Índices de búsqueda numéricos

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).