Sphinx/結(jié)果分組

有時將搜索結(jié)果分組（或者說“聚類”）并對每組中的結(jié)果計數(shù)是很有用的－例如畫個漂亮的圖來展示每個月有多少的blog日志，或者把Web搜索結(jié)果按站點分組，或者把找到的論壇帖子按其作者分組。

理論上，這可以分兩步實現(xiàn)：首先在Sphinx中做全文檢索，再在SQL服務(wù)器端對得到的ID分組。但是現(xiàn)實中在大結(jié)果集（10K到10M個匹配）上這樣做通常會嚴(yán)重影響性能。

為避免上述問題，Sphinx提供了一種“分組模式”，可以用API調(diào)用SetGroupBy()來開啟。在分組時，根據(jù)group-by值給匹配項賦以一個分組。這個值用下列內(nèi)建函數(shù)之一根據(jù)特定的屬性值計算：

• SPH_GROUPBY_DAY, 從時間戳中按YYYYMMDD格式抽取年、月、日;
• SPH_GROUPBY_WEEK, 從時間戳中按YYYYNNN格式抽取年份和指定周數(shù)（自年初計起）的第一天;
• SPH_GROUPBY_MONTH, 從時間戳中按YYYYMM格式抽取月份;
• SPH_GROUPBY_YEAR, 從時間戳中按YYYY格式抽取年份;
• SPH_GROUPBY_ATTR, 使用屬性值自身進行分組.

最終的搜索結(jié)果中每組包含一個最佳匹配。分組函數(shù)值和每組的匹配數(shù)目分別以“虛擬”屬性 @group 和 @count 的形式返回.

結(jié)果集按group-by排序子句排序，語法與SPH_SORT_EXTENDED 排序子句的語法相似。除了@id和@weight，分組排序子句還包括：

1. @group (groupby函數(shù)值),
2. @count (組中的匹配數(shù)目).

默認模式是根據(jù)groupby函數(shù)值降序排列，即按照 "@group desc".

排序完成時，結(jié)果參數(shù)total_found會包含在整個索引上匹配的組的總數(shù)目。

注意: 分組操作在固定的內(nèi)存中執(zhí)行，因此它給出的是近似結(jié)果；所以total_found報告的數(shù)目可能比實際給出的個分組數(shù)目的和多。@count也可能被低估。要降低不準(zhǔn)確性，應(yīng)提高max_matches。如果max_matches允許存儲找到的全部分組，那結(jié)果就是百分之百準(zhǔn)確的。

例如，如果按相關(guān)度排序，同時用SPH_GROUPBY_DAY函數(shù)按屬性"published"分組，那么：

• 結(jié)果中包含每天的匹配結(jié)果中最相關(guān)的那一個，如果那天有記錄匹配的話,
• 結(jié)果中還附加給出天的編號和每天的匹配數(shù)目,
• 結(jié)果以天的編號降序排列（即最近的日子在前面）。

參考來源

• http://www.coreseek.cn/docs/coreseek_3.2-sphinx_0.9.9.html#required-tools

Sphinx使用手冊導(dǎo)航

安裝： 支持的操作系統(tǒng)|需要的工具|在Linux、BSD上安裝Sphinx|在Windows上安裝Sphinx|已知的安裝問題和解決辦法|Sphinx快速入門教程 建立索引： 數(shù)據(jù)源|屬性|MVA|索引|源數(shù)據(jù)的限制|字符集、大小寫轉(zhuǎn)換和轉(zhuǎn)換表|SQL 數(shù)據(jù)源|xmlpipe 數(shù)據(jù)源|xmlpipe2 數(shù)據(jù)源|Python 數(shù)據(jù)源|實時索引更新|索引合并 搜索： 匹配模式|布爾查詢語法|擴展查詢語法|權(quán)值計算|排序模式|結(jié)果分組|分布式搜索|MySQL 協(xié)議支持與SphinxQL 命令行工具參考： indexer命令參考|searchd命令參考|search命令參考|spelldump命令參考|indextool命令參考 MySQL存儲引擎： SphinxSE 概覽|安裝 SphinxSE|使用 SphinxSE|通過 MySQL 生成片段