产品级搜索技术-全文本索引

介绍

大部分技术员在处理搜索问题的时候,往往直接依赖数据库的查询功能,通过普通 SQL 语句的数值比较, 范围的过滤等就可以完成绝大多数我们需要的查询了, 但是如果你希望通过关键字的匹配来进行查询过滤, 那么就需要基于相似度的查询, 而不是原来的精确数值比较, 那么这种查询我们第一个想到的肯定是 LIKE 的 SQL 语句, 但是LIKE模糊查询它的工作原理是全表扫描, 如果数据量非常大, 那么会造成非常严重的卡顿, 也可能出现整个项目崩掉, 而全文索引的设计就是避免这种情况的发生

全文搜索分类

  1. 自然语言搜索(默认类型):MySQL 会把搜索的字符串解析成一系列的单词,然后去搜索包含的行;
  2. 布尔模式搜索:可以为搜索的字符串里加修饰词,或者必须是什么短语,安顺序搜索等
  3. 查询扩展搜索:这种搜索分为两个阶段。第一阶段,是自然语言搜素。第二阶段,则先把原来的搜索字符串,与第一阶段的搜索里高度匹配的那些行,连接到一起。

全文搜索的特性

  1. 全文搜索基于 FullText 索引。在 FullText 索引, 里只能出现在 CHAR VARCHAR TEXT 这几种类型里
  2. 全文搜索会 忽略那些常见词:常见词,指的是至少一半的行里都出现过,超过 50% 的词,都为常见词;
  3. 有些为内建的常用单词:也叫停用词,比如:the after other
  4. 比较短的单词也会被停用

所谓的中文全文索引,就是用一本字典,把一段中文字,拆分为一个个的词语,这样来符合 FullText 的单词定义。然后完全可以把中文看作成英文,进行全文本索引!

建表语句

  1. 创建表,不一定要主键索引
    create table apothegm(
     attribution varchar(40),
     phrase  text
    ) engine = myisan;
  2. 增加全文索引
    alert table apothegm
    add fulltext (phrase),
    add fulltext (attribution),
    add fulltext (phrase,attribution);
    个人理解:
    1. 索引分为,单列索引和复合索引。
    2. 每次在进行搜索的时候,必须要有一个 FullText 索引,而它正好是由查询命令里列出的那些字段组成。
    3. 索引越多,写入数据越慢,但是索引的方式也就越多,越加便捷。

自然语言索引

  1. 基本 SQL 语句
//应用其第一个 FullText 索引
select * from apothegm where match(phrase) againts('time');
//应用其第三个 FullText 索引
select * from apothegm where match(phrase,attribution) againts('time');
  1. 输出相关程度 : 自然语言类型的全文搜索。其输出是按照相关程度递减顺序排列,相关度是一个非负数的浮点数,其中 0代表毫不相关
select phrase,match(phrase) against('time') as relavance from apothegm

PS:把匹配的结构,当作一个独立字段,其中 relavance 为相关程度的意思
  1. 多个词一起查询,比如查询 hard 或者 soft
select * from apothegm where match(phrase) againts('hard soft');

布尔模式的全文索引

特点

  1. 50% 一样的规则:不生效了
  2. 查询结果不再按照 相关程度排序
  3. 也可以对非 FullText 索引列进行搜索,只是速度相比,有 FullText 的速度要慢

使用的方式

  1. 基本方式:要在 MATCH 后面加IN BOOLEAN MODE,(不加说明,默认使用自然排序IN NATURAL LANGUAGE MODE

    select * from apothegm where match(phrase) againts('hard' in boolean mode);
  2. 按单词出现顺序检索,把对应单词用双引号引起来;

    select * from apothegm where match(phrase) againts('“bell book and candle”' in boolean mode);
  3. 可以搜索必须出现,必须不出现,分别用 + 和 -标示:

    select * from apothegm where match(phrase) againts('+bell  -candle' in boolean mode);
  4. 可以用*作为通配符, 标示以什么开头的。但是还是必须遵守,单词不能过短的约定。

配置全文搜索引擎

全文索引的参数是可以配置的,可以通过系统变量的办法进行修改。

  1. 变量 ft_min_word_lenft_max_word_len 来设置单词所具有的最小长度,和最大长度。默认最小值与最大值分别为 4 和 84

  2. my.confmysqld 下添加 下面语句,然后重启。

    ft_min_word_len = 1
  3. 如果是已经建立 FullText 索引表,必须重新建立这些索引关系,但也是可以快速修复。

    repair table tbl_name quick; 
  4. 如果是在此之后新建的 FullText 索引,都可以更新使用这个值。

本作品采用《CC 协议》,转载必须注明作者和本文链接

将来的你一定会感谢现在努力的自己!

Destiny
《L03 构架 API 服务器》
你将学到如 RESTFul 设计风格、PostMan 的使用、OAuth 流程,JWT 概念及使用 和 API 开发相关的进阶知识。
《L05 电商实战》
从零开发一个电商项目,功能包括电商后台、商品 & SKU 管理、购物车、订单管理、支付宝支付、微信支付、订单退款流程、优惠券等
讨论数量: 3

这个只支持myisam引擎

3年前 评论
Destiny

@lovecn 在mysql 5.7 后innoDB也支持了

3年前 评论

In MySQL 5.6 and up, they can also be used with InnoDB tables.

2年前 评论

请勿发布不友善或者负能量的内容。与人为善,比聪明更重要!