HubbleDotNet 可以非常方便的对数据库现有表或视图创建全文索引，整个过程人工干预的时间不超过5分钟。我将用几个篇幅来阐述如何对现有数据表创建全文索引。本篇将重点介绍如何创建 Updatable模式的全文索引。

Updatable 和 Append only 的共同点都是被动模式建索引，其区别在于采用 Updatable 模式为数据库现有表建立的全文索引可以添加，修改和删除，而 Append only 模式只能做添加和删除（Append only 模式删除不能自动，要通过程序来删除)，不能修改。Updatable 模式索引同步要比 Append only 复杂很多，详见自动和现有表同步，所以如果你的表只是进行添加和删除操作，没有修改操作，建议用 Append only 模式，否则用 Updatable 模式。

在对现有表创建全文索引前，我们还是需要先在 HubbleDotNet 中创建一个数据库，如何创建数据库见：HubbleDotNet 开源全文搜索数据库项目--创建、删除数据库

创建好HubbleDotNet的数据库后就可以开始对关系数据库中现有表或视图建全文索引了。

下面我以Test库的EnglishNews 表为例，讲解如何针对现有表创建全文索引。

这是SQL SERVER的 Test库中 EnglishNews 表的结构

在HubbleDotNet 中建索引表

打开查询分析器，在News 库这个节点点右键选 Create Table，如下图所示

如上图所示点击Create table 后会出现这个界面，按照界面提示，输入HubbleDotNet 的表名，这里输入 EnglishNews，这个名字不一定要和数据库的名字相同。 再输入全文索引所在目录，选择数据库适配器，这里由于我对应的关系数据库是SQLSERVER 2005，所以选SQLSERVER 2005, 这个适配器适用于SQL SERVER 2005 及以后的所有版本。然后再配置一下关系数据库的连接字符串，这个连接字符串用户和对应的关系数据库连接，如果需要连接远程数据库，只需要在这里指定Data Source = 远程IP地址就可以了。点下面的Test DB Connection String 按钮测试连接字符串没有问题，点Next 进入下一步。

选择索引模式

如上图所示，由于是被动索引模式，我们选择 Build Index from exist table

Exist table Name or View Name 这里输入数据库中对应表的表名，这里输入 EnglishNews。 由于HubbleDotNet 不但可以对现有表做索引，也可以对视图做索引，所以如果被索引的不是表而是视图，只要在这里填写数据库中对应的视图名就可以了。

由于这个表不但要添加删除，还要修改，这里我们选择增量模式为 Updatable 模式。

点Next 进入下一步

配置索引字段

如上图所示，HubbleDotNet 会自动从数据库中读取表结构，帮助用户生成索引表结构。

Updatable 类型索引，数据库的现有表必须有一个Int 或 Bigint 类型 Id 字段(ID Field) 这个字段的字段名可以为除DocId以外的任意名字。这个字段必须设置为Untokenized 索引类型。这个字段必须是自增长的。

如果被索引的表的主键不是int或bigint 类型，比如vchar 类型字段做主键，那么我们必须在被索引表中插入一个 int 类型或bigint 类型的自增长字段，并为这个字段建唯一性索引，然后将 ID Field 指向这个字段才行。

设置完所有字段后，点击下一步

完成索引

这一步列出创建语句，你可以做最后的检查，如果确认没有问题，点Finish。建表语句如下，你也可以不通过建表界面，直接写建表语句来建立索引表。

[IndexOnly]

[DocId('Id')]

[Directory ('d:\test11\EnglishNews\')]

[DBTableName ('EnglishNews')]

[DBAdapter ('SQLSERVER2005')]

[DBConnect ('Data Source=(local);Initial Catalog=Test;Integrated Security=True')]

Create table EnglishNews

(

Id BigInt Untokenized NULL default 0 ,

GroupId Int Untokenized NULL default 0 ,

SiteId Int Untokenized NULL default 0 ,

Title NVarchar(max) Tokenized Analyzer 'EnglishAnalyzer' NULL default '' ,

Content NVarchar(max) Tokenized Analyzer 'EnglishAnalyzer' NULL default '' ,

Time DateTime Untokenized NULL default '1900-1-1' ,

URL NVarchar(max) NULL ,

ImageUrl NVarchar(max) NULL 

);

这时将提示

如果你打算马上就开始索引，选 Yes

这时将进入 Rebuild Table 界面

点Rebuild 就可以开始为EnglishNews 这个现有表创建全文索引了。

这里需要注意的是：

Updatable 模式只能对空索引进行Rebuild，就是说如果HubbleDotNet 中已经有了这个表的索引记录，哪怕只有一条，就不能再继续 Rebuild 了，这时

只能点 RebuildWholeTable 对全表的索引清空后重新Rebuild。如果想在原来索引的基础上增量或修改，需要使用HubbleDotNet 提供的自动同步功能来完成。

