使用CreateSearchIndex接口在数据表上创建一个多元索引。一个数据表支持创建多个多元索引。创建多元索引时，您需要将要查询的字段添加到多元索引中，您还可以配置多元索引路由键、预排序等高级选项。
前提条件
已初始化Client。具体操作，请参见初始化OTSClient。
已创建数据表，且数据表的最大版本数（max_version）必须为1，数据生命周期（time_to_live）必须满足如下条件中的任意一个。具体操作，请参见创建数据表。
数据表的数据生命周期为-1（数据永不过期）。
数据表的数据生命周期不为-1时，数据表为禁止更新状态（即是否允许更新为否）。
注意事项
参数
创建多元索引时，需要指定数据表名称（table_name）、多元索引名称（index_name）和索引的结构信息（schema），其中schema包含field_schemas（Index的所有字段的设置）、index_setting（索引设置）和index_sort（索引预排序设置）。详细参数说明请参见下表。
组成 | 说明 |
table_name | 数据表名称。 |
index_name | 多元索引名称。 |
field_schemas | field_schema的列表，每个field_schema包含如下内容：
|
index_setting | 索引设置，包含routing_fields设置。 routing_fields（可选）：自定义路由字段。可以选择部分主键列作为路由字段，在进行索引数据写入时，会根据路由字段的值计算索引数据的分布位置，路由字段的值相同的记录会被索引到相同的数据分区中。 |
index_sort | 索引预排序设置，包含sorters设置。如果不设置，则默认按照主键排序。 说明 含有Nested类型的索引不支持indexSort，没有预排序。 sorters（必选）：索引的预排序方式，支持按照主键排序和字段值排序。关于排序的更多信息，请参见排序和翻页。
|
示例
创建多元索引时设置分词
以下示例用于在创建多元索引时设置分词。该多元索引包括k（Keyword类型）、t（Text类型）、g（Geopoint类型）、ka（数组Keyword类型）、la（数组Long类型）和n（Nested类型）六个字段。其中n字段包括nk（Keyword类型）、nl（Long类型）和nt（Text类型）三个子字段。
def create_search_index(client):
# Keyword类型的字段，建立索引并开启统计聚合功能。
field_a = FieldSchema('k', FieldType.KEYWORD, index=True, enable_sort_and_agg=True, store=True)
# Text类型的字段，建立索引并使用单字分词。
field_b = FieldSchema('t', FieldType.TEXT, index=True, store=True, analyzer=AnalyzerType.SINGLEWORD)
# Text类型的字段，建立索引并使用模糊分词。
#field_b = FieldSchema('t', FieldType.TEXT, index=True, store=True, analyzer=AnalyzerType.FUZZY,analyzer_parameter=FuzzyAnalyzerParameter(1, 6))
# Text类型的字段，建立索引并使用自定义分隔符半角逗号（,）进行分词。
#field_b = FieldSchema('t', FieldType.TEXT, index=True, store=True, analyzer=AnalyzerType.SPLIT, analyzer_parameter = SplitAnalyzerParameter(","))
# Geopoint类型的字段，建立索引。
field_c = FieldSchema('g', FieldType.GEOPOINT, index=True, store=True)
# 数组Kerword类型字段，建立索引。
field_d = FieldSchema('ka', FieldType.KEYWORD, index=True, is_array=True, store=True)
# 数组Long类型字段，建立索引。
field_e = FieldSchema('la', FieldType.LONG, index=True, is_array=True, store=True)
# Nested类型字段，包括nk（Keyword类型）、nl（Long类型）和nt（Text类型）三个子字段。
field_n = FieldSchema('n', FieldType.NESTED, sub_field_schemas=[
FieldSchema('nk', FieldType.KEYWORD, index=True, store=True),
FieldSchema('nl', FieldType.LONG, index=True, store=True),
FieldSchema('nt', FieldType.TEXT, index=True, store=True),
])
fields = [field_a, field_b, field_c, field_d, field_e, field_n]
index_setting = IndexSetting(routing_fields=['PK1'])
index_sort = None #当多元索引中存在Nested类型字段时，不能设置索引预排序.
