Introdução à pesquisa de texto completo

No SQL Server, por padrão os bancos de dados são habilitados para texto completo. No entanto, para usar um índice de texto completo em uma tabela, você deve configurar o recurso de indexação de texto completo nas colunas das tabelas que deseja acessar usando o Mecanismo de Texto Completo.

Isso envolve as seguintes etapas básicas:

  1. Criar um catálogo de texto completo para armazenar índices de texto completo.

    Cada índice de texto completo deve pertencer a um catálogo de texto completo. Você pode criar um catálogo de texto completo separado para cada índice de texto completo ou associar vários índices de texto completo a um determinado catálogo.

    ObservaçãoObservação

    A partir do SQL Server 2008, um catálogo de texto completo é um objeto virtual e não pertence a nenhum grupo de arquivos. Um catálogo de texto completo é um conceito lógico que faz referência a um grupo de índices de texto completo.

  2. Crie um índice de texto completo na tabela ou exibição indexada.

    Um índice de texto completo consiste em um tipo especial de índice funcional com base em token que é criado e mantido pelo Mecanismo de Texto Completo. Para criar uma pesquisa de texto completo em uma tabela ou exibição, ele deve ter um índice não nulo exclusivo de uma só coluna. O Mecanismo de Texto Completo requer que esse índice exclusivo mapeie cada linha da tabela para uma chave exclusiva e compactável. Um índice de texto completo pode incluir colunas char, varchar, nchar, nvarchar, text, ntext, image, xml, varbinary e varbinary(max). Para obter mais informações, consulte Visão geral da indexação de texto completo.

Antes de aprender a criar índices de texto completo, é importante considerar a diferença entre eles e os índices regulares do SQL Server. A tabela a seguir lista as diferenças.

Índices de texto completo

Índices regulares do SQL Server

Só é permitido um índice de texto completo por tabela.

Vários índices regulares são permitidos por tabela.

A adição de dados a índices de texto completo, chamada de população, pode ser solicitada através de uma agenda ou de uma solicitação específica e pode ocorrer automaticamente com a inclusão de novos dados.

Atualizados automaticamente quando os dados nos quais eles se baseiam são inseridos, atualizados ou excluídos.

Agrupados no mesmo banco de dados em um ou mais catálogos de texto completo.

Não agrupado.

Considerações ao criar um índice de texto completo

Esta seção cobre os seguintes tópicos:

  • Escolhendo o idioma das colunas

  • Escolhendo um grupo de arquivos para um índice de texto completo

  • Atribuindo o índice de texto completo a um catálogo de texto completo

  • Associando uma lista de palavras irrelevantes (stoplist) ao índice de texto completo

  • Atualizando um índice de texto completo

Escolhendo o idioma das colunas

Para obter mais informações sobre aspectos a considerar na escolha do idioma das colunas, consulte Práticas recomendadas para escolher um idioma ao criar um índice de texto completo.

Escolhendo um grupo de arquivos para um índice de texto completo

O processo de compilar um índice de texto completo gera bastante E/S (em um nível alto, consiste em ler os dados do SQL Server e propagar os dados filtrados para o índice de texto completo). Como prática recomendada, localize um índice de texto completo no grupo de arquivos do banco de dados que seja o mais apropriado para maximizar o desempenho de E/S ou localize os índices de texto completo em outro grupo de arquivos de outro volume.

Se a facilidade de gerenciamento é um aspecto importante para você, é recomendável armazenar dados de tabela e qualquer catálogo de texto completo afiliado no mesmo grupo de arquivos. Às vezes, por motivo de desempenho, você deve ter os dados de tabela e o índice de texto completo em diferentes grupos de arquivos, armazenados em diferentes volumes, para maximizar o paralelismo de E/S.

Atribuindo o índice de texto completo a um catálogo de texto completo

É importante planejar o posicionamento de índices de texto completo de tabelas em catálogos de texto completo.

