mysql全文索引-乐山大橙子建站

新闻中心

这里有您想知道的互联网营销解决方案

mysql全文索引

停止词(stopword)

一、什么是停止词？

不能用于搜索的词，如敏感词汇：法轮功、李宏志、器官移植等；非常常见的无任何具体含议的词汇： and、or、what 、好的、我们、你们、这样等等。

二、停止词相关参数

MySQL> show variables like '%innodb%stop%';

+---------------------------------+-------+

| Variable_name | Value |

+---------------------------------+-------+

| innodb_ft_enable_stopword | ON |

| innodb_ft_server_stopword_table | |

| innodb_ft_user_stopword_table | |

+---------------------------------+-------+

innodb_ft_server_stopword_table 和 innodb_ft_user_stopword_table：指定停止词的 innodb 表，这两个参唯一的区别就是 innodb_ft_user_stopword_table 的优先级更高。如果没有设置这2 个参数中的任何一个，则使用默认停止词表 information_schema.INNODB_FT_DEFAULT_STOPWORD

三、创建停止词

1、创建保存停止词的表

create table stopword（value varchar(18)）;

注：字符串长度设置不能少于 ngram_token_size * 字符长度，字符长度根字符集有关，如：utf8 是一个中文字符占 3 个字节，如果 ngram_token_size 的值是 2 ，则 2 * 3 = 6，最少不能少于6个字节（个人理解）

2、插入停止词

insert into stopword values('法轮功')('李宏志')('我们的')('你们的');

四、innodb 全文索引的停止词如何设置？

set global innodb_ft_user_stopword_table='test/stopword';

注：停止词更新后，需要重建全文索引才能生效，重建索引时，stopword 表中的停止词不再创建索引

注意格式：test 是 schema， stopword 是保证停止词的表，中间用 "/" 连接

中文分词

innodb 的中文全分词使用的是 ngram 支持，其算法是二元分词法，可以通过 ngram_token_size 参数设置分词的长度，默认是 2 ，该值越大，索引越大。

mysql> show variables like '%ngram%';

+------------------+-------+

| Variable_name | Value |

+------------------+-------+

| ngram_token_size | 2 |

+------------------+-------+

注：ngram_token_size的值为2 说明以2个字符为一个词，可以设置 innodb_ft_aux_table 参数查看分词结果

一、查看分词结果

1、设置参数 innodb_ft_aux_table

set global innodb_ft_aux_table='test/test6';

注：test为 schema 名， test6 为具有全文索引的表名

2、查看分词结果

--原数据

mysql> select * from test6 where id >= 7;

+----+-----------------------------+

| id | name |

+----+-----------------------------+

| 7 | 器官健康很重要 |

| 8 | 要做就做大买卖 |

| 9 | 官买官卖是不靠普的 |

+----+-----------------------------+

--分词后的数据（全文索引）

mysql> select * from information_schema.innodb_ft_index_cache;

+--------+--------------+-------------+-----------+--------+----------+

+--------+--------------+-------------+-----------+--------+----------+

| 买卖 | 11 | 11 | 1 | 11 | 15 |

| 做大 | 11 | 11 | 1 | 11 | 9 |

| 做就 | 11 | 11 | 1 | 11 | 3 |

| 健康 | 10 | 10 | 1 | 10 | 6 |

| 器官 | 10 | 10 | 1 | 10 | 0 |

| 大买 | 11 | 11 | 1 | 11 | 12 |

| 官健 | 10 | 10 | 1 | 10 | 3 |

| 就做 | 11 | 11 | 1 | 11 | 6 |

| 康很 | 10 | 10 | 1 | 10 | 9 |

| 很重 | 10 | 10 | 1 | 10 | 12 |

| 要做 | 11 | 11 | 1 | 11 | 0 |

| 重要 | 10 | 10 | 1 | 10 | 15 |

+--------+--------------+-------------+-----------+--------+----------+

innodb_ft_index_cache 和 innodb_ft_index_table 表的关系：

创建好全文索引后，所有的数据都保存在 innodb_ft_index_table 表中，当有新的数据 insert 后，这些新数据的全文索引保存在内存表中，即 innodb_ft_index_cache，当做 optimize table 操作时，批量把表写入磁盘中，即 innodb_ft_index_table 表中。

