运行模糊查找的主要步骤是创建 ETI、执行查找和检查输出。 下列部分提供了关于这些步骤的每一步的详细信息。
了解容错索引
模糊查找通过索引在引用数据和引用行 ID 中出现的标记创建 ETI. 如果您将 ETI 存储在了服务器上，您可以通过从中选择一些行来查看其内容。 每个行由一个索引标记和包含该标记的引用行 ID 序列组成。 在地址示例中，如果您的引用数据包含 13831 N.E. 8th St，ETI 将包含 13831、N、E、8th 和St. 的标记项。 以下是 ETI 如何随引用数据而增长： 在引用表中有越多的唯一标记和越多的行，ETI 中就会有越多的项和越长的列表。 有关更多关于 ETI 的大小如何随引用数据而增长的信息，请参阅本文后面的了解性能。 标记化过程是通过模糊查找自定义属性 delimiter string 控制的。 例如，如果您想要索引 N.E.，而不是 N 和 E，则请将句点从分隔符列表删除。 结果是 N.E. 作为一个单独的标记在 ETI 中显示，而且会在运行时作为一个单元被查找。 由于分隔符的全局应用，如 First.Avenue 也作为一个单独的标记显示。
由于 ETI 的构造成本因引用数据大小的增长而变得更加昂贵，模糊查找提供一个选项，可以将 ETI 存储在服务器上，日后可以重新使用。 这个选项使您能够避免在每次运行模糊查找时都重新创建一个 ETI. 如果您的 ETI 会花费太多的时间而不能每次运行都重建，考虑创建一次而在接下来的运行中对其进行重用。 要做到这一点，在 Reference Table 选项卡上选择 Store new index，然后指定一个表名称。
注 ETI 可能会变得相当巨大，所以规划服务器空间可能是必要的。 在最坏的情况下，ETI 可能会是引用表的索引行中的数据大小的两倍。
如果您想要存储 ETI 但是引用数据不时地更改，您还可以启用 Maintain stored index. 这个功能在您的 ETI 上安装一个触发器，它检测对基础引用数据的修改。 只要这样的修改发生，此触发器将相应的更改传递到 ETI，从而使其保持为最新。 如果您不安装表维护，对您的引用表所做的更改将在没有警告的情况下使任何关联的 ETI 无效。
注 表维护功能在 Beta 2 版中不可用。
在运行时发生了什么
在运行时，模糊查找使用 ETI 查找其输入的非常好的匹配。 在确定非常好的匹配时，最重要的参数是 MinSimilarity 阀值。 您可以通过使用模糊查找UI 来设置这个自定义属性。 引用元组只有在其与输入足够相似时才会被返回。 因此，如果您设置了一个很高的相似性要求，模糊查找考虑的候选也会较少，而且结果可能是不返回任何匹配。 如果您将 MinSimilarity 设置得低，模糊查找将考虑更多的候选，而更有可能找到一个匹配，但搜索可能会用去更长的时间。
匹配条件包括：
为匹配给出的引用元组而需要对输入元组做的标记或字符插入、删除、替换以及重新排序的数量。 例如，输入 122 First Lane 很可能被认为比输入 22 N.E. 1st Ln & Leary Way 更接近引用 122 First Ln.
来自引用表的标记频率。 非常频繁的标记通常被认为几乎不会提供对匹配有用的信息。 相对稀少的标记被认为是它们在其中出现的行的特性。
设置正确的阀值取决于您的应用程序和数据的性质。 如果您要求一个在您的输入和引用之间的相近的匹配，您应该考虑为 MinSimilarity 设置一个大值，如 0.95. 如果您在进行一个研究性的项目，您可能会对检查弱匹配与相近匹配一样感兴趣，那么您应该将 MinSimilarity 设置为一个较低的值，如 0.1. 并没有可以用于确定这个范围的固定规则，所以建议您对数据设置进行试验。 查看几次运行的输出可以供设置最优值考虑。 例如，您执行第一次运行使用的阀值为 0.1. 您观测到一个特定的输入与一个相似性为 0.2 的特定的输出匹配。 如果对于您的应用程序来说此元组过于不相似（详细信息请参阅解释结果），第二次运行您可以将 MinSimilarity 设置为 0.3，从而排除与其过于不相似的匹配。 在一个小的测试集上重复此过程并反复数次测试设置，这会帮助您确定什么设置对于您的应用程序是合适的。
如果您想查看每个输入的多个匹配，您可以将 Maximum matches to output per lookup 属性设置为一个大于 1 的值 n.那么模糊查找会返回顶部的 n 个匹配。 不过，为每个输入记录查找匹配所需的时间也增加了。 选择一个高 n 值不一定总是返回 n 个匹配，因为即使当 MinSimilarity 设置为 0 时，模糊查找也可能会认为某些行过于不相似而不返回。 有关更多关于对性能的影响的信息，请参阅本文后面的了解性能。
