前言
- 只有Innodb和myisam存儲引擎能用全文索引（innodb支持全文索引是從mysql5.6開始的）
- char、varchar、text類型字段能創建全文索引（fulltext index type）
- 全文索引的基于關鍵詞的，如何區分不同的關鍵詞了，就要用到分詞（stopword）
- 英文單詞用空格，逗號進行分詞；中文分詞不方便（一個句子不知道怎樣區分不同的關鍵詞）
- 內置分詞解析器ngram支持中文，日文，韓文（將句子分成固定數字的短語）
- 當對表寫入大量數據時，寫入數據后再創建全文索引的速度更快（減少了維護索引的開銷）
- 全文索引的原理的倒排索引（一種數據結構），一般利用關聯數組，在輔助表中存儲單詞與文檔中所在位置的映射
使用
用MATCH() ... AGAINST 方式來進行搜索
match()表示搜索的是那個列，against表示要搜索的是那個字符串
查看默認的分詞（以這些詞來區分不同的關鍵詞）；也可以自定義分詞，以這些詞來區分不同的關鍵詞
SELECT * FROM information_schema.INNODB_FT_DEFAULT_STOPWORD;
如
+-------+
| value |
+-------+
| a |
| about |
| an |
| are |
| as |
| at |
| be |
| by |
| com |
| de |
| en |
| for |
| from |
三種類型的全文搜索方式
natural language search（自然語言搜索）
通過MATCH AGAINST 傳遞某個特定的字符串來進行檢，默認方式
boolean search（布爾搜索）
為檢索的字符串增加操作符，如“+”表示必須包含，"-"不包含，"*" 表示通配符，即使傳遞的字符串較小或出現在停詞中，也不會被過濾掉
query expansion search（查詢擴展搜索）
搜索字符串用于執行自然語言搜索，然后，搜索返回的最相關行的單詞被添加到搜索字符串，并且再次進行搜索，查詢將返回來自第二個搜索的行
相關參數
配置相關參數
innodb_ft_min_token_size
默認3，表示最小3個字符作為一個關鍵詞，增大該值可減少全文索引的大小
innodb_ft_max_token_size
默認84，表示最大84個字符作為一個關鍵詞，限制該值可減少全文索引的大小
ngram_token_size
默認2，表示2個字符作為內置分詞解析器的一個關鍵詞，如對“abcd”建立全文索引，關鍵詞為'ab'，'bc'，'cd'
當使用ngram分詞解析器時，innodb_ft_min_token_size和innodb_ft_max_token_size 無效
注意 這三個參數均不可動態修改，修改了這些參數，需重啟MySQL服務，并重新建立全文索引
測試innodb引擎使用全文索引
準備
1、目標
- 查詢文章中是否含有某個關鍵詞；一系列文章出現某個關鍵詞的次數
- 查詢文章的標題是否含有某個關鍵詞
2、設置以下參數減少磁盤IO壓力
SET GLOBAL sync_binlog=100;
SET GLOBAL innodb_flush_log_at_trx_commit=2;
3、導入1kw 數據進行測試全文索引
該數據來源網上搜索
提取碼：iyip
4、某個文章表 的結構
CREATE TABLE `article` (
`id` bigint(10) NOT NULL,
`url` varchar(1024) CHARACTER SET latin1 NOT NULL DEFAULT '',
`title` varchar(256) NOT NULL DEFAULT '',
`source` varchar(32) DEFAULT '' COMMENT '真實來源',
`keywords` varchar(32) DEFAULT NULL,
`publish_time` timestamp NULL DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `title_idx` (`title`)
) ENGINE=InnoDB
使用myloader 多線程導入測試數據
先把測試數據進行解壓
tar -zxf mydumper_dump_article.tar.gz
time myloader -u $user -p $passwd -S $socket -t 32 -d /datas/dump_article -v 3
5、導入數據后總數據量和數據文件、索引文件大小
SELECT COUNT(*) FROM `article`;
+----------+
| COUNT(*) |
+----------+
| 10000000 |
+----------+
1 row in set (7.85 sec)
SELECT table_name, CONCAT(FORMAT(SUM(data_length) / 1024 / 1024,2),'M') AS dbdata_size, CONCAT(FORMAT(SUM(index_length) / 1024 / 1024,2),'M') AS dbindex_size, CONCAT(FORMAT(SUM(data_length + index_length) / 1024 / 1024 / 1024,2),'G') AS `db_size(G)`, AVG_ROW_LENGTH,table_rows,update_time FROM information_schema.tables WHERE table_schema = DATABASE() and table_name='article';
+------------+-------------+--------------+------------+----------------+------------+---------------------+
| table_name | dbdata_size | dbindex_size | db_size(G) | AVG_ROW_LENGTH | table_rows | update_time |
+------------+-------------+--------------+------------+----------------+------------+---------------------+
| article | 3,710.00M | 1,003.00M | 4.60G | 414 | 9388739 | 2019-07-05 15:31:37 |
+------------+-------------+--------------+------------+----------------+------------+---------------------+
使用默認方式創建全文索引
1、該表已有關鍵詞字段（對文章內容的簡述），并以“,”作為分詞符
select keywords from article limit 10;
+-------------------------------------------------+
| keywords |
+-------------------------------------------------+
| NULL |
| NULL |
| ,婚姻,愛情 |
| 發型,偏分,化妝,時尚 |
| 小A, |
| ,服裝搭配,女性,時尚 |
| 漂亮,女性 |
| 情人節,東莞,女性 |
| 皮膚,護膚,護膚,食品營養,美容,養生 |
| 三里屯,北京,時尚 |
+-------------------------------------------------+
2、不建全文索引時搜索某個關鍵詞
需要進行全表掃描
select count(*) from article where keywords like '%時尚%';
+----------+
| count(*) |
+----------+
| 163 |
+----------+
1 row in set (7.56 sec)
3、對關鍵詞字段創建全文索引（以 , 作為分詞）
my.cnf配置文件中設置innodb_ft_min_token_size，并重啟MySQL服務（最小兩個字符作為一個關鍵詞，默認三個字符作為一個關鍵詞）
[mysqld]
innodb_ft_min_token_size=2
3.1 設置自定義stopwords（即分詞）
USE mysql;
CREATE TABLE my_stopwords(VALUE VARCHAR(30)) ENGINE = INNODB;
INSERT INTO my_stopwords(VALUE) VALUE (',');
SET GLOBAL innodb_ft_server_stopword_table = 'mysql/my_stopwords';
SHOW GLOBAL VARIABLES WHERE Variable_name IN('innodb_ft_min_token_size','innodb_ft_server_stopword_table');
+---------------------------------+--------------------+
| Variable_name | Value |
+---------------------------------+--------------------+
| innodb_ft_min_token_size | 2 |
| innodb_ft_server_stopword_table | mysql/my_stopwords |
+---------------------------------+--------------------+
3.2 創建全文索引
alter table article add fulltext index idx_full_keyword(keywords);
* [ ] Query OK, 0 rows affected, 1 warning (1 min 27.92 sec)
* [ ] Records: 0 Duplicates: 0 Warnings: 1
3.3 剩余磁盤空間需足夠，原表4.6G，剩余5.7G磁盤，添加全文索引也會失敗
df -h
Filesystem Size Used Avail Use% Mounted on
/dev/vda1 7.8G 6.3G 1.2G 85% /
tmpfs 1.9G 0 1.9G 0% /dev/shm
/dev/mapper/vg_opt-lvol0
19G 12G 5.7G 68% /datas
會創建原表大小的臨時文件
8.6K Jul 5 16:19 #sql-5250_3533.frm
4.4G Jul 5 16:20 #sql-ib117-1768830977.ibd
alter table article add fulltext index idx_full_keyword(keywords);
ERROR 1114 (HY000): The table 'article' is full
3.4 利用創建的全文索引進行查詢某個關鍵詞出現的次數
查詢響應時間有了很大的提升，只需0.05s；使用where keywords like '%時尚%' 需要7.56s
select count(*) from article where match(keywords) against('%時尚%');
+----------+
| count(*) |
+----------+
| 163 |
+----------+
1 row in set (0.05 sec)
3.5 如需同時完全匹配多個關鍵詞，用布爾全文搜索
表示完全匹配 "三里屯,北京" 的記錄數
select count(*) from article where match(keywords) against('+三里屯,北京' in boolean mode);
+----------+
| count(*) |
+----------+
| 1 |
+----------+
1 row in set (0.06 sec)
表示匹配“三里屯” 或者 “北京”的記錄數
select count(*) from article where match(keywords) against('三里屯,北京');
+----------+
| count(*) |
+----------+
| 8 |
+----------+
1 row in set (0.06 sec)
3.6 創建全文索引后，會創建一些其它文件
96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_1.ibd
96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_2.ibd
96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_3.ibd
96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_4.ibd
128K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_5.ibd
256K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_6.ibd
96K Jul 5 16:29 FTS_00000000000000a7_BEING_DELETED_CACHE.ibd
96K Jul 5 16:29 FTS_00000000000000a7_BEING_DELETED.ibd
96K Jul 5 16:30 FTS_00000000000000a7_CONFIG.ibd
96K Jul 5 16:29 FTS_00000000000000a7_DELETED_CACHE.ibd
96K Jul 5 16:29 FTS_00000000000000a7_DELETED.ibd
- 前6個表示倒排索引（輔助索引表）
- 第7，8個表示包含已刪除文檔的文檔ID（DOC_ID），其數據當前正在從全文索引中刪除
- 第9個表示FULLTEXT索引內部狀態的信息
- 第10，11個表示包含已刪除但尚未從全文索引中刪除其數據的文檔
使用ngram分詞解析器創建全文索引
1、對title字段建立全文索引（該字段沒有固定的stopwords 分詞，使用ngram分詞解析器）
需先在my.cnf 配置文件中設置ngram_token_size（默認為2，2個字符作為ngram 的關鍵詞），并重啟mysql服務
這里使用默認的 2
select title from article limit 10;
+------------------------------------------------------------------------------+
| title |
+------------------------------------------------------------------------------+
| worth IT |
|Launchpad 江南皮革廠小show |
|Raw 幕后罕見一刻 “瘋子”被抬回后臺 |
|Raw:公子大罵老爸你就是個綠茶 公子以一打四 |
|四組30平米精裝小戶型，海量圖片，附戶型圖 |
|夜店女王性感煙熏貓眼妝 |
|大秀哥重摔“巨石”強森 |
|少女時代 崔秀英 服飾科普 林允兒 黃美英 金泰妍 鄭秀晶 |
|德陽戶外踏青，花田自助燒烤 |
+------------------------------------------------------------------------------+
2、對title字段創建全文索引
alter table article add fulltext index ft_index_title(title) with parser ngram;
Query OK, 0 rows affected (3 min 29.22 sec)
Records: 0 Duplicates: 0 Warnings: 0
3、會創建倒排索引（title字段越長長，創建的倒排索引越大）
112M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_1.ibd
28M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_2.ibd
20M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_3.ibd
140M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_4.ibd
128M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_5.ibd
668M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_6.ibd
4、不建立全文索引搜索title的某個關鍵詞
select count(*) from article where title like '%戶外%';
+----------+
| count(*) |
+----------+
| 22058 |
+----------+
1 row in set (8.60 sec)
select count(*) from article where title like '%后臺%';
+----------+
| count(*) |
+----------+
| 1142 |
+----------+
5、使用全文索引搜索某個關鍵詞
響應時間有很大的提升
select count(*) from article where match(title) against('戶外');
+----------+
| count(*) |
+----------+
| 22058 |
+----------+
1 row in set (0.07 sec)
select count(*) from article where title like '%后臺%';
+----------+
| count(*) |
+----------+
| 1142 |
+----------+
1 row in set (8.31 sec)
6、注意當搜索的關鍵詞字符數大于2 （ngram_token_size定義大小）會出現不一致問題
普通搜索，實際中出現該關鍵詞的記錄數為6
select count(*) from article where title like '%公子大%';
+----------+
| count(*) |
+----------+
| 6 |
+----------+
1 row in set (8.40 sec)
全文搜索，出現關鍵字的記錄數為9443
select count(*) from article where match(title) against('公子大');
+----------+
| count(*) |
+----------+
| 9443 |
+----------+
1 row in set (0.06 sec)
實際出現該關鍵字的記錄數為1
select count(*) from article where title like '%花田自助%';
+----------+
| count(*) |
+----------+
| 1 |
+----------+
1 row in set (8.33 sec)
全文搜索出現該關鍵詞的記錄數為3202
select count(*) from article where match(title) against('花田自助');
+----------+
| count(*) |
+----------+
| 3202 |
+----------+
1 row in set (0.06 sec)
結論
- 當mysql 某字段中有固定的stopword 分詞（英文的空格符，中文的“,”"-"等），對該字段建立全文索引，能快速搜索出現某個關鍵詞的相關記錄信息，實現簡單搜索引擎的效果
- 當mysql 某字段沒有固定的stopword 分詞，使用內置解析器ngram 可將字段值分成固定數量（ngram_token_size定義大小）的關鍵詞快速進行搜索；當搜索的關鍵詞的字符數量不等于ngram_token_size定義大小時，會出現與實際情況不一致的問題
- 全文索引能快速搜索，也存在維護索引的開銷；字段長度越大，創建的全文索引也越大，會影響DML語句的吞吐量，可用專門的全文搜索引擎ES來做這件事
參考
InnoDB FULLTEXT Indexes
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對腳本之家的支持。
您可能感興趣的文章:- Mysql實現簡易版搜索引擎的示例代碼
- 詳細介紹基于MySQL的搜索引擎MySQL-Fullltext
- scrapy+flask+html打造搜索引擎的示例代碼
- python基于搜索引擎實現文章查重功能
- Python實戰之手寫一個搜索引擎
- Python大批量搜索引擎圖像爬蟲工具詳解
- 360搜索引擎自動收錄php改寫方案
- php記錄搜索引擎爬行記錄的實現代碼
- Python無損音樂搜索引擎實現代碼
- 基于 Mysql 實現一個簡易版搜索引擎