Recomendamos associar tabelas com as mesmas características de atualização (como um número pequeno de alterações versus muitas alterações ou tabelas que são alteradas com frequência durante um determinado período do dia) juntas no mesmo catálogo de texto completo. Através da definição de agendas de população de catálogo de texto completo, os índices de texto completo permanecem sincronizados com as tabelas, sem afetar de modo negativo o uso de recursos do servidor de banco de dados durante períodos de alta atividade do banco de dados.

Ao atribuir uma tabela a um catálogo de texto completo, considere as seguintes diretrizes:

  • Sempre selecione o menor índice exclusivo disponível para sua chave exclusiva de texto completo. (O ideal é um índice baseado em inteiro de 4 bytes.) Isso reduz consideravelmente os recursos exigidos pelo serviço Microsoft Search no sistema de arquivos. Se a chave primária for grande (mais de 100 bytes), considere escolher outro índice exclusivo na tabela (ou criar outro índice exclusivo) como a chave exclusiva de texto completo. Caso contrário, se o tamanho da chave exclusiva de texto completo exceder o tamanho máximo permitido (900 bytes), a população de texto completo não poderá prosseguir.

  • Se você estiver indexando uma tabela que tem milhões de linhas, atribua a tabela a seu próprio catálogo de texto completo.

  • Considere o volume de alterações ocorridas nas tabelas que estão sendo indexadas com texto completo, bem como o total de linhas. Se o total de linhas que estiverem sendo alteradas, junto com o número de linhas da tabela presentes durante a última população de texto completo, representar milhões de linhas, atribua a tabela a seu próprio catálogo de texto completo.

Associando uma lista de palavras irrelevantes ao índice de texto completo

O SQL Server 2008 introduz as listas de palavras irrelevantes (stoplists). Uma lista de palavras irrelevantes também é conhecida como lista de palavras de ruído. Uma lista de palavras irrelevantes é associada a cada índice de texto completo, e as palavras dessa lista são aplicadas a consultas de texto completo nesse índice. Por padrão, a lista de palavras irrelevantes do sistema é associada a um novo índice de texto completo. Porém, você pode criar e usar sua própria lista de palavras irrelevantes. Para obter mais informações, consulte Palavras irrelevantes e listas de palavras irrelevantes.

Por exemplo, a seguinte instrução Transact-SQLCREATE FULLTEXT STOPLIST cria uma nova lista de palavras irrelevantes de texto completo chamada myStoplist3 copiando da lista de palavras irrelevantes do sistema:

CREATE FULLTEXT STOPLIST myStoplist FROM SYSTEM STOPLIST;
GO

A seguinte instrução Transact-SQLALTER FULLTEXT STOPLIST altera uma lista de palavras irrelevantes chamada myStoplist, adicionando a palavra 'en', primeiro para espanhol e depois para francês:

ALTER FULLTEXT STOPLIST MyStoplist ADD 'en' LANGUAGE 'Spanish';
ALTER FULLTEXT STOPLIST MyStoplist ADD 'en' LANGUAGE 'French';
GO

Atualizando um índice de texto completo

Como os índices normais do SQL Server, os índices de texto completo podem ser atualizados automaticamente à medida que dados são modificados nas tabelas associadas. Esse é o comportamento padrão. Se preferir, você pode manter seus índices de texto completo atualizados manualmente ou em intervalos agendados específicos. Preencher um índice de texto completo pode ser um procedimento demorado e usar muitos recursos, por isso a atualização de índices geralmente é feita como um processo assíncrono em segundo plano e mantém o índice de texto completo atualizado após modificações na tabela base. Atualizar um índice de texto completo imediatamente depois de cada alteração na tabela base pode demandar muitos recursos. Por isso, se você tiver uma taxa de atualização/inserção/exclusão muito alta, poderá observar alguma diminuição no desempenho de consulta. Se isso ocorrer, considere agendar atualizações manuais do controle de alterações para acompanhar o ritmo das inúmeras alterações periódicas, em vez de competir por recursos com as consultas.

Para monitorar o status de população, use as funções FULLTEXTCATALOGPROPERTY ou OBJECTPROPERTYEX. Para obter o status de população de catálogo, execute a seguinte instrução:

SELECT FULLTEXTCATALOGPROPERTY('AdvWksDocFTCat', 'Populatestatus');

Geralmente, se uma população completa estiver em andamento, o resultado retornado será 1.

