Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Auf dieser Seite wird beschrieben, was die Volltextsuche ist und wie sie funktioniert.
Mit der Volltextsuche können Sie eine Anwendung erstellen, mit der in einer Tabelle nach Wörtern, Wortgruppen oder Zahlen gesucht werden kann, anstatt nur nach genauen Übereinstimmungen in strukturierten Feldern. Bei Volltextsuchen werden die neuesten transaktionskonsistenten Commits an Ihre Anwendung zurückgegeben. Die Volltextsuchfunktionen von Spanner umfassen auch die Rechtschreibkorrektur, die automatische Spracherkennung von Suchanfragen und das Ranking von Suchergebnissen.
Bei der Textsuche in Spanner wird automatisch auch nach ähnlichen Wörtern gesucht.
Sie müssen einen Suchindex für alle Spalten erstellen, die für Volltextsuchen verfügbar sein sollen. Spanner analysiert die Daten in diesen Spalten, um einzelne Wörter zu identifizieren, die dem Suchindex hinzugefügt werden sollen.
Spanner aktualisiert den Suchindex mit neuen oder geänderten Daten, sobald diese in der Datenbank übernommen werden.
Arten der Volltextsuche
Einfache Textsuche: Bei dieser Suche werden Inhalte anhand eines vollständigen oder teilweisen Wortes oder einer Wortgruppe gesucht, um zuverlässige Ergebnisse zu erhalten. Beispiel für Abfrageprädikate:
Übereinstimmung mit allen Wörtern [glatthaar foxterrier dreifarbig]
Genau passende Wörter oder Wortgruppen ["Rat Terrier"]
Eines dieser Wörter [miniature OR standard]
Wort in unmittelbarer Nähe [world AROUND(3) cup]
Teilstring [start*]
Numerische Suche: Führt numerische Gleichheits- und Ungleichheitssuchen durch.
Bei Gleichheitssuchen wird nach einer Zahl gesucht. Bei Bereichs- und Ungleichheitssuchen wird eine Zahl innerhalb eines bestimmten Bereichs gefunden.
N-Gramm-basierte Suche: Es wird nach Wörtern mit Rechtschreibvarianten gesucht, einschließlich Eigennamen. Diese Art der Suche trägt auch dazu bei, Suchanfragetext mit falsch geschriebenen Namen, Namen mit alternativen Schreibweisen und Text mit anderen Rechtschreibvarianten abzugleichen.
Soundex-Suchanfragen: Es wird nach ähnlich klingenden Wörtern gesucht.
Funktionen der Volltextsuche
Die Spanner-Volltextsuche bietet die folgenden Funktionen:
Sortierte Suchergebnisse: Berechnet eine Punktzahl, um zu messen, wie gut eine Anfrage mit einem Dokument übereinstimmt (z. B. durch eine höhere Gewichtung für „column_A“). Mit SQL-Ausdrücken können Sie das Ranking anpassen.
Snippets: Hebt den übereinstimmenden Text im Suchergebnis hervor.
Globale Unterstützung: Die Tokenisierung wird automatisch in verschiedenen Sprachen unterstützt, einschließlich der CJK-Segmentierung. Durch die manuelle Angabe der Sprache können Sie zusätzliche Feinabstimmungen vornehmen.
Governance: Findet jedes Vorkommen bestimmter Wörter.
Rechtschreibkorrektur: Falsch geschriebene Wörter in Anfragen werden automatisch korrigiert, damit sie mit dem korrekt geschriebenen Wort im Speicher übereinstimmen. Wenn der Nutzer beispielsweise nach „girafe“ sucht, werden Dokumente mit „giraffe“ gefunden.
Kontextbezogene Synonyme hinzufügen, einschließlich Stoppwörter: Kontextbezogene Synonyme werden automatisch hinzugefügt, um die Erinnerung zu erhöhen. Beispiel: „das Haus“ entspricht „dieses Haus“ und „Katzenbild“ entspricht „Kätzchenbild“.
Kontextbezogene Übersetzung von Zahlen in Text und umgekehrt: Die Textversion einer Zahl wird mit der numerischen Darstellung abgeglichen und umgekehrt. Beispiel: „fünf Katzen“ stimmt mit „5 Katzen“ überein.
Automatische Pluralbildung: „cat“ wird mit „cats“ abgeglichen.
Konzepte der Volltextsuche
Die Volltextsuche umfasst die folgenden wichtigen Konzepte:
Ein Dokument bezieht sich auf die durchsuchbaren Daten in einer bestimmten Zeile.
Ein Token bezieht sich auf jedes Wort eines Dokuments, das in einem Suchindex gespeichert ist.
Bei der Tokenisierung wird ein Dokument in Tokens unterteilt.
Ein Tokenizer ist eine SQL-Funktion, die für die Tokenisierung verwendet wird.
In einem umgekehrten Index werden Tokens gespeichert. Mit SQL-Abfragen den invertierten Index durchsuchen
Beispiel für einen Anwendungsfall für die Volltextsuche
Um die Volltextsuche zu verstehen, sehen wir uns eine Anwendung an, in der in einer Datenbank Songs für jeden Sänger gespeichert werden. Jede Zeile steht für einen einzelnen Song. Jeder Song enthält Spalten wie Titel, Liedtext, Sänger und Album. Die Anwendung verwendet die Volltextsuche, damit Nutzer mit Suchanfragen in natürlicher Sprache nach einem Song suchen können:
Die Suche unterstützt Abfragen, die den Operator OR verwenden, z. B. Prince OR
Camille. Anwendungen können die Endnutzereingabe aus dem Suchfeld direkt in die SQL-Funktion SEARCH (mit der rquery-Syntax) einfügen. Weitere Informationen finden Sie unter Suchindex abfragen.
Spanner verwendet Suchindexe, um in verschiedenen Feldern nach übereinstimmenden Dokumenten zu suchen. Eine Anwendung kann beispielsweise eine Anfrage ausgeben, um nach dem Titel „cry“ zu suchen, mit „so cold“ im Liedtext und „Prince“ als Sänger.
Weitere Verwendungsmöglichkeiten für Suchindexe
Suchindizes haben neben der Volltextsuche eine Vielzahl von Verwendungsmöglichkeiten, z. B.:
Elemente in Arrayspalten indexieren Stellen Sie sich eine Anwendung vor, in der eine Array-Spalte zum Speichern von Tags verwendet wird, die einem Element zugeordnet sind. Mithilfe von Suchindexen kann die Anwendung effizient nach Zeilen mit einem bestimmten Tag suchen. Weitere Informationen finden Sie unter Array-Tokenisierung.
Daten finden, die sich im Schnittpunkt einer Reihe von Abfragebedingungen befinden. Sie können beispielsweise eine beliebige Gruppe von Attributen (Farbe, Größe, Marke, Bewertung usw.) verwenden, um in einem Katalog nach einem Produkt zu suchen.
Numerische Suchbedingungen allein oder in Kombination mit Volltextbedingungen verwenden. Hier einige Beispiele dafür, wann ein Suchindex für numerische Suchanfragen nützlich ist:
In Kombination mit einer Volltextanwendung Beispiel: Sie möchten eine E‑Mail mit dem Betreff Bild und einer Größe von mehr als 1 MB finden.
Wenn sie Teil einer zuvor beschriebenen Schnittmenge von Bedingungen ist.
Beispiel: Sie möchten Produkte finden, bei denen color = "yellow" AND size = 14 AND
rating >= 4.5.
Wenn Sie nach der Überschneidung von numerischen Spalten suchen. Angenommen, in einer Tabelle werden Start- und Endzeiten von Ereignissen gespeichert. Mit Suchindexen lässt sich eine Abfrage, die nach Ereignissen sucht, die zu einem bestimmten Zeitpunkt stattgefunden haben, effizient implementieren: start_time <= @p AND
end_time > @p.
Für die Verwendung der Volltextsuche fallen in Spanner keine zusätzlichen Gebühren an. Die Implementierung der Volltextsuche führt jedoch zu höheren Kosten, da zusätzliche Rechen- und Speicherressourcen erforderlich sind.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-11 (UTC)."],[],[],null,["# Full-text search overview\n\n| **Note:** This feature is available with the Spanner Enterprise edition and Enterprise Plus edition. For more information, see the [Spanner editions overview](/spanner/docs/editions-overview).\n\n\u003cbr /\u003e\n\nThis page describes what full-text search is and how it works.\n\nA full-text search lets you build an application that can search a table to find\nwords, phrases, or numbers, instead of just searching for exact matches in\nstructured fields. Full-text searches return the latest\ntransactionally-consistent committed data to your application. Spanner\nfull-text search capabilities also include making spelling corrections,\nautomating language detection of search input, and ranking search results.\nSpanner automatically expands text searches to include\napproximate word matching.\n\nYou need to create a search index on any columns that you want to make available\nfor full-text searches. Spanner analyzes the\ndata in those columns to identify individual words to add to the search index.\nSpanner updates the search index with new or modified data as soon as\nit's committed in the database.\n\nTypes of full-text search\n-------------------------\n\n- **Basic text search** : Searches for content using the entire or part of a word or phrase to reliably receive results. Example query predicates:\n - Matching all words \\[tricolor rat terrier\\]\n - Exact word or phrases \\[\"rat terrier\"\\]\n - Any of these words \\[miniature OR standard\\]\n - Word within close proximity \\[world AROUND(3) cup\\]\n - Substring \\[start\\*\\]\n- **Numeric search**: Performs numeric equality and inequality searches. Equality searches match a number. Range and inequality searches match a number within a specific range.\n- **n-gram-based search**: Matches words with spelling variations, including proper nouns and names. This type of search also helps to match query text with misspelled names, names with alternate spellings, and text with other spelling variations.\n- **Soundex searches**: Matches similar-sounding words.\n\nFull-text search features\n-------------------------\n\nSpanner full-text search has the following features:\n\n- **Ranked search results**: Computes a score to gauge how well a query matches a document (for example, giving a heavier weight for column_A). Use SQL expressions to customize ranking.\n- **Snippets**: Highlights the matching text in the search result.\n- **Global support** : Automatically supports tokenization in different languages, including [CJK](https://en.wikipedia.org/wiki/CJK_characters) segmentation. Manual specification of language lets you perform additional fine-tuning.\n- **Governance**: Finds every occurrence of specific words.\n- **Spelling correction**: Automatically corrects misspelled words in queries to match the correctly-spelled word in storage. For example, if the user searches for \"girafe\", the search finds documents with \"giraffe\".\n- **Contextual synonym addition, including stop words**: Automatically adds contextually-relevant synonyms to increase recall. For example, \"the house\" matches \"this house\" and \"cat picture\" matches \"kitty picture\".\n- **Contextual number translation to and from text**: Matches the textual version of a number to the numeric representation and vice-versa. For example, \"five cats\" matches \"5 cats\".\n- **Automatic plural conversion**: Matches \"cat\" to \"cats\".\n\nFull-text search concepts\n-------------------------\n\nFull-text search has the following key concepts:\n\n- A *document* refers to the searchable data in a given row.\n- A *token* refers to each word of a document that's stored in a search index.\n- A *tokenization* process splits a document into tokens.\n- A *tokenizer* is a SQL function used for tokenization.\n- An *inverted index* stores tokens. Use SQL queries to search the inverted index.\n\nUse case example for full-text search\n-------------------------------------\n\nTo understand full-text search, let's take a look at an application that\nuses a database to store songs for each singer. Each row is a single song. Each\nsong contains columns like title, lyrics, singer, and album. The application\nuses full-text search to let a user search for a song using natural language\nqueries:\n\n- The search supports queries that use the `OR` operator, like `Prince OR\n Camille`. Applications can directly feed the end user input from the search box into the SQL [`SEARCH`](/spanner/docs/full-text-search/query-overview#query_a_search_index) function (using the rquery syntax). For more information, see [Query a\n search\n index](/spanner/docs/full-text-search/query-overview#query_a_search_index).\n- Spanner uses search indexes to look for matching documents across different fields. For example, an application can issue a query to search for \"cry\" in the title, with \"so cold\" in the lyrics, and \"Prince\" as the singer.\n\nOther uses for search indexes\n-----------------------------\n\nSearch indexes have a variety of uses in addition to full-text search, such as\nthe following:\n\n- Indexing elements in array columns. Consider an application that uses an\n array column to store tags associated with an item. With search indexes, the\n application can efficiently look up rows containing a specific tag. For more\n information, see\n [Array tokenization](/spanner/docs/full-text-search/numeric-indexes#array-tokenization).\n\n \u003cbr /\u003e\n\n- Finding data that resides in the intersection of a set\n of query conditions. For example, you can use an arbitrary set of attributes\n (color, size, brand, rating, and so on) to search for a product in a\n catalog.\n\n- Using numeric search conditions, alone or in combination with full-text\n conditions. Some examples for when a search index is useful for numeric\n searches:\n\n - When it's combined with a full-text application. For example, to find an email with the subject **Picture** and size greater than 1 MB.\n - When it's part of an intersection of conditions described previously. For example, to find products where `color = \"yellow\" AND size = 14 AND\n rating \u003e= 4.5`.\n - When searching for the intersection of numeric columns. For example, consider a table storing event start and end times. Search indexes can efficiently implement a query that looks for events that took place at a particular point in time: `start_time \u003c= @p AND\n end_time \u003e @p`.\n\n For more information, see\n [Numeric indexes](/spanner/docs/full-text-search/numeric-indexes).\n\nFull-text search steps\n----------------------\n\nIn Spanner, full-text search requires the following steps:\n\n1. Tokenize a document using the Spanner tokenizer functions, such as [`TOKENIZE_SUBSTRING`](/spanner/docs/reference/standard-sql/search_functions#tokenize_substring). For more information, see [Tokenization](/spanner/docs/full-text-search/tokenization).\n2. Create a search index to hold the tokens using the [`CREATE SEARCH\n INDEX`](/spanner/docs/reference/standard-sql/data-definition-language#create-search-index) DDL statement. For more information, see [Search\n indexes](/spanner/docs/full-text-search/search-indexes).\n3. Query documents in the search index using the Spanner [`SEARCH`](/spanner/docs/reference/standard-sql/search_functions#search_fulltext) function. For more information, see [Query\n overview](/spanner/docs/full-text-search/query-overview).\n4. Rank the results of the query using the Spanner [`SCORE`](/spanner/docs/reference/standard-sql/search_functions#score) function. For more information, see [Rank search\n results](/spanner/docs/full-text-search/ranked-search).\n\nLimitations\n-----------\n\n- Full-text search doesn't support [Assured Workloads](/assured-workloads/docs/overview).\n\nPricing\n-------\n\nThere are no additional charges from Spanner when you use\nfull-text search, although the implementation of full-text search\nincreases costs due to the need for additional compute and storage resources.\n\nFor more information, see [Spanner pricing](/spanner/pricing).\n\nWhat's next\n-----------\n\n- Learn about [tokenization and Spanner tokenizers](/spanner/docs/full-text-search/tokenization).\n- Learn about [search indexes](/spanner/docs/full-text-search/search-indexes).\n- Learn about [full-text search queries](/spanner/docs/full-text-search/query-overview)."]]
