你当前正在访问 Microsoft Azure Global Edition 技术文档网站。如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

快速入门：使用 Lucene Index（预览版）在 Azure Managed Instance for Apache Cassandra 中进行搜索

项目
04/22/2023

Cassandra Lucene Index 派生自 Stratio Cassandra，是 Apache Cassandra 的插件，可扩展其索引功能，并提供全文搜索功能以及免费的多变量、地理空间和双时态搜索。它通过基于 Apache Lucene 的 Cassandra 辅助索引实现来完成此功能，其中群集的每个节点会为自己的数据编制索引。本快速入门演示如何使用 Lucene Index 在 Azure Managed Instance for Apache Cassandra 中进行搜索。

重要

Lucene Index 为公共预览版。此功能不附带服务级别协议，不建议将其用于生产工作负载。有关详细信息，请参阅 Microsoft Azure 预览版补充使用条款。

警告

Lucene Index 插件的一个限制是跨分区搜索无法仅在索引中执行 - Cassandra 需要将查询发送到每个节点。这可能会导致跨分区搜索的性能（内存和 CPU 负载）问题，可能会影响稳定状态工作负载。

如果搜索的要求很高，建议部署专用辅助数据中心，仅用于搜索，配备最少的节点数量，每个节点配备大量核心（至少 16 个）。然后，主要（运营）数据中心中的键空间应配置为将数据复制到辅助（搜索）数据中心。

先决条件

如果没有 Azure 订阅，请在开始之前创建一个免费帐户。
部署 Azure Managed Instance for Apache Cassandra 群集。可以通过门户执行此操作 - 从门户部署群集时，默认情况下将启用 Lucene Index。如果要将 Lucene Index 添加到现有群集，请在门户“概述”边栏选项卡中单击 Update，选择 Cassandra Lucene Index，然后单击“更新”进行部署。
从 CQLSH 连接到你的群集。

使用 Lucene Index 创建数据

在 CQLSH 命令窗口中，创建键空间和表，如下所示：

   CREATE KEYSPACE demo
   WITH REPLICATION = {'class': 'NetworkTopologyStrategy', 'datacenter-1': 3};
   USE demo;
   CREATE TABLE tweets (
      id INT PRIMARY KEY,
      user TEXT,
      body TEXT,
      time TIMESTAMP,
      latitude FLOAT,
      longitude FLOAT
   );

现在，使用 Lucene Index 在表上创建自定义辅助索引：

   CREATE CUSTOM INDEX tweets_index ON tweets ()
   USING 'com.stratio.cassandra.lucene.Index'
   WITH OPTIONS = {
      'refresh_seconds': '1',
      'schema': '{
         fields: {
            id: {type: "integer"},
            user: {type: "string"},
            body: {type: "text", analyzer: "english"},
            time: {type: "date", pattern: "yyyy/MM/dd"},
            place: {type: "geo_point", latitude: "latitude", longitude: "longitude"}
         }
      }'
   };

插入以下示例推文：

    INSERT INTO tweets (id,user,body,time,latitude,longitude) VALUES (1,'theo','Make money fast, 5 easy tips', '2023-04-01T11:21:59.001+0000', 0.0, 0.0);
    INSERT INTO tweets (id,user,body,time,latitude,longitude) VALUES (2,'theo','Click my link, like my stuff!', '2023-04-01T11:21:59.001+0000', 0.0, 0.0);
    INSERT INTO tweets (id,user,body,time,latitude,longitude) VALUES (3,'quetzal','Click my link, like my stuff!', '2023-04-02T11:21:59.001+0000', 0.0, 0.0);
    INSERT INTO tweets (id,user,body,time,latitude,longitude) VALUES (4,'quetzal','Click my link, like my stuff!', '2023-04-01T11:21:59.001+0000', 40.3930, -3.7328);
    INSERT INTO tweets (id,user,body,time,latitude,longitude) VALUES (5,'quetzal','Click my link, like my stuff!', '2023-04-01T11:21:59.001+0000', 40.3930, -3.7329);

控制读取一致性

前面创建的索引将使用指定类型为表中的所有列编制索引，用于搜索的读取索引将每秒刷新一次。或者，可以使用一致性为 ALL 的空搜索显式刷新所有索引分片：
```
    CONSISTENCY ALL
    SELECT * FROM tweets WHERE expr(tweets_index, '{refresh:true}');
    CONSISTENCY QUORUM
```

现在，可以搜索特定日期范围内的推文：

    SELECT * FROM tweets WHERE expr(tweets_index, '{filter: {type: "range", field: "time", lower: "2023/03/01", upper: "2023/05/01"}}');

还可以通过强制显式刷新所涉及的索引分片来执行此搜索：

    SELECT * FROM tweets WHERE expr(tweets_index, '{
       filter: {type: "range", field: "time", lower: "2023/03/01", upper: "2023/05/01"},
       refresh: true
    }') limit 100;

搜索数据

若要搜索特定日期范围内正文字段包含短语“单击我的链接”的前 100 条相关推文：

    SELECT * FROM tweets WHERE expr(tweets_index, '{
       filter: {type: "range", field: "time", lower: "2023/03/01", upper: "2023/05/01"},
       query: {type: "phrase", field: "body", value: "Click my link", slop: 1}
    }') LIMIT 100;

若要优化搜索，仅获取名称以“q”开头的用户所写的推文：

    SELECT * FROM tweets WHERE expr(tweets_index, '{
       filter: [
          {type: "range", field: "time", lower: "2023/03/01", upper: "2023/05/01"},
          {type: "prefix", field: "user", value: "q"}
       ],
       query: {type: "phrase", field: "body", value: "Click my link", slop: 1}
    }') LIMIT 100;

若要获取筛选后最近的 100 个结果，可以使用排序选项：

    SELECT * FROM tweets WHERE expr(tweets_index, '{
       filter: [
          {type: "range", field: "time", lower: "2023/03/01", upper: "2023/05/01"},
          {type: "prefix", field: "user", value: "q"}
       ],
       query: {type: "phrase", field: "body", value: "Click my link", slop: 1},
       sort: {field: "time", reverse: true}
    }') limit 100;

之前的搜索可以限制为在某个地理位置附近创建的推文：

    SELECT * FROM tweets WHERE expr(tweets_index, '{
       filter: [
          {type: "range", field: "time", lower: "2023/03/01", upper: "2023/05/01"},
          {type: "prefix", field: "user", value: "q"},
          {type: "geo_distance", field: "place", latitude: 40.3930, longitude: -3.7328, max_distance: "1km"}
       ],
       query: {type: "phrase", field: "body", value: "Click my link", slop: 1},
       sort: {field: "time", reverse: true}
    }') limit 100;

还可以按到某个地理位置的距离对结果进行排序：

    SELECT * FROM tweets WHERE expr(tweets_index, '{
       filter: [
          {type: "range", field: "time", lower: "2023/03/01", upper: "2023/05/01"},
          {type: "prefix", field: "user", value: "q"},
          {type: "geo_distance", field: "place", latitude: 40.3930, longitude: -3.7328, max_distance: "1km"}
       ],
       query: {type: "phrase", field: "body", value: "Click my link", slop: 1},
       sort: [
          {field: "time", reverse: true},
          {field: "place", type: "geo_distance", latitude: 40.3930, longitude: -3.7328}
       ]
    }') limit 100;

后续步骤

在本快速入门中，你了解了如何使用 Lucene Search 在 Azure Managed Instance for Apache Cassandra 群集中进行搜索。现在你可开始使用该群集了：

使用 Azure Databricks 部署托管的 Apache Spark 群集