数字搜索索引

除了将文本编入索引之外，搜索索引还提供了一种高效的方法来将数字编入索引。它主要用于通过数字字段的条件来增强全文搜索查询。本页面介绍了如何针对等式和不等式查询将数字编入索引，以及如何将数字数组编入索引。

对数字进行词元化处理

数字词元化器用于生成一组旨在加快数字比较搜索速度的 token。

使用 TOKENIZE_NUMBER 函数创建数字索引。TOKENIZE_NUMBER 支持这些类型的 INT64、FLOAT32、FLOAT64 或 ARRAY。

对于 PostgreSQL，请使用 spanner.tokenize_number 函数创建数字索引。spanner.tokenize_number 仅支持 bigint 类型。

针对等式和不等式查询将数字编入索引

Spanner 支持针对等式和不等式将数字编入索引。等式搜索会匹配数字。范围搜索和不等式搜索会匹配特定范围内的数字。您可以在 TOKENIZE_NUMBER comparison_type 参数中设置此值：

  • 等式：comparison_type=>"equality"
  • 不等式和等式：comparison_type=>"all"

在这两种情况下，原始数字（整数或浮点数）都需要经过一个词元化（在概念上与全文词元化类似）过程。它会生成一组 token，然后查询可以使用这些 token 来查找符合数字条件的文档。

等式索引只会生成一个表示该数字的 token。如果查询在 WHERE 子句中仅具有 field = @p 形式的条件，建议使用此模式。

不等式索引和等式索引可加快满足查询的 WHERE 子句中更广泛条件的速度。除了等式条件之外，还包括 field < @p、field <= @p、field > @p、field >= @p、field BETWEEN @p1 and @p2 和 field <> @p。为了实现此类索引编制，Spanner 会在底层搜索索引中生成 token。Spanner 可以为每个编入索引的数字生成多个 token，具体取决于调优参数。token 数量取决于为 TOKENIZE_NUMBER 设置的参数，例如 algorithm、min、max 和 granularity。因此，请务必仔细评估调优参数，以确保在磁盘存储空间和查找时间之间取得适当的平衡。

数组词元化

除了标量值之外，TOKENIZE_NUMBER 还支持对数字数组进行词元化处理。

将 TOKENIZE_NUMBER 与 ARRAY 列搭配使用时，您必须指定 comparison_type=>"equality"。不支持使用数字数组进行范围查询。

  CREATE TABLE Albums (
    AlbumId STRING(MAX) NOT NULL,
    Ratings ARRAY<INT64>,
    Ratings_Tokens TOKENLIST
      AS (TOKENIZE_NUMBER(Ratings, comparison_type=>"equality")) HIDDEN
  ) PRIMARY KEY(AlbumId);

  CREATE SEARCH INDEX AlbumsIndex ON Albums(Ratings_Tokens);

以下查询会查找评分为 1 或 2 的所有专辑：

  SELECT AlbumId
  FROM Albums
  WHERE ARRAY_INCLUDES_ANY(Ratings, [1, 2])

以下查询会查找评分为 1 和 5 的所有专辑：

SELECT AlbumId
FROM Albums
WHERE ARRAY_INCLUDES_ALL(Ratings, [1, 5])

后续步骤