innodb 如何创建支持中文的全文索引？

--在建表时指定

CREATE TABLE `test6` (

`id` int(11) NOT NULL AUTO_INCREMENT,

`name` varchar(90) DEFAULT NULL,

PRIMARY KEY (`id`),

FULLTEXT KEY `idx_name` (`name`) /*!50100 WITH PARSER `ngram` */

) ENGINE=InnoDB AUTO_INCREMENT=10 DEFAULT CHARSET=utf8

-- 用 alter table 创建全文索引

alter table test6 add fulltext key idx_name(name) with parser ngram

注：对于中文全文索引必须指定 with parser ngram 关键字，否则innodb 默认的分词算法对中文的支持很差。

如何使用全文索引？

一、自然语言模式

-- 原数据

mysql> select * from test6 ;

+----+------------------------------------------+

| id | name |

+----+------------------------------------------+

| 1 | 工地城工有城 |

| 2 | adfadsfadsfadsf |

| 3 | 产戟要棵地地要要地大叶黄杨 |

| 4 | 宸ュ伐鍦板湴鏈夋湁鐨勭殑 |

| 5 | 人人地工地 |

| 6 | 霜国工直有直功发顺丰 |

| 7 | 器官健康很重要 |

| 8 | 要做就做大买卖 |

| 9 | 官买官卖是不靠普的 |

+----+------------------------------------------+

-- 使用全文索引检查

mysql> select * from test6 where match(name) against('买卖');

+----+-----------------------+

| id | name |

+----+-----------------------+

| 8 | 要做就做大买卖 |

+----+-----------------------+

mysql> explain select * from test6 where match(name) against('买卖' in NATURAL LANGUAGE MODE);

+----+-------------+-------+------------+----------+---------------+----------+---------+-------+------+----------+-------------------------------+

+----+-------------+-------+------------+----------+---------------+----------+---------+-------+------+----------+-------------------------------+

+----+-------------+-------+------------+----------+---------------+----------+---------+-------+------+----------+-------------------------------+

注：innodb 全文索引默认就是使用自然语言模式，所以可不用加 in NATURAL LANGUAGE MODE

二、布尔模式

mysql> select * from test6 where match(name) against('买卖' in boolean mode );

+----+-----------------------+

| id | name |

+----+-----------------------+

| 8 | 要做就做大买卖 |

| 10 | 做买卖了 |

+----+-----------------------+

如果不想要包含了 “要做”的行，则可以：

mysql> select * from test6 where match(name) against('买卖 -要做' in boolean mode);

+----+--------------+

| id | name |

+----+--------------+

| 10 | 做买卖了 |

+----+--------------+

注：只有在布尔模式下才可用以上操作符。

布尔模式下支持以下操作符：

“+”表示必须包含

“-”表示必须排除

“>”表示出现该单词时增加相关性

“<”表示出现该单词时降低相关性

“*”表示通配符

“~”允许出现该单词，但是出现时相关性为负

“""”表示短语

no operation表示find word是可选的，如果出现，相关性会更高

可以通过以下命令查看布尔模式支持的操作符：

mysql> show variables like '%ft_boolean_syntax%';

+-------------------+----------------+

| Variable_name | Value |

+-------------------+----------------+

| ft_boolean_syntax | + -><()~*:""&| |

+-------------------+----------------+

如何维护全文索引？

一、DML操作对全文索引的影响

1、插入操作

插入操作较为简单，当往表中插入记录时，提交事务时会对全文索引上的列进行分词存储到FTS Index Cache（INNODB_FT_INDEX_CACHE），最后在批量更新到Auxiliary Table（INNODB_FT_INDEX_TABLE）中

