tartarus.org/texts/stemmersoverview.html mongodb 全文索引支持的语言有： danish dutch english finnish french german hungarian italian norwegian portuguese romanian russian spanish swedish turkish 如果希望使用其他语言，需要在创建索引时指定要使用的语言。默认是支持英文的。

> db.de.ensureIndex( {txt: "text"}, {default_language: "german"} )

1. 启用全文索引

> db.adminCommand( { setParameter : 1, textSearchEnabled : true } )
{ "was" : false, "ok" : 1 }

默认是关闭的。否则会报错"err" : "text search not enabled" 2. 插入测试数据 下面是插入一些《加州旅馆》这首二十世纪非常著名的流行音乐。

> db.ttlsa_com.insert({"song":"1. Hotel California", "lyrics": "On a dark desert highway, cool wind in my hair. Warm smell of colitas, rising up through the air."})
> db.ttlsa_com.insert({"song":"2. Hotel California", "lyrics": "Up ahead in the distance, I saw a shimmering light. My head grew heavy and my sight grew dim."})
> db.ttlsa_com.insert({"song":"3. Hotel California", "lyrics": "Such a lovely place, Such a lovely face."})
> db.ttlsa_com.insert({"song":"4. Hotel California", "lyrics": "Some dance to remember, some dance to forget."})
> db.ttlsa_com.insert({"song":"5. Hotel California", "lyrics": "Welcome to the Hotel California"})
> db.ttlsa_com.insert({"song":"加州旅馆", "lyrics": "Welcome to the Hotel California"})

3. 创建全文索引

> db.ttlsa_com.ensureIndex({"song":"text", "lyrics":"text"})
或者
> db.ttlsa_com.ensureIndex({"$**": "text"})
$**表示在所有的字符串字段上创建一个全文索引。
也可以指定权重
> db.ttlsa_com.ensureIndex({"song":"text"},{"weights":{"song": 2, "$**": 3}})

4. 查看索引信息

> db.system.indexes.find().toArray()
[
        {
                "v" : 1,
                "key" : {
                        "_id" : 1
                },
                "ns" : "testindex.ttlsa_com",
                "name" : "_id_"
        },
        {
                "v" : 1,
                "key" : {
                        "_fts" : "text",
                        "_ftsx" : 1
                },
                "ns" : "testindex.ttlsa_com",
                "name" : "song_text_lyrics_text",
                "weights" : {
                        "lyrics" : 1,
                        "song" : 1
                },
                "default_language" : "english",
                "language_override" : "language",
                "textIndexVersion" : 1
        }
]

5. 查询 全文索引是通过

db.collection.runCommand( "text", { search: <string>,
                                    filter: <document>,
                                    project: <document>,
                                    limit: <number>,
                                    language: <string> } )

来查询的，非通过find()命令来实现的。

> db.ttlsa_com.runCommand("text",{search:"Welcome"})
{
        "queryDebugString" : "welcom||||||",
        "language" : "english",
        "results" : [
                {
                        "score" : 0.6666666666666666,
                        "obj" : {
                                "_id" : ObjectId("5203366a1e234f712039f7ef"),
                                "song" : "5. Hotel California",
                                "lyrics" : "Welcome to the Hotel California"
                        }
                },
                {
                        "score" : 0.6666666666666666,
                        "obj" : {
                                "_id" : ObjectId("5203366b1e234f712039f7f0"),
                                "song" : "加州旅馆",
                                "lyrics" : "Welcome to the Hotel California"
                        }
                }
        ],
        "stats" : {
                "nscanned" : 2,
                "nscannedObjects" : 0,
                "n" : 2,
                "nfound" : 2,
                "timeMicros" : 86
        },
        "ok" : 1
}

取反：在要搜索的单词前面加上“-”，排除包含该单词的记录。

> db.ttlsa_com.runCommand("text",{search:"hotel -California"})
{
        "queryDebugString" : "hotel||california||||",
        "language" : "english",
        "results" : [ ],
        "stats" : {
                "nscanned" : 6,
                "nscannedObjects" : 0,
                "n" : 0,
                "nfound" : 0,
                "timeMicros" : 172
        },
        "ok" : 1
}

分词效果不是很理想。如

> db.ttlsa_com.runCommand("text",{search:"the"})
{
        "queryDebugString" : "||||||",
        "language" : "english",
        "results" : [ ],
        "stats" : {
                "nscanned" : 0,
                "nscannedObjects" : 0,
                "n" : 0,
                "nfound" : 0,
                "timeMicros" : 35
        },
        "ok" : 1
}

就搜索不到的。 上面说到了，mongodb是不支持中文搜索的。 要用到复杂的搜索功能，还是用sphinx。 sphinx内容可以参见：http://www.ttlsa.com/?s=sphinx 如需转载请注明出处： mongodb 全文搜索http://www.ttlsa.com/html/2230.html