MatchQuery采用近似匹配的方式查询表中的数据。表格存储会先对Text类型的列值和查询关键词按照设置好的分词器做切分,然后按照切分好后的词去查询。对于使用模糊分词的Text类型的列,建议使用MatchPhraseQuery实现高性能的模糊查询。
场景
匹配查询可用于查找包含指定短语的数据,MatchQuery结合分词使用能够实现全文检索,一般应用于大数据分析、内容搜索、知识管理、社交媒体分析、日志分析、智能问答系统、合规审查等场景,例如在电商平台中快速筛选商品标题、描述或标签中包含用户输入关键字的商品列表、在日志中快速定位错误信息或异常操作。
功能概述
MatchQuery采用近似匹配的方式查询表中的数据。例如某一行数据的title列(Text类型)的值是“杭州西湖风景区”,该列使用的分词类型是单字分词,如果MatchQuery中的查询关键词是“湖风”,则可以匹配到该行数据。
使用MatchQuery功能查询数据时,您需要设置要匹配的列和查询关键词。只要查询关键词分词后的多个词在要匹配的列中存在就表示行数据满足查询条件。
查询数据时还支持配置最小匹配个数、查询权重、要返回的列、是否返回匹配的总行数、返回数据的排序方式等。
接口
匹配查询的接口为Search或者ParallelScan,具体的Query类型为MatchQuery。
参数
参数 | 说明 |
fieldName | 要匹配的列。 匹配查询可应用于Text类型。 |
text | 查询关键词,即要匹配的值。 当要匹配的列为Text类型时,查询关键词会被分词成多个词,分词类型为创建多元索引时设置的分词器类型。如果创建多元索引时未设置分词器类型,则默认分词类型为单字分词。 例如当要匹配的列为Text类型时,分词类型为单字分词,则查询词为"this is",可以匹配到“...,this is tablestore”、“is this tablestore”、“tablestore is cool”、“this"、“is”等。 |
query | 设置查询类型为matchQuery。 |
offset | 本次查询的开始位置。 |
limit | 本次查询需要返回的最大数量。 如果只为了获取行数,无需具体数据,可以设置limit=0,即不返回任意一行数据。 |
minimumShouldMatch | 最小匹配个数。 只有当某一行数据的fieldName列的值中至少包括最小匹配个数的词时,才会返回该行数据。 说明 minimumShouldMatch需要与逻辑运算符OR配合使用。 |
operator | 逻辑运算符。默认为OR,表示当分词后的多个词只要有部分匹配时,则行数据满足查询条件。 如果设置operator为AND,则只有分词后的所有词都在列值中时,才表示行数据满足查询条件。 |
getTotalCount | 是否返回匹配的总行数,默认为false,表示不返回。 返回匹配的总行数会影响查询性能。 |
weight | 查询权重,用于全文检索场景中的score排序。查询时指定列的算分权重,值越大,结果中分数的值会越大。取值范围为正浮点数。 使用此参数不会影响返回的结果数,只会影响返回的结果中的分数。 |
tableName | 数据表名称。 |
indexName | 多元索引名称。 |
columnsToGet | 是否返回所有列,包含returnAll和columns设置。 returnAll默认为false,表示不返回所有列,此时可以通过columns指定返回的列;如果未通过columns指定返回的列,则只返回主键列。 当设置returnAll为true时,表示返回所有列。 |
注意事项
多元索引只提供最基础的 BM25 相关性,不提供自定义相关性能力。
使用方式
您可以使用控制台、命令行工具或者SDK进行匹配查询。进行匹配查询之前,您需要完成如下准备工作。
使用阿里云账号或者具有表格存储操作权限的 RAM 用户进行操作。如果需要为 RAM 用户授权表格存储操作权限,请参见通过RAM Policy为RAM用户授权进行配置。
使用 SDK 方式和命令行工具方式进行操作时,如果当前无可用 AccessKey,则需要为阿里云账号或者 RAM 用户创建 AccessKey。具体操作,请参见创建AccessKey。
已创建数据表。具体操作,请参见数据表操作。
已为数据表创建多元索引。具体操作,请参见创建多元索引。
使用 SDK 方式进行操作时,还需要完成初始化 Client。具体操作,请参见初始化OTSClient。
使用命令行工具方式进行操作前,还需要完成下载并启动命令行工具,然后配置接入实例信息并选择要操作的表。具体操作,请参见下载命令行工具、启动并配置接入信息和数据表操作。
计费说明
使用 VCU 模式(原预留模式)时,使用多元索引查询数据会消耗 VCU 的计算资源。使用 CU 模式(原按量模式)时,使用多元索引查询数据会消耗读吞吐量。更多信息,请参见多元索引计量计费。
常见问题
相关文档
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、范围查询、前缀查询、后缀查询、通配符查询、基于分词的通配符查询、多条件组合查询、地理位置查询、嵌套类型查询、向量检索、和列存在性查询,您可以选择合适的查询类型进行多维度数据查询。
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。
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。