編輯“Sphinx/結果分組”

{{Sphinx導航}}

有時將搜索結果分組（或者說“聚類”）并對每組中的結果計數是很有用的－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]][[服務器]]端對得到的ID分組。但是現(xiàn)實中在大結果集（10K到10M個匹配）上這樣做通常會嚴重影響性能。

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

*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（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.

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

結果集按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：

#@group (groupby函數值),
#@count (組中的匹配數目).

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

排序完成時，結果參數total_found會包含在整個[[索引]]上匹配的組的總數目。

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

例如，如果按相關度排序，同時用SPH_GROUPBY_DAY函數按屬性"published"分組，那么：

*結果中包含每天的匹配結果中最相關的那一個，如果那天有記錄匹配的話,
*結果中還附加給出天的編號和每天的匹配數目,
*結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 



[[category:Sphinx|J]]
{{Sphinx使用手冊}}