#index_sort = Sort(sorters=[PrimaryKeySort(SortOrder.ASC)])
index_meta = SearchIndexMeta(fields, index_setting=index_setting, index_sort=index_sort)
client.create_search_index('<TABLE_NAME>', '<SEARCH_INDEX_NAME>', index_meta)创建多元索引时设置向量字段
以下示例用于创建一个多元索引。该多元索引包括col_keyword（Keyword类型）、col_long（Long类型）和col_vector（Vector类型）三列。其中向量字段的距离度量的算法为点积。
def create_search_index(client):
index_meta = SearchIndexMeta([
FieldSchema('col_keyword', FieldType.KEYWORD, index=True, enable_sort_and_agg=True, store=True), # 字符串类型
FieldSchema('col_long', FieldType.LONG, index=True, store=True), # 数字类型
FieldSchema("col_vector", FieldType.VECTOR, # 向量类型
vector_options=VectorOptions(
data_type=VectorDataType.VD_FLOAT_32,
dimension=4, # 向量维度为4，相似度算法为: 点积
metric_type=VectorMetricType.VM_DOT_PRODUCT
)),
])
client.create_search_index(table_name, index_name, index_meta)创建多元索引时开启查询高亮
以下示例用于在创建多元索引时开启查询高亮。该多元索引包括k（Keyword类型）、t（Text类型）和n（Nested类型）三个字段，其中n字段包括nk（Keyword类型）、nl（Long类型）和nt（Text类型）三个子字段。同时为t字段和n字段中的nt子字段开启查询高亮功能。
def create_search_index0905(client):
# Keyword类型的字段，建立索引并开启统计聚合功能。
field_a = FieldSchema('k', FieldType.KEYWORD, index=True, enable_sort_and_agg=True, store=True)
# Text类型的字段，建立索引并使用单字分词，同时为字段开启查询高亮功能。
field_b = FieldSchema('t', FieldType.TEXT, index=True, store=True, analyzer=AnalyzerType.SINGLEWORD,
enable_highlighting=True)
# Nested类型字段，包括nk（Keyword类型）、nl（Long类型）和nt（Text类型）三个子字段，同时为nt子列开启查询高亮功能。
field_n = FieldSchema('n', FieldType.NESTED, sub_field_schemas=[
FieldSchema('nk', FieldType.KEYWORD, index=True, store=True),
FieldSchema('nl', FieldType.LONG, index=True, store=True),
FieldSchema('nt', FieldType.TEXT, index=True, store=True, enable_highlighting=True),
])
fields = [field_a, field_b, field_n]
index_setting = IndexSetting(routing_fields=['id'])
index_sort = None # 当多元索引中存在Nested类型字段时，不能设置索引预排序.
# index_sort = Sort(sorters=[PrimaryKeySort(SortOrder.ASC)])
index_meta = SearchIndexMeta(fields, index_setting=index_setting, index_sort=index_sort)
client.create_search_index('pythontest', 'pythontest_0905', index_meta)常见问题
相关文档
创建多元索引后，您可以选择合适的查询类型进行多维度数据查询。多元索引查询类型包括精确查询、多词精确查询、全匹配查询、匹配查询、短语匹配查询、前缀查询、范围查询、通配符查询、地理位置查询、多条件组合查询、向量检索、嵌套类型查询和列存在性查询。
当通过Search接口查询数据时，如果要对结果集进行排序或者翻页，您可以使用排序和翻页功能来实现。具体操作，请参见排序和翻页。
当通过Search接口查询数据时，如果要按照某一列对结果集做折叠，使对应类型的数据在结果展示中只出现一次，您可以使用折叠（去重）功能来实现。具体操作，请参见折叠（去重）。
如果希望清理多元索引中的历史数据或者希望延长数据保存时间，您可以修改多元索引的数据生命周期。具体操作，请参见生命周期管理。
如果要进行数据分析，例如求最值、求和、统计行数等，您可以使用Search接口的统计聚合功能或者SQL查询来实现。具体操作，请参见统计聚合和SQL查询。
如果要快速导出数据，而不关心整个结果集的顺序时，您可以使用ParallelScan接口和ComputeSplits接口实现多并发导出数据。具体操作，请参见并发导出数据。
如果要在多元索引中新增、更新或者删除索引列，您可以使用动态修改schema功能实现。具体操作，请参见动态修改schema。
如果要获取某个数据表关联的所有多元索引的列表信息，您可以使用列出多元索引列表功能实现。具体操作，请参见列出多元索引列表。
如果要查询多元索引的描述信息，包括多元索引的字段信息和索引配置等，您可以使用查询多元索引描述信息功能实现。具体操作，请参见查询多元索引描述信息。
如果不再需要使用多元索引，您可以删除多元索引。具体操作，请参见删除多元索引。