从零开始学习MySQL全文索引

目录

一、为什么要用全文索引

我们在用一个东西前，得知道为什么要用它，使用全文索引无非有以下原因

  1. like查询太慢、json字段查询太慢（车太慢了）
  2. 没时间引入ElasticSearch、Solr或者Sphinx这样的软件，或者根本就不会用（无法将五菱宏光换成兰博基尼，即使有兰博基尼也不会开）
  3. 加索引、联合索引啥的都已经慢得不行了（限速80，车顶盖都卸了也只能开到30）
  4. 为了提升一下自己的逼格（人家问你有没有开过法拉利，你说开过肯定更有气质一点）

二、什么是全文索引

简单的说，全文索引就相当于大词典中的目录，通过查询目录可以快速定位到想看的内容。
全文索引通过建立倒排索引来快速匹配文档（仅在mysql5.6版本以上支持）
全文索引将连续的字母、数字和下划线当做一个单词，分割单词一般用空格/逗号/句号
MySQL的全文索引支持以下3种查询模式：

  1. 自然语言模式（IN NATURAL LANGUAGE MODE）
    通过MATCH AGAINST 传递某个特定的字符串来进行检索
  2. 布尔模式（IN BOOLEAN MODE）
    支持操作符，例如+表示包含，-表示不包含
  3. 扩展模式（WITH QUERY EXPANSION）
    相当于自然语言模式下的一个扩展，执行两次检索，第一次使用给定短语检索，第二次是结合第一次相关性比较高的行进行检索.

更多请看：官方文档

下面教大家如何创建全文索引，并创建测试数据演示三种查询模式的使用

三、如何创建全文索引

  • 方式一：建表时指定
CREATE TABLE light_weight_baby ( 
    id INT AUTO_INCREMENT NOT NULL PRIMARY KEY, 
    title VARCHAR(200), 
    content TEXT, 
    FULLTEXT(title, content) 
) ENGINE=InnoDB DEFAULT CHARSET=utf8 ;
  • 方式二：ALTER添加
 ALTER TABLE table_name ADD FULLTEXT INDEX index_name (column1,column2,...);
  • 方式三：CRATE INDEX添加
CREATE FULLTEXT INDEX index_name ON table_name (column1,column2,...);

四、创建测试数据

创建一个数据库用来演示这三种模式下的检索

CREATE DATABASE chenqionghe DEFAULT CHARSET utf8;

创建一个文章表并插入测试数据

CREATE TABLE articles (
    id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
    title VARCHAR(200),
    body TEXT,
    FULLTEXT (title,body)
) ENGINE=InnoDB;

插入测试数据

INSERT INTO articles (title,body) VALUES
    ('MySQL Tutorial','DBMS stands for DataBase ...'),
    ('How To Use MySQL Well','After you went through a ...'),
    ('Optimizing MySQL','In this tutorial we will show ...'),
    ('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),
    ('MySQL vs. YourSQL','In the following database comparison ...'),
    ('MySQL Security','When configured properly, MySQL ...');

执行结果如下

五、查询-使用自然语言模式

这是MySQL的默认查询模式，简单示例如下

SELECT * FROM articles
    WHERE MATCH (title,body)
    AGAINST ('database' IN NATURAL LANGUAGE MODE);

可以看到，不区分大小写，title或body包含database的都返回了，另外，返回的结果将以相关性进行排序。

相关性：根据行中的字段、唯一单词的数量、集合中单词总数和包含特定单词的行数计算。

下面通过两种方式统计数量

# 第一种方式
 SELECT COUNT(*) FROM articles
    WHERE MATCH (title,body)
    AGAINST ('database' IN NATURAL LANGUAGE MODE);
# 第二种方式
SELECT
   COUNT(IF(MATCH (title,body) AGAINST ('database' IN NATURAL LANGUAGE MODE), 1, NULL))
    AS count
    FROM articles;

第一种做了一些额外的工作（按相关性对结果进行排序），但也能使用索引进行查询。
第二种执行了全表扫描，如果搜索项出现在大多数行中，可能比索引查询更快
匹配少数行，第一种快，匹配大多数行，第二种快

下面演示如何检索相关性，但不会进行排序（因为不包含WHERE和ORDER BY）

SELECT id, MATCH (title,body)
     AGAINST ('Tutorial' IN NATURAL LANGUAGE MODE) AS score
    FROM articles;

下面的示例更复杂，返回倒序后的相关性值，分别在SELECT和WHERE语句中使用了MATCH，但是不会导致额外的开销，因为mysql优化器注意到两次MATCH是相同的，只会使用一次全文搜索

