Oak中二进制数据索引后CONTAINS查询无结果问题求助

环境信息 #

• Oak版本：1.68.0
• Tika依赖：tika-core 2.9.2、tika-parsers-standard-package 2.9.2
• 仓库类型：MemoryNodeStore内存仓库

问题现象 #

日志显示索引构建、文本提取均正常，但执行CONTAINS查询二进制属性始终返回0结果。

排查与修正方案 #

1. 补全二进制属性的索引提取配置 #

当前索引配置中，binaryData属性仅开启了propertyIndex和analyzed，缺少二进制文本提取的关键配置。需在binaryDataProperty节点添加以下属性：

binaryDataProperty.setProperty("binary", true);
binaryDataProperty.setProperty("extract", true);
binaryDataProperty.setProperty("mimeType", "jcr:mimeType");

• binary=true：标记该属性为二进制类型
• extract=true：开启文本提取逻辑
• mimeType="jcr:mimeType"：指定关联的MIME类型属性，让索引知道如何解析二进制内容

2. 确保索引配置生效 #

完成索引配置后，必须保存session，并触发索引同步（针对同步索引配置async=null）：

session.save();
// 手动触发索引刷新（适用于内存仓库场景）
provider.getIndexTracker().refresh();

3. 验证查询语法与索引映射 #

可以先尝试全局范围的CONTAINS查询，验证文本是否被正确索引：

String sql2QueryString = "SELECT * FROM [nt:base] WHERE CONTAINS(*, 'testo')";

如果全局查询能返回结果，说明之前指定[binaryData]的字段映射可能存在问题，需确认索引中是否将提取的文本正确关联到该字段。

4. 验证二进制文本提取结果 #

在填充数据阶段，手动用Tika提取文本，确认内容正确：

// 在创建Binary前，先验证文本提取
Tika tika = new Tika();
ByteArrayInputStream bais = new ByteArrayInputStream(data);
String extractedText = tika.parseToString(bais);
log.info("Extracted text: {}", extractedText);
bais.reset(); // 重置流后再创建Binary对象

5. 修正后的完整索引配置代码 #

Node root = session.getRootNode();
Node oakIndex = root.getNode("oak:index");
Node index = oakIndex.addNode("contentTextIndex", "oak:QueryIndexDefinition");
index.setProperty("type", "lucene");
index.setProperty("async", (String[]) null);
Node indexRules = index.addNode("indexRules", "nt:unstructured");
Node ntBase = indexRules.addNode("nt:base", "nt:unstructured");
Node properties = ntBase.addNode("properties", "nt:unstructured");

// 修正binaryData属性的索引配置
Node binaryDataProperty = properties.addNode("binaryData", "nt:unstructured");
binaryDataProperty.setProperty("name", "binaryData");
binaryDataProperty.setProperty("propertyIndex", true);
binaryDataProperty.setProperty("analyzed", true);
binaryDataProperty.setProperty("binary", true);
binaryDataProperty.setProperty("extract", true);
binaryDataProperty.setProperty("mimeType", "jcr:mimeType");

Node jcrMimeTypeProperty = properties.addNode("jcr:mimeType");
jcrMimeTypeProperty.setProperty("name", "jcr:mimeType");
jcrMimeTypeProperty.setProperty("propertyIndex", true);
jcrMimeTypeProperty.setProperty("analyzed", true);

session.save();
// 触发索引同步刷新
provider.getIndexTracker().refresh();

内容的提问来源于stack exchange，提问作者Gamby