如何用自动同步功能，见：自动和现有表同步

全文索引建立完以后，我们可以优化一下，如下图所示

优化完以后，就可以搜索了。（不优化也可以搜索，性能会慢一些）

下面看看怎么搜索

搜索新闻

示例1

搜索标题包含 abc news to cut 这几个关键字中任意一个关键字的所有记录，并按匹配度排序

SQL 语句：

select top 10 Id, Title, Score from EnglishNews where title match 'abc^5000^0 news^5000^3 to^5000^7 cut^5000^9' order by score desc

结果：

单词分量后面跟的参数含义如下

第一个参数表示这个单词分量的权值，这里为5000。

第二个参数表示这个单词分量在输入的被搜索的句子中的其实位置，如这里“abc”的位置为0，news的起始位置为 3.

top 10 表示输出前10条匹配的记录

这里可以看出，完全匹配的记录，得分最高。

示例2

搜索标题包含 abc news to cut 这几个关键字中所有关键字的记录，并按匹配度排序

SQL 语句：

select top 10 Id, Title, Score from EnglishNews where title contains 'abc^5000^0 news^5000^3 to^5000^7 cut^5000^9' order by score desc

结果：

采用 Contains 搜索，可以进行精确匹配，这里我们发现采用 Contains 搜索出来的数据要比 Match 少很多。因为只有同时包含abc news to cut 这四个单词的记录才会被输出出来。

再进一步，由于  to 这个词太常见，我们希望匹配同时包含 abc news cut 这三个单词的记录，并且记录中如果包含 to ，则得分比不包含to 的得分高。这种搜索方法已经很解决 google 或 baidu 的搜索方法了，google 中如果输入关键字中包含停用词，对非停用词采用与的方式匹配，对停用词采用或的方式匹配，但如果记录中包含要匹配的停用词，则得分比不包含的要高。

SQL 语句：

select top 10 Id, Title, Score from EnglishNews where title contains 'abc^5000^0 news^5000^3 to^5000^7^1 cut^5000^9' order by score desc

结果：

这里我们看出，多出了一条记录，这条记录排在第三位，和前两条记录比起来，这条记录没有 to 这个单词。

to 这个单词分量后面跟的参数说明：

to^5000^7^1

前两个参数和其他单词的意思一样，一个为权重，一个为位置。

第三个参数为标志字段，1 表示可以为或。

示例2

搜索标题包含 abc news to cut 这几个关键字中任意一个关键字的记录，并按匹配度排序，同时按 GroupId 字段做统计，输出记录最多的10个groupid

SQL 语句：

[GroupBy('Count', '*', 'GroupId', 10)]
select top 10 Id, Title, Score from EnglishNews where title match 'abc^5000^0 news^5000^3 to^5000^7 cut^5000^9' order by score desc

结果：

最后一个参数 10 是可选参数，表示返回前10个最多的分组统计结果，如果不填，返回所有分组统计结果。
Group By 字段必须为 untokenized 类型索引字段且不能是字符串类型。
这个语句执行后，会输出2个DataTable 第一个是 select 语句的结果集，第二个是group by 的结果集。也就是说在全文搜索时同时进行分组统计，这样使用起来更方便，而且速度更快。

再进一步

[GroupBy('Count', '*', 'GroupId', 10)]
[GroupBy('Count', '*', 'SiteId', 10)]
select top 10 Id, GroupId, SiteId, Title, Score from EnglishNews where title match 'abc^5000^0 news^5000^3 to^5000^7 cut^5000^9' order by score desc

这个语句同时输出正对 GroupId 和SiteId 两个字段的统计结果。很多电子商务网站需要在搜索的同时显示多个分组的统计结果，HubbleDotNet 可以通过上面语法一次输出

出来。而且HubbleDotNet 的 GroupBy 功能是在底层进行统计的，比Lucene 的统计需要在结果输出后再通过程序进行过滤统计要简单快速很多。

GroupBy 部分的伪SQL 语句是

select top 10 GroupId, count(*) as count from englishnews where title match 'abc^5000^0 news^5000^3 to^5000^7 cut^5000^9' group by GroupId order by count desc

再进一步

[GroupBy('Count', '*', 'GroupId,SiteId', 10)]
select top 10 Id, GroupId, SiteId, Title, Score from EnglishNews where title match 'abc^5000^0 news^5000^3 to^5000^7 cut^5000^9' order by score desc

上述语句可以针对多个字段进行分组统计。要注意的是多字段 GroupBy 时，多个字段的占用字节数总和不可以超过8字节。及最多2个int类型，或者8个tinyint类型。

更多例子见 HubbleDotNet 开源全文搜索数据库项目--为数据库现有表或视图建立全文索引(一) Append Only 模式

返回 Hubble.net 技术详解