江苏龙网

  1. 主页 > 生活百科 > >

MySQL 全文索引实现一个简单版搜索引擎

mysql全文索引

作者：Jia-Xin
cnblogs.com/YangJiaXin/p/11153579.html
前言
  • 只有Innodb和myisam存储引擎能用全文索引（innodb支持全文索引是从MySQL5.6开始的）
  • char、varchar、text类型字段能创建全文索引（fulltext index type）
  • 全文索引的基于关键词的 ， 如何区分不同的关键词了 ， 就要用到分词（stopword）
  • 英文单词用空格 ， 逗号进行分词；中文分词不方便（一个句子不知道怎样区分不同的关键词）
  • 内置分词解析器ngram支持中文 ， 日文 ， 韩文（将句子分成固定数字的短语）
  • 当对表写入大量数据时 ， 写入数据后再创建全文索引的速度更快（减少了维护索引的开销）
  • 全文索引的原理的倒排索引（一种数据结构） ， 一般利用关联数组 ， 在辅助表中存储单词与文档中所在位置的映射
使用用MATCH() … AGAINST 方式来进行搜索
match()表示搜索的是那个列 ， against表示要搜索的是那个字符串
查看默认的分词（以这些词来区分不同的关键词）；也可以自定义分词 ， 以这些词来区分不同的关键词SELECT * FROM 
information_schema.INNODB_FT_DEFAULT_STOPWORD;
如
MySQL 全文索引实现一个简单版搜索引擎

文章插图
 
三种类型的全文搜索方式natural language search（自然语言搜索）
通过MATCH AGAINST 传递某个特定的字符串来进行检 ， 默认方式
boolean search（布尔搜索）
为检索的字符串增加操作符 ， 如“+”表示必须包含 ， "-"不包含 ， "*" 表示通配符 ， 即使传递的字符串较小或出现在停词中 ， 也不会被过滤掉
query expansion search（查询扩展搜索）
搜索字符串用于执行自然语言搜索 ， 然后 ， 搜索返回的最相关行的单词被添加到搜索字符串 ， 并且再次进行搜索 ， 查询将返回来自第二个搜索的行
相关参数【MySQL 全文索引实现一个简单版搜索引擎】配置相关参数
innodb_ft_min_token_size默认3 ， 表示最小3个字符作为一个关键词 ， 增大该值可减少全文索引的大小
innodb_ft_max_token_size默认84 ， 表示最大84个字符作为一个关键词 ， 限制该值可减少全文索引的大小
ngram_token_size默认2 ， 表示2个字符作为内置分词解析器的一个关键词 ， 如对“abcd”建立全文索引 ， 关键词为'ab' ， 'bc' ， 'cd'
当使用ngram分词解析器时 ， innodb_ft_min_token_size和innodb_ft_max_token_size 无效
注意 这三个参数均不可动态修改 ， 修改了这些参数 ， 需重启MySQL服务 ， 并重新建立全文索引
测试innodb引擎使用全文索引准备1、目标
  • 查询文章中是否含有某个关键词；一系列文章出现某个关键词的次数
  • 查询文章的标题是否含有某个关键词
2、设置以下参数减少磁盘IO压力
SET GLOBAL sync_binlog=100;SET GLOBAL innodb_flush_log_at_trx_commit=2;3、导入1kw 数据进行测试全文索引
该数据来源网上搜索

https://pan.baidu.com/s/1aaB1R3bkBGZRMEx0o6T61w 提取码：60l7
4、某个文章表 的结构
MySQL 全文索引实现一个简单版搜索引擎

文章插图
 
使用myloader 多线程导入测试数据
-- 先把测试数据进行解压tar -zxf mydumper_dump_article.tar.gztime myloader -u $user -p $passwd -S $socket -t 32 -d /datas/dump_article -v 35、导入数据后总数据量和数据文件、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 |+------------+-------------+--------------+------------+----------------+------------+---------------------+


推荐阅读


上一篇：花草茶的成分功效,什么是花草茶

下一篇：荷叶茶喝了会越喝越胖吗,孕妇可以喝菊花茶吗