天下高月小说,欢乐颂第二季

前言

只有Innodb和myisam存儲(chǔ)引擎能用全文索引（innodb支持全文索引是從mysql5.6開(kāi)始的）
char、varchar、text類型字段能創(chuàng)建全文索引（fulltext index type）
全文索引的基于關(guān)鍵詞的，如何區(qū)分不同的關(guān)鍵詞了，就要用到分詞（stopword）
英文單詞用空格，逗號(hào)進(jìn)行分詞；中文分詞不方便（一個(gè)句子不知道怎樣區(qū)分不同的關(guān)鍵詞）
內(nèi)置分詞解析器ngram支持中文，日文，韓文（將句子分成固定數(shù)字的短語(yǔ)）
當(dāng)對(duì)表寫(xiě)入大量數(shù)據(jù)時(shí)，寫(xiě)入數(shù)據(jù)后再創(chuàng)建全文索引的速度更快（減少了維護(hù)索引的開(kāi)銷）
全文索引的原理的倒排索引（一種數(shù)據(jù)結(jié)構(gòu)），一般利用關(guān)聯(lián)數(shù)組，在輔助表中存儲(chǔ)單詞與文檔中所在位置的映射

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)

查詢文章中是否含有某個(gè)關(guān)鍵詞；一系列文章出現(xiàn)某個(gè)關(guān)鍵詞的次數(shù)
查詢文章的標(biāo)題是否含有某個(gè)關(guān)鍵詞

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?。?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

當(dāng)mysql 某字段中有固定的stopword 分詞（英文的空格符，中文的“,”"-"等），對(duì)該字段建立全文索引，能快速搜索出現(xiàn)某個(gè)關(guān)鍵詞的相關(guān)記錄信息，實(shí)現(xiàn)簡(jiǎn)單搜索引擎的效果
當(dāng)mysql 某字段沒(méi)有固定的stopword 分詞，使用內(nèi)置解析器ngram 可將字段值分成固定數(shù)量（ngram_token_size定義大?。┑年P(guān)鍵詞快速進(jìn)行搜索；當(dāng)搜索的關(guān)鍵詞的字符數(shù)量不等于ngram_token_size定義大小時(shí)，會(huì)出現(xiàn)與實(shí)際情況不一致的問(wèn)題
全文索引能快速搜索，也存在維護(hù)索引的開(kāi)銷；字段長(zhǎng)度越大，創(chuàng)建的全文索引也越大，會(huì)影響DML語(yǔ)句的吞吐量，可用專門的全文搜索引擎ES來(lái)做這件事

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。

您可能感興趣的文章:

Mysql實(shí)現(xiàn)簡(jiǎn)易版搜索引擎的示例代碼
詳細(xì)介紹基于MySQL的搜索引擎MySQL-Fullltext
scrapy+flask+html打造搜索引擎的示例代碼
python基于搜索引擎實(shí)現(xiàn)文章查重功能
Python實(shí)戰(zhàn)之手寫(xiě)一個(gè)搜索引擎
Python大批量搜索引擎圖像爬蟲(chóng)工具詳解
360搜索引擎自動(dòng)收錄php改寫(xiě)方案
php記錄搜索引擎爬行記錄的實(shí)現(xiàn)代碼
Python無(wú)損音樂(lè)搜索引擎實(shí)現(xiàn)代碼
基于 Mysql 實(shí)現(xiàn)一個(gè)簡(jiǎn)易版搜索引擎

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)。