2、删除操作

当提交删除数据的事务以后，不会删除Auxiliary Table中的数据，而只会删除FTS Index Cache中的数据。对于Auxiliary Table中被删除的记录，InnoDB存储引擎会记录其FTS Document Id，并将其保存在DELETED Auxiliary Table中。可以通过OPTIMIZE TABLE手动删除索引中的记录。

3、更新操作

4、查找操作

分为两步。第一步：根据检索词搜集符合条件的FTS_DOC_ID，在搜集满足条件的FTS_DOC_ID首先读取delete表中记录的FTS_DOC_ID，这些FTS_DOC_ID随后被用做过滤

第二步：根据FTS_DOC_ID找到对应的记录，找到的记录是根据相关性大小降序返回的

二、innodb 全文索引相关表：

mysql> select table_schema, table_name from information_schema.tables where table_name like 'innodb_ft%';

+--------------------+----------------------------+

| table_schema | table_name |

+--------------------+----------------------------+

| information_schema | INNODB_FT_CONFIG |

| information_schema | INNODB_FT_BEING_DELETED |

| information_schema | INNODB_FT_DELETED |

| information_schema | INNODB_FT_DEFAULT_STOPWORD |

| information_schema | INNODB_FT_INDEX_TABLE |

| information_schema | INNODB_FT_INDEX_CACHE |

+--------------------+----------------------------+

INNODB_FT_DELETED ：保存的是innodb 表中删除的全文索引的doc_id，避免DML操作时重组全文索引。当 OPTIMIZE TABLE 操作时才更新重组全文索引。 所以要时常的对具有全文索引的表进行 OPTIMIZE TABLE 操作 ，要不然INNODB_FT_DELETED会很大，导至性能问题

INNODB_FT_BEING_DELETED ：只有在作 OPTIMIZE TABLE 操作时才使用，这是一个中间表，使用的时间很短。

INNODB_FT_INDEX_CACHE ：当新插入数据时，保存新的全文索引，避免 insert 操作导致索引重组，当遇到 OPTIMIZE TABLE、关闭服务、超过 innodb_ft_cache_size或 innodb_ft_total_cache_size 的限制时才合并到主索引表中（INNODB_FT_INDEX_TABLE）。

INNODB_FT_CONFIG ：innodb 全文索上的刷新、停止词等信息。

注：要想正常使用INNODB_FT_DELETED、INNODB_FT_INDEX_CACHE等表，必需设置参数 innodb_ft_aux_table，否则看不到任何信息，该参数应该是用于调试使用

创建全文索引时，可以设置并行度，通过参数 innodb_ft_sort_pll_degree 控制。

三、innodb 全文索引相关参数：

innodb_ft_aux_table： 设置调式表

ngram_token_size ：分词长度

innodb_ft_server_stopword_table / innodb_ft_user_stopword_table ：设置停止词表，innodb_ft_user_stopword_table这个表的优先级更高。

innodb_ft_min_token_size / innodb_ft_max_token_size ：如果使用 ngram 全文索引中日韩语言插件，这 2 个参数不再有用。

innodb_ft_sort_pll_degree ：创建全文索引时的并行度。

innodb_ft_cache_size / innodb_ft_total_cache_size ：前一个是定议每个表的全文索引内存大小，后一个设置所有表的全文索引内存大小，如果全文索引大小超过 innodb_ft_total_cache_size 的设置，则强制同步（我想是fulltext index 的cache 大小与全文索引大小强制保持一致，意味着有内存中不能全部加载全文索引）被取消。

innodb_optimize_fulltext_only ：optimize table 操作时，只优化全文索引。set innodb_optimize_fulltext_only = 1;

让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：申请域名、网络空间、营销软件、网站建设、城区网站维护、网站推广。

网站栏目：mysql全文索引
文章来源：http://lswzjz.com/article/ggpchc.html

新闻中心

其他资讯