Además de indexar texto, el índice de búsqueda proporciona una forma eficiente de indexar números. Se usa principalmente para aumentar las consultas de búsqueda en el texto completo con condiciones en campos numéricos. En esta página, se describen los números de indexación para las consultas de igualdad y desigualdad, y la indexación de un array de números.
Asignar tokens a números
Los tokenizadores de números se usan para generar un conjunto de tokens que se usan para acelerar las búsquedas de comparación numérica.
Usa la función
TOKENIZE_NUMBER
para crear un índice numérico. TOKENIZE_NUMBER admite INT64,
FLOAT32, FLOAT64 o ARRAY de estos tipos.
En PostgreSQL, usa la función
spanner.tokenize_number
para crear un índice numérico. spanner.tokenize_number solo admite el tipo bigint.
Números de índice para consultas de igualdad y desigualdad
Spanner admite la indexación de números para la igualdad y la desigualdad.
Las búsquedas de igualdad coinciden con un número. Las búsquedas de rango y desigualdad coinciden con un número
dentro de un rango específico. Establece este valor en el parámetro comparison_type de TOKENIZE_NUMBER:
- Igualdad:
comparison_type=>"equality" - Desigualdad e igualdad:
comparison_type=>"all"
En ambos casos, el número original (ya sea un número entero o de punto flotante) se somete a un proceso de asignación de token, que es conceptualmente similar a la asignación de token de texto completo. Produce un conjunto de tokens que la consulta puede usar para ubicar documentos que coincidan con la condición numérica.
La indexación de igualdad solo produce un token, que representa el número. Este
modo se recomienda si las consultas solo tienen condiciones con el formato field = @p
en la cláusula WHERE.
La indexación de desigualdad y de igualdad puede acelerar un rango más amplio de condiciones en
la cláusula WHERE de la consulta. Esto incluye field < @p, field <= @p,
field > @p, field >= @p, field BETWEEN @p1 and @p2 y field <> @p, además
de las condiciones de igualdad. Para implementar este tipo de indexación,
Spanner produce tokens en el índice de búsqueda subyacente.
Spanner puede producir muchos tokens para cada número indexado,
según los parámetros de ajuste. La cantidad de tokens depende de los parámetros
que se establecen para TOKENIZE_NUMBER, como algorithm, min, max y
granularity. Por lo tanto, es importante evaluar los parámetros de ajuste con cuidado para garantizar un equilibrio adecuado entre el almacenamiento en disco y el tiempo de búsqueda.
Para las consultas de rango en tipos de números enteros, como INT64, especificar algorithm =>
"prefixtree" puede mejorar significativamente el rendimiento en comparación con el algoritmo
logtree predeterminado. Este algoritmo genera tokens basados en prefijos numéricos,
lo que permite una reducción más eficiente del espacio de búsqueda para las condiciones de rango (por
ejemplo, <= y >=). En las consultas en las que la cláusula WHERE contiene predicados
de rango, el algoritmo prefixtree genera menos tokens de índice para
números pequeños en comparación con logtree, lo que puede mejorar el rendimiento y
el costo de almacenamiento.
Asignación de token de array
Además de los valores escalares,
TOKENIZE_NUMBER
admite la asignación de token de un array de números (los ejemplos de esta sección son
para bases de datos de dialecto de GoogleSQL; PostgreSQL no admite la aceleración de arrays numéricos
con índices de búsqueda).
Cuando se usa TOKENIZE_NUMBER con la columna ARRAY, debes especificar
comparison_type=>"equality". Las consultas de rango no se admiten con un array de
números.
CREATE TABLE Albums (
AlbumId STRING(MAX) NOT NULL,
Ratings ARRAY<INT64>,
Ratings_Tokens TOKENLIST
AS (TOKENIZE_NUMBER(Ratings, comparison_type=>"equality")) HIDDEN
) PRIMARY KEY(AlbumId);
CREATE SEARCH INDEX AlbumsIndex ON Albums(Ratings_Tokens);
```
The following query finds all albums that have a rating of 1 or 2:
```sql
SELECT AlbumId
FROM Albums
WHERE ARRAY_INCLUDES_ANY(Ratings, [1, 2])
```
The following query finds all albums that were rated as 1 and as 5:
```sql
SELECT AlbumId
FROM Albums
WHERE ARRAY_INCLUDES_ALL(Ratings, [1, 5])
```
### Options for indexing high-precision numbers not supported by `TOKENIZE_NUMBER`
If you need to perform search queries on numeric types not directly supported by
`TOKENIZE_NUMBER` (such as `NUMERIC` or `BIGNUMERIC`),
consider these options:
* **Schema Modification:** Change the column type to `INT64` for the subset of
data that fits within the `INT64` range. Handle values exceeding the `INT64`
range separately, potentially in a different table or using application
logic.
* **Conceptual Mapping to Supported Types:** Explore creating generated
columns to map the `NUMERIC` values to an `INT64` range. This would allow
`TOKENIZE_NUMBER` to be used on the generated column. Be sure to validate
the query results against the original `NUMERIC` column in case your mapping
does not perfectly preserve precision. The specifics of the mapping function
needed for this approach are highly dependent on your specific data.
## What's next
* Learn about [tokenization and Spanner
tokenizers](/spanner/docs/full-text-search/tokenization).
* Learn about [search indexes](/spanner/docs/full-text-search/search-indexes).
* Learn about [index
partitioning](/spanner/docs/full-text-search/partition-search-index).