zoukankan      html  css  js  c++  java
  • MongoDB的全文索引

    Table of Contents

    背景

    如何使用

    准备工作:插入数据

    建立全局索引

    查询结果

    使用中存在哪些问题?

    英文存在停止词

    中文无法采用全文索引


    前面了解了多种索引方式,比如单键索引,多键索引,复合索引等,这些感觉都太空,咱今天学习一下实用的索引——全文索引。

    背景

    比如我们在慕课中搜索一个内容mongodb,他是在全局搜索,包括课程,猿问,手记等。如果这个时候我们通过常见的查询,要写多个模糊查询,并且性能很慢,比如有些课程的题目中并没有mongodb,但是课程的简介中有mongodb,也需要查询出来。这个对性能的要求就太高了,有可能查询出来的时间根本忍受不了,就要砸电脑啦。

    这个时候我们就可以使用MongoDB的全文索引功能。

    如何使用

    准备工作:插入数据

    我们先做好准备工作,往数据库里面插入四条数据,如下图

    建立全局索引

    下图的意思是在name字段上建立全局索引,注意index type为text,意思是建立全局索引。

    如果字段选择了$**,即表示全部字段。下面都是用了在name字段上加了全局索引。

    查询结果

    我们查询name为zhangsan的数据,如下图。

    我们查询name为zhangsan或lisi的数据,如下图,空格连接,即空格表示或关系。

    我们查询name为zhangsan,排除为lisi的数据,如下图,横杠表示非的关系。

    我们查询name为zhangsan且name为one的数据,如下图,转义字符表示引号,如果字符加了引号即表示且的关系。

    使用中存在哪些问题?

    英文存在停止词

    上面的查询虽然查询出来挺好的,但是下面我们将找找他的问题。

    比如现在数据库中的数据如下。

    我们要查询name包含is的数据,按道理来说,我们应该查出两条数据,可是执行结果如下。

    一条数据都没查出来,这是因为is为停止词,具体原因:(该段取自https://www.cnblogs.com/yako/p/6805717.html)。

    原来在英语里面会遇到很多a,the,or等使用频率很多的字或词,常为冠词、介词、副词或连词等。如果搜索引擎要将这些词都索引的话,那么几乎每个网站都会被索引,也就是说工作量巨大。可以毫不夸张的说句,只要是个英文网站都会用到a或者是the。那么这些英文的词跟我们中文有什么关系呢? 在中文网站里面其实也存在大量的stopword,我们称它为停止词。比如,我们前面这句话,“在”、“里面”、“也”、“的”、“它”、“为”这些词都是停止词。这些词因为使用频率过高,几乎每个网页上都存在,所以搜索引擎开发人员都将这一类词语全部忽略掉。如果我们的网站上存在大量这样的词语,那么相当于浪费了很多资源。

    中文无法采用全文索引

    最大的问题来了,这货居然不支持中文。啊啊啊,是不是要疯啦。准确的来说,支持中文的能力没有想象中强大。

    比如数据如下,

    我想查询名称中包含张的数据,结果是查询不出来。

    但我要查询名称中包含李的数据,结果却有。

    这说明MongoDB中文全文索引建立方式与英文几乎相同 是根据词(英文单词)的方式建立的。 
    如果一个值里面有多个值 则需要按空格方式隔开,”李 四” 系统则认为是两个词。 
    感觉MongodB的中文全文索引沒有想象中的强大。

  • 相关阅读:
    文件包含漏洞
    命令执行漏洞详解
    CSRF跨站请求伪造
    XSS跨站脚本攻击详解
    SQL盲注
    字符型注入、数字型注入、搜索型注入
    AWVS13扫描类型profile_id对照表
    Cobalt Strike 和 Metasploit Framework 联动
    msf常用命令
    上传嵌入式python环境进行渗透测试
  • 原文地址:https://www.cnblogs.com/chenchen0618/p/9994814.html
Copyright © 2011-2022 走看看