Coreseek 4.1 參考手冊 / Sphinx 2.0.1-beta
Sphinx--強大的開源全文檢索引擎，Coreseek--免費開源的中文全文檢索引擎
版權 © 2001-2011 Andrew Aksyonoff
版權 © 2008-2011 Sphinx Technologies Inc, http://sphinxsearch.com
版權 © 2006-2011 選擇軟件（Coreseek）, nzinfo, <li.monan(at)gmail.com>, HonestQiao, <honestqiao(at)gmail.com>
5.7. 結果分組（聚類）
有時將搜索結果分組（或者說“聚類”）並對每組中的結果計數是很有用的－例如畫個漂亮的圖來展示每個月有多少的blog日志，或者把Web搜索結果按站點分組，或者把找到的論壇帖子按其作者分組等等。
理論上，這可以分兩步實現：首先在Sphinx中做全文檢索，再在SQL服務器端對得到的ID分組。但是現實中在大結果集（10K到10M個匹配）上這樣做通常會嚴重影響性能。
為避免上述問題，Sphinx提供了一種“分組模式”，可以用API調用SetGroupBy()來開啟。在分組時，根據group-by值給匹配項賦以一個分組。這個值用下列內建函數之一根據特定的屬性值計算：
- SPH_GROUPBY_DAY, 從時間戳中按YYYYMMDD格式抽取年、月、日;
- SPH_GROUPBY_WEEK, 從時間戳中按YYYYNNN格式抽取年份和指定周數（自年初計起）的第一天;
- SPH_GROUPBY_MONTH, 從時間戳中按YYYYMM格式抽取月份;
- SPH_GROUPBY_YEAR, 從時間戳中按YYYY格式抽取年份;
- SPH_GROUPBY_ATTR, 使用屬性值自身進行分組.
最終的搜索結果中每組包含一個最佳匹配。分組函數值和每組的匹配數目分別以“虛擬”屬性 @group 和 @count 的形式返回.
結果集按group-by排序子句排序，語法與SPH_SORT_EXTENDED 排序子句的語法相似。除了@id和@weight，分組排序子句還包括：
- @group (groupby函數值),
- @count (組中的匹配數目).
默認模式是根據groupby函數值降序排列，即按照 "@group desc".
排序完成時，結果參數total_found會包含在整個索引上匹配的組的總數目。
注意: 分組操作在固定的內存中執行，因此它給出的是近似結果；所以total_found報告的數目可能比實際給出的個分組數目的和多。@count也可能被低估。要降低不准確性，應提高max_matches。如果max_matches允許存儲找到的全部分組，那結果就是百分之百准確的。
例如，如果按相關度排序，同時用SPH_GROUPBY_DAY函數按屬性"published"分組，那么：
- 結果中包含每天的匹配結果中最相關的那一個，如果那天有記錄匹配的話,
- 結果中還附加給出天的編號和每天的匹配數目,
- 結果以天的編號降序排列（即最近的日子在前面）.
從版本0.9.9-rc2開始, 當使用GROUP BY時，可以通過SetSelect() API調用聚合函數 (AVG(), MIN(), MAX(), SUM())
因此如下Sphinx調用
$cl->SetGroupBy ( "category", SPH_GROUPBY_ATTR, "@count desc" );
$cl->SetGroupDistinct ( "vendor" );
等價於如下的SQL語句：
SELECT id, weight, all-attributes, COUNT(DISTINCT vendor) AS @distinct, COUNT(*) AS @count FROM products GROUP BY category ORDER BY @count DESC
在上述示例偽代碼中，SetGroupDistinct()調用只與COUNT(DISINCT vendor)對應。