mysql全文索引

Posted 2020-06-23 学无止境

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了mysql全文索引相关的知识，希望对你有一定的参考价值。

一、如何设置？

如图点击结尾处的{全文搜索}即可设置全文索引，不同mysql版本名字可能不同。

二、设置条件
1.表的存储引擎是MyISAM，默认存储引擎InnoDB不支持全文索引（新版本MYSQL5.6的InnoDB支持全文索引）
2.字段类型：char、varchar和text

三、配置
my.ini配置文件中添加
# MySQL全文索引查询关键词最小长度限制
[mysqld]
ft_min_word_len = 1
保存后重启MYSQL，执行SQL语句

复制代码代码如下:

SHOW 
VARIABLES

查看ft_min_word_len是否设置成功，如果没设置成功请确保
1.确认my.ini正确配置，注意不要搞错my.ini的位置
2.确认mysql已经重启，实在不行重启电脑
其他相关配置请自行百度。
注：重新设置配置后，已经设置的索引需要重新设置生成索引

四、SQL语法
首先生成temp表

复制代码代码如下:

CREATE TABLE IF NOT EXISTS `temp` (
  
`id` int(11) NOT NULL AUTO_INCREMENT,
  `char` char(50) NOT NULL,
  
`varchar` varchar(50) NOT NULL,
  `text` text NOT NULL,
  PRIMARY KEY 
(`id`),
  FULLTEXT KEY `char` (`char`),
  FULLTEXT KEY `varchar` 
(`varchar`),
  FULLTEXT KEY `text` (`text`)
) ENGINE=MyISAM  DEFAULT 
CHARSET=utf8 AUTO_INCREMENT=2 ;
INSERT INTO `temp` (`id`, `char`, `varchar`, 
`text`) VALUES
(1, ‘a bc 我 知道 1 23‘, ‘a bc 我 知道 1 23‘, ‘a bc 我 知道 1 
23‘);

搜索`char`字段 ‘a‘ 值

复制代码代码如下:

SELECT * FROM `temp` WHERE MATCH(`char`) 
AGAINST 
(‘a‘)

但是你会发现查询无结果？！
这时你也许会想：哎呀怎么回事，我明明按照步骤来做的啊，是不是那里漏了或者错了？
你不要着急，做程序是这样的，出错总是有的，静下心来，着急是不能解决问题的。

如果一个关键词在50%的数据出现，那么这个词会被当做无效词。
如果你想去除50%的现在请使用IN BOOLEAN MODE搜索

复制代码代码如下:

SELECT * FROM `temp` WHERE MATCH(`char`) 
AGAINST (‘a‘ IN BOOLEAN 
MODE)

这样就可以查询出结果了，但是我们不推荐使用。
全文索引的搜索模式的介绍自行百度。

我们先加入几条无用数据已解除50%限制

复制代码代码如下:

INSERT INTO  `temp` (
`id` ,
`char` 
,
`varchar` ,
`text`
)
VALUES (
NULL ,  ‘7‘,  ‘7‘,  ‘7‘
), 
(
NULL ,  ‘7‘,  ‘7‘,  ‘7‘
), (
NULL ,  ‘a,bc,我,知道,1,23‘,  
‘a,bc,我,知道,1,23‘,  ‘a,bc,我,知道,1,23‘
), (
NULL ,  ‘x‘,  ‘x‘,  
‘x‘
);

这时你执行以下SQL语句都可以查询到数据

复制代码代码如下:

SELECT * FROM `temp` WHERE MATCH(`char`) 
AGAINST (‘a‘);
SELECT * FROM `temp` WHERE MATCH(`char`) AGAINST 
(‘bc‘);
SELECT * FROM `temp` WHERE MATCH(`char`) AGAINST (‘我‘);
SELECT * 
FROM `temp` WHERE MATCH(`char`) AGAINST (‘知道‘);
SELECT * FROM `temp` WHERE 
MATCH(`char`) AGAINST (‘1‘);
SELECT * FROM `temp` WHERE MATCH(`char`) AGAINST 
(‘23‘);

以下SQL搜索不到数据

复制代码代码如下:

SELECT * FROM `temp` WHERE MATCH(`char`) 
AGAINST (‘b‘);
SELECT * FROM `temp` WHERE MATCH(`char`) AGAINST 
(‘c‘);
SELECT * FROM `temp` WHERE MATCH(`char`) AGAINST (‘知‘);
SELECT * 
FROM `temp` WHERE MATCH(`char`) AGAINST (‘道‘);
SELECT * FROM `temp` WHERE 
MATCH(`char`) AGAINST (‘2‘);
SELECT * FROM `temp` WHERE MATCH(`char`) AGAINST 
(‘3‘);