模糊查找还为每个匹配引用记录返回一个置信量度。 如果所有匹配都同样相近，它们每一个的置信度约等于 1/n. 置信度与相似性的不同之处在于，它不仅是输入行和其所限定的引用行的一个函数，它取决于返回的整个结果集，可能还取决于下一个非常好的可用引用行。
解释结果
如何解释结果取决于您的应用程序目标。 如果您想显示存在一些相似的匹配，您应该设置一个高相似性阀值要求并筛选高置信度的匹配。 当引用表有一个输入元组的相近匹配时，相似性为高。 如果在所有引用元组中有一个记录很相近地匹配输入元组，那么置信度也为高。 因此，您可以使用相似性和置信度值来确定您想要如何进一步处理一个模糊查找的结果。
您可能还想要了解为什么没有获取某些行。 主要的原因是 ETI 和模糊查找检索策略。 当模糊查找索引一个标记（如 committee）时，它也索引子标记元素 comm.、ommi、mmit、mitt、itte、ttee. 这个方案有助于提高检索和从输入错误恢复的速度。 例如，如果 committee 出现在引用数据中，而输入的是 comittee（只有一个 m），模糊查找可能能够通过查找子标记 mitt 来找到正确的引用行，即使没有检索到完整输入标记。 这就是模糊查找索引被称为“容错”的原因之一。
不过，这个检索过程并不是完美的。 例如，如果引用标记 Pattel 在输入中被误拼为 Patel（只有一个 t），没有一个输入标记片段（Pate 和 atel）会匹配索引引用片段（Patt、atte 和 ttel）。 结果是，模糊查找必须依赖存在于元组中的其他标记来执行正确的检索。 如果在行中不存在其他标记，模糊查找将不能恢复正确的引用行。 但是，对于包含多于一个标记的行来说，模糊查找通常能够基于输入中的标记和片段获取几个候选行。
列宽
在一些情况下，您可能需要更严密地检查数据。 例如，模糊查找可能会认为 CA 和 WA 相互近似，即使在地址表的状态列中这两个字符串在语义上相差甚远。 因为模糊查找是独立于域的，您必须将一些知识编码到您的 DTS 管道中。 在此例中，您可能希望查找一个 State 的精确匹配或将此列的 MatchContribution 改为一个更大的数，比如 5，这可通过使用高级编辑器（要打开高级编辑器，单击设计器中的模糊查找组件，然后单击 Properties 窗格中的 ShowAdvanced Editor）完成。 另一种方法是，您可以使用 Conditional Split 转换首先查找 State 的精确匹配，然后如果不存在精确匹配，再执行模糊查找。
模糊分组入门
您可以使用模糊分组来检测有字符串属性的行的集合中的“模糊”或近似的副本。 例如，您可以使用模糊分组合并来自不同部门的客户表。 模糊分组使用的最简单的包由一个包含一个源、一个模糊分组转换和一个目标的单个 DTS 数据流任务组成（图 2）。
 |
要构建最简单的模糊分组包：
1.打开 DTS 设计器。
2.把 OLE DB 源和目标转换拖动到一个数据流上，并通过使用模糊分组的一个实例连接它们。
3.通过选择一个连接和表名称，将 OLE DB 源指向包含有可能重复的数据的表。
注 这个表必须包含一些可供模糊分组进行分析的字符串列。
4.双击模糊分组来打开自定义 UI，选择 Available Input Columns（来自 OLE DB 源）中所有项的复选框，然后单击 OK.
5.将 OLE DB 目标指向您可以为其编写新表的连接，然后单击 New. 接受默认创建语句，现在您已经准备好运行模糊分组了。
6.要运行您刚刚创建的包，在“解决方案资源管理器”窗口中鼠标右击其名称，然后选择 Execute.
取决于您输入数据的大小，您可能会在模糊分组缓冲数据时遇到延迟。 在行进一步沿管道流动之前，模糊分组调用模糊查找来为输入数据创建一个 ETI，并将 ETI 存储在临时连接上。 结果是，可调大小的对象可能会被放置在该连接上。 输入上的 ETI 创建后，所有的输入行都被处理然后结果被写入到目标。 有关分组是如何执行的更多信息，请参阅本文后面的最有效地使用模糊分组。
在默认情况下，模糊分组输出一些名为 _key_out 和 _key_in 的附加列。 当行流经管道时，模糊分组为其每一个分配一个 ID，即 _key_in. 当模糊分组将某一行集合分组时，它确定哪个行应该作为代表。 它然后将组中的行的所有 _key_out 列分配为该代表的 _key_in 值。 结果是，如果您希望只将代表行写入到您的输出，您可以通过一个只选择 _key_in 等于 _key_out 的行的条件拆分转换来筛选模糊分组输出。
