当遇到模糊查询时，Lucene 在 OrientDB 上运行

Question

我已经使用 Lucene 的关键字分析器在 OrientDB 上索引了一个属性：

CREATE INDEX Snippet.ssdeep ON Snippet (ssdeep) FULLTEXT ENGINE LUCENE METADATA {"analyzer":"org.apache.lucene.analysis.core.KeywordAnalyzer"}

该文件包含我已为测试编制索引的 simhashes。

现在，当我使用 Lucene 进行搜索时，我会得到准确查询的响应，但不会得到模糊查询的响应（尽管正确地转义了查询文本）。

例如，给定一个值为“192:d4e1GDZYDUZrw9AfCB+A66ancCZmx9n2P:2e1GW18A66ac/YP”的字段，以下查询产生一条记录：

SELECT FROM Snippet WHERE ssdeep LUCENE "192\:d4e1GDZYDUZrw9AfCB\+A66ancCZmx9n2P\:2e1GW18A66ac\/YP"

虽然此查询没有产生任何记录：

SELECT FROM Snippet WHERE ssdeep LUCENE "192\:d4e1GDZYDUZrw9AfCB\+A66ancCZmx9n2P\:2e1GW18A66ac\/YP~0.9"

我想知道是什么阻止了 Lucene 找到近似结果？更具体地说，是 Lucene（或 KeywordAnalyzer）不适合模糊搜索此类字符串，还是 Lucene 和 OrientDB 之间的接口才是原因？

即我在同一个数据库上有其他全文 Lucene 索引可以工作，但所有这些字段都包含普通文本，并使用简单或标准分析器进行分析。这是我真正需要全文索引的唯一字段，但它不起作用。

Answer 1

问题是字母大小写。 StandardAnalyzer、SimpleAnalyzer 和 EnglishAnalyzer 在索引术语之前都是小写文本。 KeywordAnalyzer 没有。

由于不分析通配符、模糊和其他扩展的多术语查询，因此默认情况下，QueryParser 会将这些类型的查询小写。

我不太了解 OrientDB 公开了哪些 Lucene 以允许您有效地执行此操作，但 Lucene 中的两个最佳解决方案是：

禁用 QueryParser 小写这些类型的查询：
```
queryParser.setLowercaseExpandedTerms(false);
```

使用结合了 KeywordTokenizer 和 LowerCaseFilter 的自定义分析器：

public class LowercaseKeywordAnalyzer extends Analyzer {
    @Override
    protected TokenStreamComponents createComponents(String fieldName) {
        Tokenizer source = new KeywordTokenizer();
        TokenStream filter = new LowerCaseFilter(source);
        return new TokenStreamComponents(source, filter);
    }
}

我不知道这些是否以及如何在 OrientDB 中公开，但希望这能为您指明正确的方向。

当遇到模糊查询时，Lucene 在 OrientDB 上运行

Lucene acting up on OrientDB when confronted with fuzzy queries

indexing

lucene

orientdb

fuzzy-search