Ricerca full-text su MongoDB GridFS?

Question

Supponiamo, se voglio archiviare file PDF o ePub usando GridFS di MongoDB, è possibile eseguire ricerche full-text sui file di dati?

Answer 1

Attualmente non è possibile fare vera ricerca a testo integrale entro mongo: http://www.mongodb.org/display/DOCS/Full+Text+Search+in+Mongo

Sentitevi liberi di votare per esso qui: https://jira.mongodb.org/browse/SERVER-380

Mongo è più di un data scalabile general purpose store, e al momento non ha alcun supporto per la ricerca full-text. A seconda del tuo caso d'uso, potresti usare gli indici b-tree standard con una matrice di tutte le parole nel testo, ma non farà corrispondenze o corrispondenze fuzzy, ecc.

Tuttavia, consiglierei di combinare mongodb con un'applicazione basata su lucene (la ricerca elastica è popolare). È possibile memorizzare tutti i dati in mongodb (dati binari, metadati, ecc.) E quindi indicizzare il testo in chiaro dei documenti in lucene. Oppure, se il tuo caso d'uso è puro ricerca full-text, potresti prendere in considerazione la semplice ricerca elastica invece di mongodb.

Aggiornamento (aprile 2013): MongoDB 2.4 ora supporta un indice di testo completo di base! Alcune risorse utili di seguito.

http://docs.mongodb.org/manual/applications/text-search/

http://docs.mongodb.org/manual/reference/command/text/#dbcmd.text

http://blog.mongohq.com/blog/2013/01/22/first-week-with-mongodb-2-dot-4-development-release/

Answer 2

Non utilizzare le API MongoDB, non che io sappia. GridFS sembra essere designed to be more like a simplified file system con API che fornisce una semplice semantica del valore-chiave. Sulla loro pagina project ideas elencano due cose che vi aiutano a se esistito in pronto per la produzione di stato:

• GridFS FUSE che permetterebbe di montare GridFS come un file system locale e quindi indice di esso come se fosse roba indice sul vostro disk
• Integrazione della ricerca in full-text in tempo reale con strumenti come Lucene e Solr. Ci sono alcuni progetti su github e bitbucket che potresti voler controllare.

Vedere anche ElasticSearch. Ho visto some integration with Mongo ma non sono sicuro di quanto è stato fatto to tap into the GridFS (il supporto per l'allegato GridFS è menzionato ma non ho lavorato con esso per sapere con certezza). Forse sarai tu a costruirlo e poi aprirlo? dovrebbe essere una divertente avventura