前言
使用
用MATCH() ... AGAINST 方式來(lái)進(jìn)行搜索
match()表示搜索的是那個(gè)列,against表示要搜索的是那個(gè)字符串
查看默認(rèn)的分詞(以這些詞來(lái)區(qū)分不同的關(guān)鍵詞);也可以自定義分詞,以這些詞來(lái)區(qū)分不同的關(guān)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(yǔ)言搜索)
通過(guò)MATCH AGAINST 傳遞某個(gè)特定的字符串來(lái)進(jìn)行檢,默認(rèn)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(xiàn)在停詞中,也不會(huì)被過(guò)濾掉
query expansion search(查詢擴(kuò)展搜索)
搜索字符串用于執(zhí)行自然語(yǔ)言搜索,然后,搜索返回的最相關(guān)行的單詞被添加到搜索字符串,并且再次進(jìn)行搜索,查詢將返回來(lái)自第二個(gè)搜索的行
相關(guān)參數(shù)
配置相關(guān)參數(shù)
innodb_ft_min_token_size
默認(rèn)3,表示最小3個(gè)字符作為一個(gè)關(guān)鍵詞,增大該值可減少全文索引的大小
innodb_ft_max_token_size
默認(rèn)84,表示最大84個(gè)字符作為一個(gè)關(guān)鍵詞,限制該值可減少全文索引的大小
ngram_token_size
默認(rèn)2,表示2個(gè)字符作為內(nèi)置分詞解析器的一個(gè)關(guān)鍵詞,如對(duì)“abcd”建立全文索引,關(guān)鍵詞為'ab','bc','cd'
當(dāng)使用ngram分詞解析器時(shí),innodb_ft_min_token_size和innodb_ft_max_token_size 無(wú)效
注意 這三個(gè)參數(shù)均不可動(dòng)態(tài)修改,修改了這些參數(shù),需重啟MySQL服務(wù),并重新建立全文索引
測(cè)試innodb引擎使用全文索引
準(zhǔn)備
1、目標(biāo)
2、設(shè)置以下參數(shù)減少磁盤IO壓力
SET GLOBAL sync_binlog=100; SET GLOBAL innodb_flush_log_at_trx_commit=2;
3、導(dǎo)入1kw 數(shù)據(jù)進(jìn)行測(cè)試全文索引
該數(shù)據(jù)來(lái)源網(wǎng)上搜索
提取碼:iyip
4、某個(gè)文章表 的結(jié)構(gòu)
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(shí)來(lái)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(dǎo)入測(cè)試數(shù)據(jù)
先把測(cè)試數(shù)據(jù)進(jìn)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(dǎo)入數(shù)據(jù)后總數(shù)據(jù)量和數(shù)據(jù)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(rèn)方式創(chuàng)建全文索引
1、該表已有關(guān)鍵詞字段(對(duì)文章內(nèi)容的簡(jiǎn)述),并以“,”作為分詞符
select keywords from article limit 10; +-------------------------------------------------+ | keywords | +-------------------------------------------------+ | NULL | | NULL | | ,婚姻,愛(ài)情 | | 發(fā)型,偏分,化妝,時(shí)尚 | | 小A, | | ,服裝搭配,女性,時(shí)尚 | | 漂亮,女性 | | 情人節(jié),東莞,女性 | | 皮膚,護(hù)膚,護(hù)膚,食品營(yíng)養(yǎng),美容,養(yǎng)生 | | 三里屯,北京,時(shí)尚 | +-------------------------------------------------+
2、不建全文索引時(shí)搜索某個(gè)關(guān)鍵詞
需要進(jìn)行全表掃描
select count(*) from article where keywords like '%時(shí)尚%'; +----------+ | count(*) | +----------+ | 163 | +----------+ 1 row in set (7.56 sec)
3、對(duì)關(guān)鍵詞字段創(chuàng)建全文索引(以 , 作為分詞)
my.cnf配置文件中設(shè)置innodb_ft_min_token_size,并重啟MySQL服務(wù)(最小兩個(gè)字符作為一個(gè)關(guān)鍵詞,默認(rèn)三個(gè)字符作為一個(gè)關(guān)鍵詞)
[mysqld] innodb_ft_min_token_size=2
3.1 設(shè)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(chuàng)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(huì)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(huì)創(chuàng)建原表大小的臨時(shí)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(chuàng)建的全文索引進(jìn)行查詢某個(gè)關(guān)鍵詞出現(xiàn)的次數(shù)
查詢響應(yīng)時(shí)間有了很大的提升,只需0.05s;使用where keywords like '%時(shí)尚%' 需要7.56s