如果搜索多个词，请用空格或者逗号隔开

复制代码代码如下:

SELECT * FROM `temp` WHERE MATCH(`char`) 
AGAINST (‘a x‘);
SELECT * FROM `temp` WHERE MATCH(`char`) AGAINST 
(‘a,x‘);

上面的SQL都可以查询到三条数据

五、分词
看到这里你应该发现我们字段里的值也是分词，不能直接插入原始数据。
全文索引应用流程：
1.接收数据-数据分词-入库
2.接收数据-数据分词-查询
现在有个重要的问题：怎么对数据分词？
数据分词一般我们会使用一些成熟免费的分词系统，当然如果你有能力也可以自己做分词系统，这里我们推荐使用SCWS分词插件。

首先下载
1.php_scws.dll 注意对应版本
2.XDB词典文件
3.规则集文件
下载地址

安装scws
1.先建一个文件夹，位置不限，但是最好不要中文路径。
2.解压{规则集文件}，把xdb、三个INI文件全部扔到 D:\scws
3.把php_scws.dll复制到你的PHP目录下的EXT文件夹里面
4.在 php.ini 的末尾加入以下几行：
[scws]

; 注意请检查 php.ini 中的 extension_dir 的设定值是否正确, 否则请将 extension_dir 设为空，
; 再把 php_scws.dll 指定为绝对路径。

extension = php_scws.dll
scws.default.charset = utf8
scws.default.fpath = "D:\scws"
5.重启你的服务器
测试

复制代码代码如下:

$str="测试中文分词";
$so = 
scws_new();
$so->send_text($str);
$temp=$so->get_result();
$so->close();
var_dump($temp);

如果安装未成功，请参照官方说明文档
--------------------------------------------------------------------------------
这样我们就可以使用全文索引技术了。

************************************************************

http://blog.csdn.net/bbirdsky/article/details/45368897

MySQL从3.23.23开始就逐渐支持全文索引和搜寻。全文索引就是建index，全文搜寻就是去查index。

LIKE是用Regular Expression去做查询。
MySQL全文索引是一种index type：FULLTEXT。
全文索引的index只能用在MyISAM表中的char、varchar和text的字段上。
全文索引的index可以在create table、alter table和create index时产生。

CREATE TABLE article ( 
   id INT AUTO_INCREMENT NOT NULL PRIMARY KEY, 
    title VARCHAR(200), 
    body TEXT, 
    FULLTEXT(title, body) 
) TYPE=MYISAM;

要导入大量的数据到有全文索引index的table速度会很慢，建议先拿掉全文索引index再导入数据，导入完后再加上全文索引index。
全文搜寻的语法：

MATCH (col1, col2,...) AGAINST (expr [search_modifier])

三种搜寻方式：

IN BOOLEAN MODE 
IN NATURAL LANGUAGE MODE 
IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION / WITH QUERY EXPANSION 

IN NATURAL LANGUAGE MODE

expr就是要搜寻的字符串。
没有特殊字符。
套用Stopwords。
剔除一半row以上都有的字，譬如说，每个row都有mysql这个字的话，那用mysql去查时，会找不到任何row，这在row的数量无敌多时很有用，因为把所有row都找出来是没有意义的，这时，mysql几乎被当作是stopword；但是当row只有两笔时，是啥鬼也查不出来的，因为每个字都出现50%以上，要避免这种状况，请用IN BOOLEAN MODE。
预设的搜寻方式。

SELECT * 
FROM article 
WHERE MATCH(title, body) 
AGAINST (‘xxx‘ IN NATURAL LANGUAGE MODE);

预设搜寻是不分大小写，若要分大小写，columne的character set要从utf8改成utf8_bin。
预设MATCH...AGAINST是以相关性排序，由高到低。
MATCH...AGAINST可以跟所有MySQL语法搭配使用，像是JOIN或是加上其他过滤条件。

-- 第一种count 
SELECT COUNT(*) 
FROM article 
WHERE MATCH(title, body) 
AGAINST (‘xxx‘ IN NATURAL LANGUAGE MODE); 
-- 第二种count 
SELECT COUNT(IF(MATCH(title, body) AGAINST (‘xxx‘ IN NATURAL LANGUAGE MODE), 1, NULL)) AS count 
FROM article

