【Azure】二探Azure 搜尋服務

2015-12-23

256
0
Azure
2015-12-24

探討上一篇文章中，關於索引的一些欄位的作用說明。

另外，說明怎麼建立一個欄位可以是Collection的內容。

同時大致說明Azure Search對於全文檢索中解析的方式。

上一篇文章中，提到我們設定的索引的時候會有一些設定要設定。如下：

可擷取（retrievable） => 允許被使用者看到的欄位。
可篩選（filterable） => 允許作為查詢條件的欄位，與【可搜尋】是不同的。
可排序（sortable） => 可以用來排序的欄位
可Facet（facetable） => 看完說明，我還是沒辦法掌握精髓（請看原文）
可搜尋（searchable） => 表示可進行全文檢索（擁有斷詞分析）的欄位，往往會是比較需要模糊搜尋的欄位。

今天在MSDN中有看到一篇比較完整的說明，大家可以對照的看（下圖擷取自MSDN）。

接著，解釋一下關於分析器（analzyer）。

若欄位型態為：Edm.String 或 Collection(Edm.String) 類型可以設定為可搜尋（searchable）

而這類欄位需要設定你要透過哪種分析器作為斷詞、文字正規化和篩選出字詞等動作的技術基底。

目前分為兩種：

由 Lucene所支援的分析器 35。
由專屬的 Microsoft 自然語言處理技術，用於 Office 和 Bing 支援的分析器 50。

這兩種皆會把一整段文字拆解成很端小段落，並且運用自行的邏輯處理。

有些開發人員可能會偏好較熟悉、簡單、開放原始碼的 Lucene 解決方案。Lucene 分析器速度較快，但是 Microsoft 分析器擁有的進階功能，例如詞形還原、 word decompounding (以像德文、丹麥文、荷蘭文、瑞典文、挪威文、愛沙尼亞文、完成、匈牙利文、斯洛伐克文語言) 和實體辨識 (Url、電子郵件、日期、數字)。可能的話，您應該執行比較來決定哪一種變得更符合 Microsoft 和 Lucene 分析器。（擷取自MSDN）

推薦各位看一段Channel9的影片：

最後，我們來說明一下一個比較特殊的欄位型態Collection(Edm.String) 。

這個欄位型態可以接受 JSON 陣列的字串會轉換為Collection的形式。

字串格式為：["red", "white", "blue"]

所以，首先我們先找出方法將欄位結果變成類似JSON的格式（Sql Server 2016支援 For JSON）。

已昨天的View改成：

SELECT
	b.Name,
	b.ID,
	(
		SELECT
			COUNT(*)
		FROM Product p
		WHERE p.Brand = b.ID)
	PCount,
	(
		SELECT
			'[' + STUFF((
				SELECT
					',"' + p.Name + '"'
				FROM Product p
				WHERE p.Brand = b.ID
				FOR XML PATH (''), TYPE)
			.value('.', 'nvarchar(max)'), 1, 1, '') + ']')
	AS TAry,
	b.IsDelete,
	b.ModifyDatetime
FROM Brand b
GO

另外，在匯入資料的時候，記得在欄位設定時，將TAry的型態選為Collection(Edm.string)。

這樣設定為，第一次建立索引子一定會失敗，錯誤訊息會像是：

The data field 'TAry' has an invalid value. The expected type was 'Collection(Edm.String)'.

透過Stackoverflow的詢問獲得了微軟Azure Search的團對成員的提示終於解決。卡了幾個小時才恍然大悟。

問題＆回答點此

這個動作必須進行對應函數的動作，光靠Azure Search目前匯入資料的精靈並沒有這一個步驟（這就是我一直卡住的地方）。

Azure Search基本上所有動作都是透過Rest API 可以操作完成。

而這個最後一步我們也是要靠Rest API完成，這邊我透過POSTMAN來實做。

我們會需要幾個參數：

使用【Put】
網址：https://demoazure1222.search.windows.net/indexers/sews?api-version=2015-02-28-Preview
dataSourceName：azuresql
targetIndexName：testbrand2
sourceFieldName：TAry

紅字部分都是參數，請自行修改。下圖列出部分參數來源，對照看就可以看出來。