Mysql全文索引

簡介
　　1).MySQL中的全文索引是FultLeXT類型的索引。
　　2).全文索引只能用於InnoDB或MyISAM表，只能爲CHAR、VARCHAR、TEXT列建立。
　　3).在MySQL 5.7.6中，MySQL提供了支持中文、日文和韓文（CJK）的內置全文ngram解析器，以及用於日文的可安裝MeCab全文解析器插件
　　4).當建立表時，能夠在CREATE TABLE語句中給出FULLTEXT索引定義，或者稍後使用ALTER TABLE或CREATE INDEX添加該定義。
　　5).對於大型數據集，將數據加載到沒有FULLTEXT索引的表中而後建立索引要比將數據加載到具備現有FULLTEXT索引的表中快得多。

全文索引的三種類型

1. 天然語言搜索將搜索字符串解釋爲天然語言中短語。
2. 布爾全文搜索
3. 查詢擴展搜索

配置
　　my.ini配置文件中添加
　　# MySQL全文索引查詢關鍵詞最小長度限制
　　[mysqld]
　　ft_min_word_len = 1
　　保存後重啓MYSQL，執行SQL語句

數據結構： 倒排索引

 

例子：

-- 建立索引 
CREATE TABLE test(
title VARCHAR(40),
FULLTEXT(title)
);
-- 插入數據
INSERT INTO test
VALUES('Some like it hot, Some like it cold'),
('Some like it in the pot'),
('Nine days old'),
('Pease porridge in the pot'),
('Pease porridage hot, pease porridge cold'),
('Nine days old');

而後查看一下information_schema下的INNODB_FT_INDEX_TABLE表.若是不容許訪問

 

就設置一下：SET GLOBAL innodb_ft_aux_table = 'test/test';

而後再查看一下INNODB_FT_INDEX_TABLE或者INNODB_FT_INDEX_CACHE表

 

會出現相似的記錄，代表已經創建了映射關係

Innodb採用的是full inverted index的存儲方式。這種方式會佔用更多的空間，由於它不只會存儲單詞和單詞所在文檔的ID，還會存儲單詞所在文檔的ID中具體的位置。能夠用一個簡單的表格來解釋

　　相對的，還有一種存儲方式：inverted file index，只存儲單詞及對應的單詞所在文檔。這種理節省空間，可是查找時，只能根據關鍵字獲得相應文檔，現進行查找

分詞
　　經過上面的例子，咱們發現，innodb會把單詞拆分進行存儲，查找時，根據單詞匹配(默認是英文符號)

　　可是有一些詞，咱們多是不能索引查詢的，好比'to',這稱之爲stopword;

-- 默認中止詞
　　SELECT * FROM information_schema.INNODB_FT_DEFAULT_STOPWORD;

或者word的字符長度不在innodb_ft_min_token_size到innodb_ft_max_token_size。默認是3-84個字符區間

INSERT INTO test VALUES
-- 90字符
('123456789012345678901234567890123456789012345678901234567890123456789012345678901234567890'),
-- 80字符
('12345678901234567890123456789012345678901234567890123456789012345678901234567890');

插入一個80，90的字符長度，會如今只有80的字符被分詞了：INNODB_FT_INDEX_CACHE表可查，

同理，也只有80的字符記錄被索引

SELECT * FROM test
WHERE MATCH(title) AGAINST('12345678901234567890123456789012345678901234567890123456789012345678901234567890');

固然，也能夠定製stopword，能夠參考mysql stopwords

相關性
　　若是一個查詢，匹配到多條記錄，是怎麼返回呢？根據相關性

-- 查詢相關性
SELECT title, MATCH(title) AGAINST('like') AS relevance FROM test

發現只有前面2條記錄的相關性>0，推斷查詢結果就是取相關性>0的記錄，其實也正是如此。那相關性是怎麼計算呢

　　(1) word(查詢關鍵字)是否在文檔中出現 
　　(2) word在文檔中出現的次數
　　(3) word在索引列中的數量
　　(4) 多少個文檔包含該word
因此Some like it hot, Some like it cold，出現了2次like，相關性高

Some like it in who pot出現了1次，相關性低

而其它記錄沒有相關性

檢索模式
　Natural Language
　　上面的例子咱們是用的默認的檢索模式，Natural Language模式！表示查詢帶有指定word的文檔。下面2種方式是等價的

SELECT * FROM test WHERE MATCH(title) AGAINST('what' in NATURAL LANGUAGE MODE);
SELECT * FROM test WHERE MATCH(title) AGAINST('what');

　Boolean
　　當使用這種模式時，表示字符串先後的字符有特殊含義。好比要查找有Pease單詞的記錄

SELECT * FROM test WHERE MATCH(title) AGAINST('+Pease' in BOOLEAN MODE);

假設，咱們須要查找有Pease，可是沒有hot的記錄呢？用+,-符號，分別表示必定存在，或者必定不存在

SELECT * FROM test WHERE MATCH(title) AGAINST('+Pease -hot' in BOOLEAN MODE);

 

 出處：https://blog.csdn.net/weigeshikebi/article/details/80342726