产品级搜索技术-全文本索引

介绍

大部分技术员在处理搜索问题的时候，往往直接依赖数据库的查询功能，通过普通 SQL 语句的数值比较, 范围的过滤等就可以完成绝大多数我们需要的查询了, 但是如果你希望通过关键字的匹配来进行查询过滤, 那么就需要基于相似度的查询, 而不是原来的精确数值比较, 那么这种查询我们第一个想到的肯定是 LIKE 的 SQL 语句, 但是LIKE模糊查询它的工作原理是全表扫描, 如果数据量非常大, 那么会造成非常严重的卡顿, 也可能出现整个项目崩掉, 而全文索引的设计就是避免这种情况的发生

全文搜索分类 1. 自然语言搜索(默认类型)：MySQL 会把搜索的字符串解析成一系列的单词，然后去搜索包含的行； 
2. 布尔模式搜索：可以为搜索的字符串里加修饰词，或者必须是什么短语，安顺序搜索等 
3. 查询扩展搜索：这种搜索分为两个阶段。第一阶段，是自然语言搜素。第二阶段，则先把原来的搜索字符串，与第一阶段的搜索里高度匹配的那些行，连接到一起。

全文搜索的特性 1. 全文搜索基于 FullText 索引。在 FullText 索引, 里只能出现在 CHAR VARCHAR TEXT 这几种类型里 
2. 全文搜索会 忽略那些常见词：常见词，指的是至少一半的行里都出现过，超过 50% 的词，都为常见词； 
3. 有些为内建的常用单词：也叫停用词，比如：the after other 
4. 比较短的单词也会被停用

所谓的中文全文索引，就是用一本字典，把一段中文字，拆分为一个个的词语，这样来符合 FullText 的单词定义。然后完全可以把中文看作成英文，进行全文本索引！

建表语句

1. 创建表,不一定要主键索引

create table apothegm(  
     attribution varchar(40),
     phrase  text
) engine = myisan;

1. 增加全文索引

alert table apothegm  
    add fulltext (phrase),
    add fulltext (attribution),
    add fulltext (phrase,attribution);
个人理解：
    1. 索引分为，单列索引和复合索引。
    2. 每次在进行搜索的时候，必须要有一个 FullText 索引，而它正好是由查询命令里列出的那些字段组成。
    3. 索引越多，写入数据越慢，但是索引的方式也就越多，越加便捷。

自然语言索引

1. 基本 SQL 语句

//应用其第一个 FullText 索引
select * from apothegm where match(phrase) againts('time');  
//应用其第三个 FullText 索引
select * from apothegm where match(phrase,attribution) againts('time');  

1. 输出相关程度 : 自然语言类型的全文搜索。其输出是按照相关程度递减顺序排列，相关度是一个非负数的浮点数，其中 0代表毫不相关

select phrase,match(phrase) against('time') as relavance from apothegm

PS:把匹配的结构，当作一个独立字段，其中 relavance 为相关程度的意思  

1. 多个词一起查询，比如查询 hard 或者 soft

select * from apothegm where match(phrase) againts('hard soft');  

布尔模式的全文索引

特点 1. 50％ 一样的规则：不生效了 
2. 查询结果不再按照 相关程度排序 
3. 也可以对非 FullText 索引列进行搜索，只是速度相比，有 FullText 的速度要慢

使用的方式

1. 基本方式：要在 MATCH 后面加IN BOOLEAN MODE，（不加说明，默认使用自然排序IN NATURAL LANGUAGE MODE）

select * from apothegm where match(phrase) againts('hard' in boolean mode);  

1. 按单词出现顺序检索，把对应单词用双引号引起来；

select * from apothegm where match(phrase) againts('“bell book and candle”' in boolean mode);  

1. 可以搜索必须出现，必须不出现，分别用 + 和 －标示：

select * from apothegm where match(phrase) againts('＋bell  －candle' in boolean mode);  

1. 可以用＊作为通配符, 标示以什么开头的。但是还是必须遵守，单词不能过短的约定。

配置全文搜索引擎

全文索引的参数是可以配置的，可以通过系统变量的办法进行修改。

1. 变量 ft_min_word_len 和 ft_max_word_len 来设置单词所具有的最小长度，和最大长度。默认最小值与最大值分别为 4 和 84
2. 在 my.conf 的 mysqld 下添加 下面语句，然后重启。

 ft_min_word_len = 1

1. 如果是已经建立 FullText 索引表，必须重新建立这些索引关系，但也是可以快速修复。

 repair table tbl_name quick; 

1. 如果是在此之后新建的 FullText 索引，都可以更新使用这个值。

参考

原文出处