目錄

• 前言
• 使用
• 三種類型的全文搜索方式
• 相關參數
• 測試innodb引擎使用全文索引
  • 準備
  • 使用默認方式創建全文索引
  • 使用ngram分詞解析器創建全文索引
• 結論

?

---

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：60l7

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-lvol019G 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.frm4.4G Jul 5 16:20 #sql-ib117-1768830977.ibdalter 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

?

來源:https://www.cnblogs.com/YangJiaXin/p/11153579.html

總結

以上是生活随笔為你收集整理的MySQL 全文索引实现简单版搜索引擎的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。