SELECT id, body, MATCH (title,body) AGAINST
    ('Security implications of running MySQL as root'
    IN NATURAL LANGUAGE MODE) AS score
    FROM articles WHERE MATCH (title,body) AGAINST
    ('Security implications of running MySQL as root'
    IN NATURAL LANGUAGE MODE);

包含在("")中字符中的会被分解为单词，然后在全文索引中进行搜索，简单的说，就是进行OR查询。

六、查询-使用布尔模式（强大的语法）

使用布尔模式需要指定IN BOOLEAN MODE ，不会自动根据相关性排序，一些字符具有特殊的含义，例如可以通过+或-表示一个单词必须存在或不存在。
下面的sql语句代表查询必须 包含MySQL但不包含YourSQL

SELECT * FROM articles WHERE MATCH (title,body)
    AGAINST ('+MySQL -YourSQL' IN BOOLEAN MODE);

语法

  • +
    必须出现
  • -
    必须不出现。
    注意：这个操作符是用来排除其他操作符的结果，如果只指定这个，将什么都不返回
  • 无符号
    默认情况，代表或，自动分词搜索。和没有指定IN BOOLEAN MODE的结果一样
  • @distance
    用来测试两个或两个以上的单词是否都在一个指定的距离内，在@距离前指定双引号中的搜索词，例如MATCH(col1) AGAINST('"word1 word2 word3" @8' IN BOOLEAN MODE
  • >
    提高该条匹配数据的权重值
  • <
    降低该条匹配数据的权重值
  • ()
    相当于表达式分组，和我们数学中的表达式一个道理
  • ~
    将其相关性由正转负，表示拥有该字会降低相关性，例如+apple ~macintosh 先匹配apple，但如果同时包含macintosh，排名会靠后
  • *
    通配符，只能在字符串后面使用
  • "
    完全匹配，被双引号包起来的单词必须整个被匹配

示例

  • apple banana
    包含apple或banana其中一个
  • +apple +juice
    必须同时包含apple和juice
  • +apple macintosh
    包含apple，但是如果同时包含macintosh会给更高的排序
  • +apple -macintosh
    包信apple但是不包含macintosh
  • +apple ~macintosh
    包含apple，如果同时包含macintosh降低权重
  • +apple +(>turnover <strudel)
    1.包含apple和turnover，或，包含apple和strudel
    2.包含apple和turnover权重高于包含apple和strudel的记录
  • apple*
    包含apple单词的行， “apple”, “apples”, “applesauce”, “applet”都会被匹配到
  • "some words"
    完全匹配some words的行，例如 “some words of wisdom”能匹配但“some noise words”匹配不到

七、查询-使用扩展模式

当搜索短语很短时非常有用，例如搜索database可能意味着MySQL、Oracle、DB2、RDBMS都要被匹配到，这就是这个模式能做的。
添加WITH QUERY EXPANSION或 IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION启用，它会执行两次检索，第一次使用给定短语检索，第二次是结合第一次相关性比较高的行进行检索。
例如下面的例子

# 自然语言模式
SELECT * FROM articles
     WHERE MATCH (title,body)
    AGAINST ('database' IN NATURAL LANGUAGE MODE);

# 扩展模式
SELECT * FROM articles
    WHERE MATCH (title,body)
    AGAINST ('database' WITH QUERY EXPANSION);

可以看到第二条语句找到了包含MySQL的行，即使该行不包含database，但是因为在第一次的搜索中搜索引擎判断MySQL和database的相关性比较高，所以在执第二次搜索的时候返回了。

八、注意事项

  1. 只能在类型为CHAR、VARCHAR或者TEXT的字段上创建全文索引
  2. MATCH (字段) AGAINST (关键词)，必须和创建时的字段一起，例如MATCH (light,weight,baby)使用的字段名与全文索引muscle(light,weight,baby)定义的字段名一致。如果只对单个字段查询，需要分别创建全文索引
  3. 全文索引是以词为基础的，innodb_ft_min_token_size和innodb_ft_max_token_size用来设置单词的最大和最小长度，不在这个长度区间的将忽略。
  4. 在停用词stopwords中的将被忽略
  5. 如果要导入大量数据，先导入数据再建全文索引，比先建全文索引再导入数据的方式快很多。
  6. 在MySQL 5.7.6之前，全文索引只支持英文全文索引，不支持中文全文索引，MySQL 5.7.6后内置了ngram全文解析器，支持中文、日文、韩文分词。
posted @ 2020-02-26 08:47  雪山飞猪  阅读(2771)  评论(0)  编辑  收藏  举报