Cassandra 全文搜索答案

【问题标题】：Cassandra Full-Text SearchCassandra 全文搜索
【发布时间】：2014-07-21 05:18:43
【问题描述】：

Cassandra 中的全文搜索；

我对 Cassandra 还很陌生，希望能更准确地理解它。我正在尝试在 Cassandra 中执行全文搜索，但经过一些研究，我发现可能没有一种“简单”的方法。我说可能是因为谷歌什么也没说。

所以我现在试图理解，这里最好的方法是什么。这种引导我根据我迄今为止对 Cassandra 的了解做出自己的假设，即基于这两个校长； a) 根据您的查询而不是数据来设计您的表格，并且 b) 更多数据是一件好事，只要使用得当。

话虽如此，我想出了几个我想分享的解决方案，并要求如果有人有更好的想法，请在我做出任何不合理/幼稚的事情之前告诉我。

第一个解决方案：创建一个列族（CF），具有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");

对于上表，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/部分文本“%o W%”、“Hello%”、“Worl%”；但是它不能满足部分词，例如“Hello”的“%ell%”，我现在可以感觉还好.....（OCD 排序在这里开始）

这种方法对我来说有点糟糕，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，只是这次使用宽列非常相似；表格可能如下所示：

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

现在在搜索过程中类似于：

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

这样，如果该列存在，则返回相应的行；

第三个解决方案：与上面类似，只是这次我们不使用宽列，而是使用集合列（例如 map）作为部分文本，并执行如下查询：

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

无论如何，我都没有想法，已经晚了，我只能希望得到很好的回应！请让我知道我应该在这里做什么......我是否走在正确的道路上？

【问题讨论】：

另见stackoverflow.com/questions/3153364/…

标签： cassandra full-text-search cql

【解决方案1】：

在cassandra 中使用elassandra 作为elasticsearch 的插件。可以从here找到一个例子

【讨论】：

【解决方案2】：

AFAIK Datastax Enterprise Search 是 Solandra 的（商业）继任者。

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。你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，例如词干提取、多种/外来语言支持甚至地理空间内容。

但 SecondaryIndex 将是开始集成您最喜欢的搜索引擎的好点。

【讨论】：

【解决方案3】：

如果您的数据集相对较小，您可以简单地使用内存中的 lucene 实例，以设定的时间间隔更新索引，然后就可以开始了。

【讨论】：

【解决方案4】：

查看SOLANDRA（前 Lucandra）

但我认为 Solandra 不再积极开发，作者搬到 Datastax 并继续在那里工作。

所以你也可以看看Datastax Enterprise Search

还有一些限制，看DistributedSearch

【讨论】：

【解决方案5】：

关于 cassandra 的最基本的事情是，如果您想使用 where 子句来过滤该列是主键或者您必须为其分配索引的记录，那么我可以看到您已将主键赋予“TargetIdentifier” " 字段和索引到 "Type" 并在 where 子句中使用 "CompleteText" 所以这可能不起作用..

将二级索引分配给“CompleteTex”并检查您是否获得了所需的输出。

【讨论】：

【解决方案6】：

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

您还可以使用SSTable Attached Secondary Index (SASI) 进行免费文本搜索。

请注意，这两种策略都使用本地分布的索引，因此查询的性能不会很高，因为搜索最终会在整个集群中广播。对于 SASI，如果您可以在查询中使用分区键，则可以避免这种情况。

【讨论】：