Question

Cassandra的全文搜索;

我对卡桑德拉来说相当新，并希望更恰当地理解它。我试图在Cassandra中进行全文搜索，但经过一些研究后我发现可能不是一个“简单”的方法...我说可能是因为第一页谷歌没有说太多东西。

所以我现在试着去理解，这里最好的方法是什么..这种方式让我根据我迄今为止所学到的关于Cassandra的内容来构建我自己的假设，这是基于这两个校长; a）根据您的查询而不是数据设计您的表格，b）只要正确使用数据，更多数据是一件好事。

话虽如此，我想出了一些我想分享的解决方案，并且还要求如果有人有更好的想法，请在我承诺任何不合理/天真之前填写我。

第一个解决方案：创建一个列族（CF），其中包含两个主键和一个索引，如下所示：

CREATE TABLE "FullTextSearch" (
"PartialText" text,
"TargetIdentifier" uuid,
"CompleteText" text,
"Type" int,
PRIMARY KEY ("PartialText","TargetIdentifier")
);
CREATE INDEX IX_FullTextSearch_Type "keyspace"."FullTextSearch" ("Type");

使用上表，我需要为文本“Hello World”插入行，如下所示：

BATCH APPLY;
INSERT INTO "FullTextSearch" ("PartialText","TargetIdentifier","CompleteText","Type") VALUES ("H",000000000-0000-0000-0000-000000000,"Hello World",1);
INSERT INTO "FullTextSearch" ("PartialText","TargetIdentifier","CompleteText","Type") VALUES ("He",000000000-0000-0000-0000-000000000,"Hello World",1);
INSERT INTO "FullTextSearch" ("PartialText","TargetIdentifier","CompleteText","Type") VALUES ("Hel",000000000-0000-0000-0000-000000000,"Hello World",1);
.....
INSERT INTO "FullTextSearch" ("PartialText","TargetIdentifier","CompleteText","Type") VALUES ("Hello Wor",000000000-0000-0000-0000-000000000,"Hello World",1);
INSERT INTO "FullTextSearch" ("PartialText","TargetIdentifier","CompleteText","Type") VALUES ("Hello Worl",000000000-0000-0000-0000-000000000,"Hello World",1);
INSERT INTO "FullTextSearch" ("PartialText","TargetIdentifier","CompleteText","Type") VALUES ("Hello World",000000000-0000-0000-0000-000000000,"Hello World",1);
.....
INSERT INTO "FullTextSearch" ("PartialText","TargetIdentifier","CompleteText","Type") VALUES ("Wor",000000000-0000-0000-0000-000000000,"Hello World",1);
INSERT INTO "FullTextSearch" ("PartialText","TargetIdentifier","CompleteText","Type") VALUES ("Worl",000000000-0000-0000-0000-000000000,"Hello World",1);
INSERT INTO "FullTextSearch" ("PartialText","TargetIdentifier","CompleteText","Type") VALUES ("World",000000000-0000-0000-0000-000000000,"Hello World",1);
END BATCH;

基本上，上面将满足以下通配符/ partialtext“％o W％”，“Hello％”，“Worl％”;但是它不会满足部分单词，例如“Hello”的“％ell％”，我现在可以感觉好的 ......（OCD sorta在这里踢）

这种方法对我来说很糟糕，因为我现在必须在“TargetIdentifier”上发生保存/名称更改时删除/重新插入;

第二种解决方案，这次使用宽柱只会非常相似;表格可能如下所示：

CREATE TABLE "FullTextSearch" (
"TargetIdentifier" uuid,
"Type" int,
"CompleteText" text,
PRIMARY KEY("TargetIdentifier")
);

现在在搜索期间：

SELECT * FROM "FullTextSearch" WHERE "He" = 1;

因此，如果列存在，则返回相应的行;

第三种解决方案：与上面的类似，只是这一次，而不是使用宽列，我们使用诸如地图之类的设置列作为部分文本，并执行如下查询：

SELECT * FROM "FullTextSearch" WHERE "PartialTexts"['He'] = 1;

无论如何，我完全没有想法，已经很晚了，我只能希望得到很好的回应！请让我知道我应该在这做什么......我是否正走在正确的道路上？

Answer 1

AFAIK Datastax Enterprise Search是Solandra的（商业）继承者。

Cassandra 2.0支持所谓的“自定义二级索引”。自定义二级索引是Java代码。您自己的实现必须实现抽象类org.apache.cassandra.db.index.SecondaryIndex （见http://www.datastax.com/documentation/cql/3.1/cql/cql_reference/create_index_r.html）

我不确定Elasticsearch或Solr是否存在实现。

我不建议编写所有奇怪的全文搜索逻辑，如词干，多/异国语言支持甚至地理空间的东西。

但SecondaryIndex是开始整合您最喜欢的搜索引擎的好点。

Answer 2

如果您的数据集相对较小，您可以简单地使用lucene的内存实例，以设定的间隔更新索引，您就可以开始了。

Answer 3

查看SOLANDRA（前Lucandra）

但我认为Solandra不再被积极开发，作者转移到Datastax继续他的工作。

所以你也可以看看Datastax Enterprise Search

还有一些限制，请看DistributedSearch

Answer 4

关于cassandra的最基本的事情是，如果你想使用where子句来过滤记录，那么列是主键，或者你必须为它分配索引，所以我可以看到你给了主键“TargetIdentifier” “字段和索引”类型“并在where子句中使用”CompleteText“，因此这可能不起作用..

将二级索引分配给“CompleteTex”并检查您是否获得了所需的输出。

Answer 5

您还有其他几种选择： Stratio Lucene Plugin。这使用Lucene实现本机二级索引。

您还可以使用SSTable Attached Secondary Index (SASI)进行自由文本搜索。

预先警告这两种策略都使用本地分布式索引，这样查询的性能就不会很高，因为搜索最终会在整个集群中进行广播。对于SASI，如果可以使用分区键作为查询的一部分，则可以避免这种情况。

Answer 6

使用elassandra附带的elasticsearch作为cassandra中的插件。可以从here

找到一个示例

Cassandra全文搜索

6 个答案: