由于工作需要，笔者在HP UX, Soralis 上面设置了Oracle Intermedia来实现全文检索。目前已经投入实际使用。设置过程中有许多问题和经验，拿来和大家交流。本文依据的是Oracle 8.1.6 和8.1.7两个版本,不能保证适用于其他版本。

目前全文检索功能几乎所有主流数据库都支持。此前笔者曾在sql server 2000上实现，感觉非常简单，方便，但创建全文检索索引的时间比较长，通常要十几个小时。Oracle 的全文检索建立和维护索引都要快得多，笔者的65万记录的一个表建立索引只需要20分钟，同步一次只需要1分钟。但设置就要复杂得多。

一．设置过程

1．首先，检查你的数据库是否安装了intermedia

这可以通过检查是否有ctxsys用户和ctxapp角色(role). 如果没有这个用户和角色，意味着你的数据库创建时未安装intermedia功能。你必须修改数据库以安装这项功能。

修改过程：

运行 $ORACLE_HOME/bin/dbassist, 选择'modify database', 然后在选择数据库功能时将j server 和 intermedia 都选上（安装intermedia必须同时安装jserver).强烈建议你在做这个改动前先备份整个数据库。

2．设置extproc

Oracle 是通过所谓的‘外部调用功能’(external procedure)来实现intermedia的，因此正确地设置extproc是关键一步。

首先要配置listener 使它能监听intermedia 调用的请求。你可以通过运行$ORACLE_HOME/bin/netassit 来进行配置，也可以手工修改配置文件：$ORACLE_HOME/network/admin/listener.ora ,然后重新启动listener。下面以一个例子来讲述如何手工修改配置文件。

打开listener.ora文件，在修改前，通常有如下内容（假定使用缺省listener）:

LISTENER = 

(DESCRIPTION = 

(ADDRESS = (PROTOCOL = TCP)(HOST = MYDATABASE)(PORT = 1521)) 

) 



SID_LIST_LISTENER = 

(SID_DESC = 

(GLOBAL_DBNAME = mydatabase.world) 

(ORACLE_HOME = /u01/app/oracle/product/8.1.6) 

(SID_NAME = mydatabase) 

)

这个listener还没有配置extproc, 因此，需要为它增加对extproc的监听，办法就是分别增加description 和 sid_desc. 修改后的listner.ora 如下：

LISTENER = 

(DESCRIPTION_LIST = 

(DESCRIPTION = 

(ADDRESS = (PROTOCOL = TCP)(HOST = MYDATABASE)(PORT = 1521)) 

) 

(DESCRIPTION = 

(ADDRESS = (PROTOCOL = IPC)(KEY = EXTPROC)) 



) 

) 

SID_LIST_LISTENER = 

(SID_LIST = 

(SID_DESC = 

(GLOBAL_DBNAME = mydatabase.world) 

(ORACLE_HOME = /u01/app/oracle/product/8.1.6) 

(SID_NAME = mydatabase) 

) 

(SID_DESC = 

(PROGRAM = extproc) 

(SID_NAME = PLSExtProc) 

(ORACLE_HOME = /u01/app/oracle/product/8.1.6) 

) 

)

注意上面的host, global_dbname,sid_name,oracle_home应填写你的数据库的实际值，但program一项必须填写extproc.

其次，要配置服务器端的tnsnames.ora文件。该文件的位置在$ORACLE_HOME/network/admin下面。同样可以通过运行netasst来进行配置。

在tnsnames.ora文件中需要增加如下一项：

EXTPROC_CONNECTION_DATA,EXTPROC_CONNECTION_DATA.WORLD = 

(DESCRIPTION = 

(ADDRESS_LIST = 

(ADDRESS = (PROTOCOL = IPC)(KEY = EXTPROC)) 

) 

(CONNECT_DATA = 

(SID = PLSExtProc) 

) 

)

注意其中，KEY 和SID必须与listener.ora中的key 和sid_name对应相同。

修改完成后，重新启动listener (先用lsnrctl stop, 然后 lsnrctl start), 然后，使用tnsping 来测试一下是否配置正确：

tnsping extproc_connection_data 或者

tnsping extproc_connection_data.world,如果配置正确，会显示：

Attempting to contact (ADDRESS=(PROTOCOL=IPC)(KEY=EXTPROC)) OK（140毫秒）

否则请检查你的上述两个文件，并注意，在修改后一定要重新启动listener，但并不需要重新启动数据库。

3．设置词法分析器(lexer)

Oracle实现全文检索，其机制其实很简单。即通过Oracle专利的词法分析器(lexer),将文章中所有的表意单元（Oracle 称为 term） 找出来，记录在一组 以 dr$开头的表中，同时记下该term出现的位置、次数、hash 值等信息。检索时，Oracle 从这组表中查找相应的 term，并计算其出现频率，根据某个算法来计算每个文档的得分（score）,即所谓的‘匹配率’。而lexer则是该机制的核心，它决定了全文检索的效率。Oracle 针对不同的语言提供了不同的 lexer, 而我们通常能用到其中的三个：

basic_lexer: 针对英语。它能根据空格和标点来将英语单词从句子中分离，还能自动将一些出现频率过高已经失去检索意义的单词作为‘垃圾’处理，如if , is 等，具有较高的处理效率。但该lexer应用于汉语则有很多问题，由于它只认空格和标点，而汉语的一句话中通常不会有空格，因此，它会把整句话作为一个term,事实上失去检索能力。以‘中国人民站起来了’这句话为例，basic_lexer 分析的结果只有一个term ,就是‘中国人民站起来了’。此时若检索‘中国’，将检索不到内容。

chinese_vgram_lexer: 专门的汉语分析器，支持所有汉字字符集。该分析器按字为单元来分析汉语句子。‘中国人民站起来了’这句话，会被它分析成如下几个term: ‘中’，‘中国’，‘国人’，‘人民’，‘民站’，‘站起’，起来’，‘来了’，‘了’。可以看出，这种分析方法，实现算法很简单，并且能实现‘一网打尽’，但效率则是差强人意。

chinese_lexer: 这是一个新的汉语分析器，只支持utf8字符集。上面已经看到，chinese vgram lexer这个分析器由于不认识常用的汉语词汇，因此分析的单元非常机械，像上面的‘民站’，‘站起’在汉语中根本不会单独出现，因此这种term是没有意义的，反而影响效率。chinese_lexer的最大改进就是该分析器 能认识大部分常用汉语词汇，因此能更有效率地分析句子，像以上两个愚蠢的单元将不会再出现，极大 提高了效率。但是它只支持 utf8, 如果你的数据库是zhs16gbk字符集，则只能使用笨笨的那个Chinese vgram lexer.

Linux联盟收集整理

频道声明：本频道的文章除部分特别声明禁止转载的专稿外，可以自由转载.但请务必注明出出处和原始作者 文章版权归本频道与文章作者所有.对于被频道转载文章的个人和网站,我们表示深深的谢意。 原始作者:佚名 录入时间:2007-3-31 2:41:06 信息来源:不详 投稿信箱:itqoo@126.com