L'action buildAutoComplete de l'action set searchAnalyticssearchAnalytics est une action CAS permettant d'indexer et d'analyser des données textuelles pour effectuer des recherches complexes, extraire des tendances et mesurer la pertinence des résultats. est spécifiquement conçue pour créer un indexStructure de données accélérant la lecture des lignes d'une table en ciblant directement les valeurs des colonnes indexées, réduisant ainsi les entrées/sorties disque et le temps de traitement. ultra-rapide dédié aux suggestions de recherche. Plutôt que de scanner des données brutes à chaque frappe de l'utilisateur, cette action pré-calcule et stocke une table d'indexStructure de données accélérant la lecture des lignes d'une table en ciblant directement les valeurs des colonnes indexées, réduisant ainsi les entrées/sorties disque et le temps de traitement. optimisée en mémoire dans le plan de données distribué de CAS. Lorsque l'utilisateur commence à taper, l'action complémentaire searchAutoComplete interroge cette table pré-construite pour retourner des suggestions quasi instantanément, offrant une expérience utilisateur fluide et efficace, même sur des milliards de termes.
Comment SAS Viya peut-il accélérer radicalement la saisie semi-automatique dans nos applications ?
Optimisation de l'UX via searchAnalytics
Exemples pour l'action buildAutoComplete
Génération de base d'un index d'auto-complétion
Cet exemple montre comment générer une table de suggestions à partir d'un index existant nommé 'mon_index'.
Chaînage complet : Indexation et Auto-complétion
Exemple détaillé montrant l'utilisation des options de sortie et la gestion des caslibs pour organiser les suggestions.
Conseil de l'Expert
Pour maximiser les performances, ne construisez pas votre index de saisie semi-automatique sur l'intégralité de vos colonnes textuelles. Ciblez uniquement les colonnes à haute cardinalité pertinentes (ex: noms de produits, ID clients) et appliquez un filtre where en amont pour exclure les valeurs nulles ou les doublons inutiles avant l'indexation.
Architecture Technique et Avantages CAS
- Indexation In-Memory : Contrairement à un LIKE en SQL, l'index est structuré en mémoire distribuée, éliminant les I/O disque lors de la recherche.
- Scalabilité Horizontale : La table d'index est répartie sur tous les nœuds du worker CAS, parallélisant la recherche de suggestions.
- Consommation API REST : Une fois l'index chargé, l'appel via les points de terminaison REST de Viya permet une intégration directe dans des frameworks React ou Angular avec une latence < 100ms.
Cette réponse vous a-t-elle aidé ?