Exemplo: Configurando a pesquisa de texto completo (Transact-SQL)

O exemplo de duas partes descrito a seguir cria um catálogo de texto completo denominado AdvWksDocFTCat no banco de dados AdventureWorks2008R2 e, em seguida, cria um índice de texto completo na tabela Document no AdventureWorks2008R2. Essa instrução cria o catálogo de texto completo no diretório padrão especificado durante a instalação. A pasta nomeada AdvWksDocFTCat está no diretório padrão.

  1. Para criar um catálogo de texto completo denominado AdvWksDocFTCat, o exemplo usa uma instrução CREATE FULLTEXT CATALOG:

    USE AdventureWorks2008R2;
    GO
    CREATE FULLTEXT CATALOG AdvWksDocFTCat;
    
  2. Para você poder criar um índice de texto completo na tabela Document, verifique se a tabela tem um índice exclusivo, de uma só coluna e não anulável. A seguinte instrução CREATE INDEX cria um índice exclusivo, ui_ukDoc, na coluna DocumentID da tabela Documento:

    CREATE UNIQUE INDEX ui_ukDoc ON Production.Document(DocumentID);
    
  3. Depois que você tiver uma chave exclusiva, poderá criar um índice de texto completo na tabela Document usando a instrução CREATE FULLTEXT INDEX a seguir.

    CREATE FULLTEXT INDEX ON Production.Document
    (
        Document                         --Full-text index column name 
            TYPE COLUMN FileExtension    --Name of column that contains file type information
            Language 2057                 --2057 is the LCID for British English
    )
    KEY INDEX ui_ukDoc ON AdvWksDocFTCat --Unique index
    WITH CHANGE_TRACKING AUTO            --Population type;
    GO
    

    TYPE COLUMN definido neste exemplo especifica a coluna de tipo da tabela que contém o tipo do documento em cada linha da coluna 'Document' (que é do tipo binário). A coluna de tipo armazena a extensão de arquivo fornecida pelo usuário — ".doc", ".xls" etc. — do documento em uma dada linha. O Mecanismo de Texto Completo usa a extensão de arquivo de uma dada linha para chamar o filtro correto a ser usado para analisar os dados contidos nessa linha. Depois que o filtro analisar os dados binários da linha, o separador de palavras especificado analisará o conteúdo (neste exemplo, é usado o separador de palavras do inglês britânico). Observe que o processo de filtragem ocorre apenas durante a indexação ou se um usuário insere ou atualiza uma coluna da tabela base enquanto o controle automático de alterações está habilitado para o índice de texto completo. Para obter mais informações, consulte Filtros da pesquisa de texto completo.

Para exibir informações sobre um índice de texto completo

Exibição do catálogo ou de gerenciamento dinâmico

Descrição

sys.fulltext_index_catalog_usages (Transact-SQL)

Retorna uma linha para cada catálogo de texto completo para referência de índice de texto completo.

sys.fulltext_index_columns (Transact-SQL)

Contém uma linha para cada coluna que faz parte de um índice de texto completo.

sys.fulltext_index_fragments (Transact-SQL)

Um índice de texto completo usa tabelas internas, chamadas de fragmentos de índice de texto completo, para armazenar os dados de índices invertidos. Esta exibição pode ser usada para consultar os metadados sobre estes fragmentos. Esta exibição contém uma linha para cada fragmento de índice de texto completo em toda tabela que contém um índice de texto completo.

sys.fulltext_indexes (Transact-SQL)

Contém uma linha por índice de texto completo de um objeto tabular.

sys.dm_fts_index_keywords (Transact-SQL)

Retorna informações sobre o conteúdo de um índice de texto completo da tabela especificada.

sys.dm_fts_index_keywords_by_document (Transact-SQL)

Retorna informações sobre o conteúdo no nível de documento de um índice de texto completo da tabela especificada. Uma determinada palavra-chave pode aparecer em vários documentos.

sys.dm_fts_index_population (Transact-SQL)

Retorna informações sobre as populações de índice de texto completo que estão em andamento.