当符合的笔数较多时，第一种count比较慢，因为MATCH...AGAINST会先依相关性排序。
当符合的笔数较少时，第二种count比较慢，因为第二种count会扫过所有数据。
MATCH(title, body)里的字段必须和FULLTEXT(title, body)里的字段一模一样，如果只要单查title或body一个字段，那得另外再建一个FULLTEXT(title)或FULLTEXT(body)，也因为如此，MATCH()的字段一定不能跨table，但是另外两种搜寻方式好像可以。

SELECT id, MATCH(title, body) AGAINST (‘xxx‘ IN NATURAL LANGUAGE MODE) as score 
FROM article;

这样可以取得相关值，而且也因为没有WHERE和ORDER BY，所以不会排序。

SELECT id, MATCH(title, body) AGAINST (‘xxx‘ IN NATURAL LANGUAGE MODE) as score 
FROM article 
WHERE MATCH(title, body) 
AGAINST (‘xxx‘ IN NATURAL LANGUAGE MODE);

排序又取得相关性，虽然MATCH...AGAINST用了两次，但是MySQL知道这两个MATCH...AGAINST是一样的，所以只会用一次。

SELECT id, MATCH(title, body) AGAINST (‘xxx‘ IN NATURAL LANGUAGE MODE) as score 
FROM article 
ORDER BY score desc;

为啥不这样用就好？
MySQL的FULLTEXT怎么断字：
字母、数字、底线的组合视为一个字，不会把底线断字。
会被断字的字符：空白、逗号（,）与点（.），但不用这些断字的语言，如中文，就得自行手动断字。
可以自行实做一个断字的外挂来取代内建的断字parser。
接受一个单引号，如aaa‘bbb视为一个字，但是aaa‘‘bbb就是两个字。
前缀或字尾的单引号会被去掉，如‘aaa或aaa‘。
全文搜寻时，stopword与少于四个字符的字符串会被忽略。
可以覆写内建的stopword清单。
可以修改最少四个字符的设定。

IN BOOLEAN MODE
expr里有特殊字符辅助特殊的搜寻语法。
SELECT *
FROM article
WHERE MATCH(title, body)
AGAINST (‘+mysql -yoursql‘ IN BOOLEAN MODE);
一定要有msysql，且不要有yoursql。
IN BOOLEAN MODE的特色：
不剔除50%以上符合的row。
不自动以相关性反向排序。
可以对没有FULLTEXT index的字段进行搜寻，但会非常慢。
限制最长与最短的字符串。
套用Stopwords。
搜寻语法：
+：一定要有。
-：不可以有，但这个「不可以有」指的是在符合的row里不可以有指定的字符串，所以不能只下「-yoursql」这样是查不到任何row的，必须搭配其他语法使用。
：（什么都没）预设用法，表示可有可无，有的话排比较前面，没有的排后面。
>：提高该字的相关性。
<：降低相关性。
( )：条件可以巢状。
+aaa +(>bbb <ccc) // 找到有aaa和bbb，或者aaa和ccc，然后aaa&bbb排在aaa&ccc前面
~：将其相关性由正转负，表示拥有该字会降低相关性，但不像「-」将之排除，只是排在较后面。
*：万用字，不像其他语法放在前面，这个要接在字符串后面。
" "：用双引号将一段句子包起来表示要完全相符，不可拆字。

IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION
也可以用WITH QUERY EXPANSION。
IN NATURAL LANGUAGE MODE的衍生版。
先用IN NATURAL LANGUAGE MODE做搜寻，得到最相关的字段的字再加到原expr里，再查一次。
神奇功能之一：可以用database查出mysql或oracle，第一次查询用databae得到一些结果，从这些结果里抽取字符串，此时得到mysql与oracle的机率相当高，最后用database和这些出取出来的字符串做一次查询。
神奇功能之二：无法拼出正确字符串时，第一次用「相似」的错误字符串查询，很有可以得到正确的字符串，再用正确的字符串急可以得到想要的结果。
因为这种查询方式会让「噪声」爆增，所以建议第一次的查询字符串尽量精简。
Stopwords请参考http://dev.mysql.com/doc/refman/5.1/en/fulltext-stopwords.html。
全文搜寻的限制：
只能用在MyISAM表格上。
支援UTF-8。
中文支持问题：
MySQL不会断中文字：MySQL内建的字依据是空白、逗号和点，对此内建机制的白痴解法是，存中文字时自行塞入空白断字，但是还是有下面的限制。
查询字符串最少四个字符的限制：所以一二三个中文字都不能查，必须将ft_min_word_len从预设的4改成1。
虽然同一个表格可以有不同字符集的字段，但是同一个FULLTEXT index里的字段必须是同一个字符集与collation。
MATCH里的字段必须和FULLTEXT里的一模一样，IN BOOLEAN MODE允许不一样，甚至使用未FULLTEXT index的字段，但速度很慢。
AGAINST里必须是字符串，不可以是变量或域名。
全文搜寻使index hint受限。
MySQL全文搜寻设定：
大部分的参数都是启动参数，也就是修改后必须重新启动MySQL。
有些参数修改必须重新产生索引文件。
mysql> SHOW VARIABLES LIKE ‘ft%‘;