select count(*) from article where match(keywords) against('%時(shí)尚%'); +----------+ | count(*) | +----------+ | 163 | +----------+ 1 row in set (0.05 sec)
3.5 如需同時(shí)完全匹配多個(gè)關(guān)鍵詞,用布爾全文搜索
表示完全匹配 "三里屯,北京" 的記錄數(shù) 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(shù) 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(chuàng)建全文索引后,會(huì)創(chuàng)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(gè)表示倒排索引(輔助索引表)
- 第7,8個(gè)表示包含已刪除文檔的文檔ID(DOC_ID),其數(shù)據(jù)當(dāng)前正在從全文索引中刪除
- 第9個(gè)表示FULLTEXT索引內(nèi)部狀態(tài)的信息
- 第10,11個(gè)表示包含已刪除但尚未從全文索引中刪除其數(shù)據(jù)的文檔
使用ngram分詞解析器創(chuàng)建全文索引
1、對(duì)title字段建立全文索引(該字段沒(méi)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(shè)置ngram_token_size(默認(rèn)為2,2個(gè)字符作為ngram 的關(guān)鍵詞),并重啟mysql服務(wù)
這里使用默認(rèn)的 2
select title from article limit 10; +------------------------------------------------------------------------------+ | title | +------------------------------------------------------------------------------+ | worth IT | |Launchpad 江南皮革廠小show | |Raw 幕后罕見(jiàn)一刻 “瘋子”被抬回后臺(tái) | |Raw:公子大罵老爸你就是個(gè)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(qiáng)森 | |少女時(shí)代 崔秀英 服飾科普 林允兒 黃美英 金泰妍 鄭秀晶 | |德陽(yáng)戶外踏青,花田自助燒烤 | +------------------------------------------------------------------------------+
2、對(duì)title字段創(chuàng)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(huì)創(chuàng)建倒排索引(title字段越長(zhǎng)長(zhǎng),創(chuàng)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(gè)關(guān)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(tái)%'; +----------+ | count(*) | +----------+ | 1142 | +----------+
5、使用全文索引搜索某個(gè)關(guān)鍵詞
響應(yīng)時(shí)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(tái)%'; +----------+ | count(*) | +----------+ | 1142 | +----------+ 1 row in set (8.31 sec)
6、注意當(dāng)搜索的關(guān)鍵詞字符數(shù)大于2 (ngram_token_size定義大小)會(huì)出現(xiàn)不一致問(wèn)題
普通搜索,實(shí)際中出現(xiàn)該關(guān)鍵詞的記錄數(shù)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(xiàn)關(guān)鍵字的記錄數(shù)為9443 select count(*) from article where match(title) against('公子大'); +----------+ | count(*) | +----------+ | 9443 | +----------+ 1 row in set (0.06 sec) 實(shí)際出現(xiàn)該關(guān)鍵字的記錄數(shù)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(xiàn)該關(guān)鍵詞的記錄數(shù)為3202 select count(*) from article where match(title) against('花田自助'); +----------+ | count(*) | +----------+ | 3202 | +----------+ 1 row in set (0.06 sec)
結(jié)論
參考
InnoDB FULLTEXT Indexes
總結(jié)
以上就是這篇文章的全部?jī)?nèi)容了,希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,謝謝大家對(duì)腳本之家的支持。
標(biāo)簽:黔西 梅河口 鄂爾多斯 北京 陜西 荊門 駐馬店 昌都
巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《MySQL全文索引實(shí)現(xiàn)簡(jiǎn)單版搜索引擎實(shí)例代碼》,本文關(guān)鍵詞 MySQL,全文,索引,實(shí)現(xiàn),簡(jiǎn)單,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無(wú)關(guān)。