Oracle 全文索引建立與中文斷詞器設定完整指南

前置需求：Intermedia / Oracle Text 元件

• 建庫時勾選 JServer 與 Intermedia 選項
• 驗證 CTXSYS 使用者與 CTXAPP 角色是否存在
• 若缺漏，以 DBCA 修改資料庫加入上述元件

Extproc 外部程序設定

Oracle Text 仰賴 extproc 執行外部斷詞器。驗證方式：

tnsping extproc_connection_data
-- 成功顯示：OK (xxx msec)

失敗時需修正 listener.ora 與 tnsnames.ora：

-- listener.ora 新增
(DESCRIPTION = (ADDRESS = (PROTOCOL = IPC)(KEY = EXTPROC)))
(SID_DESC = (PROGRAM = extproc)(SID_NAME = PLSExtProc)(ORACLE_HOME = ...))

-- tnsnames.ora 新增
EXTPROC_CONNECTION_DATA =
  (DESCRIPTION = (ADDRESS = (PROTOCOL = IPC)(KEY = EXTPROC))
                 (CONNECT_DATA = (SID = PLSExtProc)))

修改後 lsnrctl reload 即可，無需重啟資料庫。

中文斷詞器選擇與建立

• BASIC_LEXER：預設，針對英文，中文僅以單字元匹配
• CHINESE_VGRAM_LEXER：支援 UTF8 字元集，採 N-gram 斷詞，效能與準確度較佳

建立 Preference：

-- 以 CTXSYS 登入
BEGIN
  CTX_DDL.CREATE_PREFERENCE('chinese_lexer', 'CHINESE_VGRAM_LEXER');
END;
/

建立 Context 索引

CREATE INDEX idx_doc_content ON doc_lib(content)
INDEXTYPE IS CTXSYS.CONTEXT
PARAMETERS ('LEXER chinese_lexer');

索引建立後系統自動產生 DR$idx_doc_content$I/K/R/N 四張表，其中 $I 存放 Token 與位置資訊。

非同步同步與優化排程

DML 不會即時更新全文索引，需定期 SYNC（寫入新 Token）與 OPTIMIZE（清除已刪 Token）。建議使用 DBMS_JOB 排程：

-- 每 15 分鐘同步一次
VARIABLE j NUMBER;
BEGIN
  DBMS_JOB.SUBMIT(:j, 'CTX_DDL.SYNC_INDEX(''idx_doc_content'');',
                  SYSDATE, 'SYSDATE + 1/24/4');
  COMMIT;
END;
/

-- 每天完整優化一次
BEGIN
  DBMS_JOB.SUBMIT(:j, 'CTX_DDL.OPTIMIZE_INDEX(''idx_doc_content'',''FULL'');',
                  SYSDATE, 'SYSDATE + 1');
  COMMIT;
END;
/

間隔視資料變動頻率調整。