ft_boolean_syntax    + -><()~*:""&|
ft_min_word_len    4
ft_max_word_len    84
ft_query_expansion_limit   20 ft_stopword_file    (built-in)

ft_min_word_len：最短的索引字符串，默认值为4，修改后必须重建索引文件。
ft_max_word_len：最长的索引字符串，默认值因版本而不同，余同上一点。
[mysqld]
ft_min_word_len=1
ft_stopword_file：stopword档案路径，若留空白不设定表示要停用stopword过滤，修改后必须重新启动MySQL和重建索引；stopword档案内容可以用分行空白与逗号区隔stopword，但底线和单引号视为合法的字符串字符。
50%的门坎限制：配置文件在storage/myisam/ftdefs.h，将 #define GWS_IN_USE GWS_PROB 改为 #define GWS_IN_USE GWS_FREQ，然后重新编译MySQL，因为近低门坎会影响数据的精准度，所以不建议如此，可用IN BOOLEAN MODE即可以避开50%的限制。
ft_boolean_syntax：改变IN BOOLEAN MODE的查询字符，不用重新启动MySQL也不用重建索引。
修改字符串字符的认定，譬如说将「-」认定为字符串的合法字符：
方法一：修改storage/myisam/ftdefs.h的true_word_char()与misc_word_char()，然后重新编译MySQL，最后重建索引。
方法二：修改字符集档，然后在FULLTEXT index的字段使用该字符集，最后重建索引。
重建索引：
每个有FULLTEXT index的表格都要这么做。
mysql> REPAIR TABLE tbl_name QUICK;
要注意如果用过myisamchk，会导致上述的设定值回复成默认值，因为myisamchk不是用MySQL的设定值。
解法一：将修改过得设定值加到myisamchk的参数里。
shell> myisamchk --recover --ft_min_word_len=1 tbl_name.MYI
解法二：两边都要设定。
[mysqld]
ft_min_word_len=1
[myisamchk]
ft_min_word_len=1
解法三：用REPAIR TABLE、ANALYZE TABLE、OPTIMIZE TABLE与ALTER TABLE取代myisamchk语法，因为这些语法是由MySQL执行的。

二、全文索引

文本字段上的普通索引只能加快对出现在字段内容最前面的字符串(也就是字段内容开头的字符)进行检索操作。如果字段里存放的是由几个、甚至是多个单词构成的较大段文字，普通索引就没什么作用了。这种检索往往以LIKE %word%的形式出现，这对MySQL来说很复杂，如果需要处理的数据量很大，响应时间就会很长。

这类场合正是全文索引(full-text index)可以大显身手的地方。在生成这种类型的索引时，MySQL将把在文本中出现的所有单词创建为一份清单，查询操作将根据这份清单去检索有关的数据记录。全文索引即可以随数据表一同创建，也可以等日后有必要时再使用下面这条命令添加：ALTER TABLE tablename ADD FULLTEXT(column1, column2) 有了全文索引，就可以用SELECT查询命令去检索那些包含着一个或多个给定单词的数据记录了。

下面是这类查询命令的基本语法：

SELECT * FROM tablename WHERE MATCH(column1, column2) AGAINST(’word1′, ‘word2′, ‘word3′)

上面这条命令将把column1和column2字段里有word1、word2和word3的数据记录全部查询出来。

注解：InnoDB数据表不支持全文索引。

以上是关于mysql全文索引的主要内容，如果未能解决你的问题，请参考以下文章

mysql全文索引

mysql全文索引很慢，速度不如like的百分之一

SQL Server中的全文搜索

MySQL进阶实战10，MySQL全文索引

mysql创建全文索引