Karp

Mysql使用全文索引(FullText index)
简单介绍MySQL全文索引是在基于文本的列(char、varchar或text列)上创建的,以提升对这些列中包含的...
扫描右侧二维码阅读全文
28
2022/04

Mysql使用全文索引(FullText index)

简单介绍

MySQL全文索引是在基于文本的列(char、varchar或text列)上创建的,以提升对这些列中包含的数据的查询和DML操作效率。全文索引被定义为create table语句的一部分,或者使用alter table或create index追加到现有表中。搜索语法为:match(field1,field2,…) against(’keyword‘),更多使用方法及详细信息参考[MySQL全文索引官方文档][1]

版本说明

MySQL 5.6 以前的版本,只有 MyISAM 存储引擎支持全文索引

MySQL 5.6 及以后的版本,MyISAM 和 InnoDB 存储引擎均支持全文索引

只有字段的数据类型为 char、varchar、text 及其系列才可以建全文索引

创建全文索引

说明:搜索时,默认对中文类分词支持不友好,如果有中日韩文分词需求,在创建索引时,需要声明该分词插件ngram,语法可选【with parser ngram

建表时创建

create table product (
    id int(11) NOT null auto_increment,
    desc text NOT null,
    tag varchar(255),
    primary key (id),
    // 创建复合全文索
    FULLTEXT key fidx_desc_tag(desc,tag) with parser ngram
) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci;

create index方式创建

create fulltext index fidx_desc_tag on product(desc,tag) with parser ngram;

alter table方式创建

alter table product add fulltext index fidx_desc_tag(desc,tag) with parser ngram;

删除全文索引

drop index方式删除

drop index fidx_desc_tag on product;

alter table方式删除

alter table product drop index fidx_desc_tag;

完整使用语法

select * from product where match(desc,tag) against('老汉推车到山前必有路');

提示:match() 函数中指定的列务必与索引中指定的列完全一致,否则将无法使用全文索引,全文索引不会记录关键字来自于哪一列。

发现问题

插入9条测试数据

insert into product(desc,tag) values 
('j'),('ja'),('java'),
('g'),('go'),('golang'),
('p'),('py'),('python');

假设搜索关键字为"j",搜索结果如下

select * from test where match(content) against('j');     // 0条
select * from test where match(content) against('ja');    // 0条
select * from test where match(content) against('jav');   // 1条(InnoDB存储引擎下,这条可以查出)
select * from test where match(content) against('java');  // 1条

从结果看出,只有输入“java”才匹配到了一条记录,有了解过ElasticSearch、Lucene、Solr、MeiliSearch等搜索中间件的大佬,对这样的结果属实是不满意的,预期的结果应该查出3条记录才正常,导致这种情况其中非常关键的一个原因是MySQL对应执行引擎下全文索引的【最小搜索长度】,MySQL 中的全文索引,有两个关键的变量,分别是最小搜索长度和最大搜索长度,对于长度小于最小搜索长度和大于最大搜索长度的词,都不会被索引。换言之,这个词的长度必须在以上两个变量的区间内。

通过命令可以查看

show variables like '%ft%';
----------------------------
// InnoDB
innodb_ft_min_token_size = 3;
innodb_ft_max_token_size = 84;
// MyISAM
ft_min_word_len = 4;
ft_max_word_len = 84;

可以看到最小搜索长度InnoDB 引擎下默认是3,MyISAM引擎下默认是4,因此MySQL 的全文索引只会对长度大于等于3或者4的词建立索引,而前面基于InnoDB,搜索的只有“jav”和“java”的长度大于等于 3,而基于MyISAM,搜索也只有“java”的长度大于等于4。

解决问题

既然最小搜索长度不满足要求,就需要修改配置,在/etc/my.cnf下的mysqlId中追加内容如下,当然也可以修改最大搜索长度,但没必要

innodb_ft_min_token_size = 1
ft_min_word_len = 1

完事儿后重启 MySQL 服务器,并修复全文索引,修复全文索语句如下,不过一般建议删除索引,并重建索引

repair table product quick;

到这里为止,也依然没有达到最终的效果,搜索关键字“j”时,“ja”,“jav”,"java"并没有出现结果集中,因为MySQL的全文索引有自然语言的全文索引和布尔全文索引两种选择:

1、自然语言全文索引

默认情况下,或者使用 in natural language mode 修饰符时,match() 函数对文本集合执行自然语言搜索,上面的例子都是基于自然语言的全文索引。自然语言搜索引擎将计算每一个文档对象和查询的相关度。这里,相关度是基于匹配的关键词的个数,以及关键词在文档中出现的次数。在整个索引中出现次数越少的词语,匹配时的相关度就越高。相反,非常常见的单词将不会被搜索,如果一个词语的在超过 50% 的记录中都出现了,那么自然语言的搜索将不会搜索这类词语。这个机制也比较好理解,比如,一个数据表存储的是一篇篇的文章,文章中的常见词、语气词等等,出现的频率非常多,搜索这些词语是没有意义的,搜索具有文章特性的词,这样才能把文章区分开来。

2、布尔全文索引
在布尔搜索中,可以在查询中自定义某个被搜索的词语的相关性,当编写一个布尔搜索查询时,可以通过一些前缀修饰符来定制搜索。MySQL内置的修饰符,上面查询最小搜索长度时,搜索结果ft_boolean_syntax变量的值就是内置的修饰符,相关修饰符具体的作用可以看看手册。

上面的情况,可以通过布尔满足,根据关键字“j”,查到“j”,“ja”,“jav”,“java”,如下

select * product where match(desc,tag) against('j*' in boolean mode);

总结

MySQL全文索引起初仅支持英文,因为英文的词与词之间有空格,使用空格作为分词的分隔符是很方便的。亚洲文字,比如汉语、日语、汉语等,是没有空格的,这就造成了一定的限制。不过 MySQL 5.7.6 开始,引入了一个 ngram 全文分析器来解决这个问题,并且对 MyISAM 和 InnoDB 引擎都有效。
事实上,MyISAM 存储引擎对全文索引的支持有很多的限制,例如表级别锁对性能的影响、数据文件的崩溃、崩溃后的恢复等,这使得 MyISAM 的全文索引对于很多的应用场景并不适合。所以,多数情况下的建议是使用别的解决方案,例如MeiliSearchElasticSearch等等第三方的插件,亦或是使用InnoDB存储引擎的全文索引。

注意

1、使用全文索引前,明确版本支持情况
2、全文索引比like + %快N倍,但是可能存在精度问题
3、如果需要全文索引的是大量数据,建议先添加数据,再创建索引
4、对于中文,可以使用 MySQL 5.7.6之后的版本,或者第三方插件

————————————————
版权声明:本文为CSDN博主「Freelance developer」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/weixin_38264394/article/details/116699506

最后修改:2022 年 04 月 28 日 02 : 22 PM

发表评论