编辑“Sphinx/结果分组”

{{Sphinx导航}}

有时将搜索结果分组（或者说“聚类”）并对每组中的结果计数是很有用的－例如画个漂亮的图来展示每个月有多少的[[blog]]日志，或者把[[Web]]搜索结果按站点分组，或者把找到的论坛帖子按其作者分组。

理论上，这可以分两步实现：首先在Sphinx中做全文检索，再在[[SQL]][[服务器]]端对得到的ID分组。但是现实中在大结果集（10K到10M个匹配）上这样做通常会严重影响性能。

为避免上述问题，Sphinx提供了一种“分组模式”，可以用API调用SetGroupBy()来开启。在分组时，根据group-by值给匹配项赋以一个分组。这个值用下列内建函数之一根据特定的属性值计算：

*SPH_GROUPBY_DAY, 从时间戳中按YYYYMMDD格式抽取年、月、日;
*SPH_GROUPBY_WEEK, 从时间戳中按YYYYNNN格式抽取年份和指定周数（自年初计起）的第一天;
*SPH_GROUPBY_MONTH, 从时间戳中按YYYYMM格式抽取月份;
*SPH_GROUPBY_YEAR, 从时间戳中按YYYY格式抽取年份;
*SPH_GROUPBY_ATTR, 使用属性值自身进行分组.

最终的搜索结果中每组包含一个最佳匹配。分组函数值和每组的匹配数目分别以“虚拟”属性 @group 和 @count 的形式返回.

结果集按group-by排序子句排序，语法与SPH_SORT_EXTENDED 排序子句的语法相似。除了@id和@weight，分组排序子句还包括：

#@group (groupby函数值),
#@count (组中的匹配数目).

默认模式是根据groupby函数值降序排列，即按照 "@group desc".

排序完成时，结果参数total_found会包含在整个[[索引]]上匹配的组的总数目。

'''注意''': 分组操作在固定的内存中执行，因此它给出的是近似结果；所以total_found报告的数目可能比实际给出的个分组数目的和多。@count也可能被低估。要降低不准确性，应提高max_matches。如果max_matches允许存储找到的全部分组，那结果就是百分之百准确的。

例如，如果按相关度排序，同时用SPH_GROUPBY_DAY函数按属性"published"分组，那么：

*结果中包含每天的匹配结果中最相关的那一个，如果那天有记录匹配的话,
*结果中还附加给出天的编号和每天的匹配数目,
*结果以天的编号降序排列（即最近的日子在前面）。

==参考来源==
*http://www.coreseek.cn/docs/coreseek_3.2-sphinx_0.9.9.html#required-tools 



[[category:Sphinx|J]]
{{Sphinx使用手册}}