mysql全文索引

原文

mysql 全文索引

概念

通过数值比较、范围过滤等就可以完成绝大多数我们需要的查询，但是，如果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。全文索引就是为这种场景设计的。

你可能会说，用like + %就可以实现模糊匹配了，为什么还要全文索引？like + % 在文本比较少时是合适的，但是对于大量的文本数据检索，是不可想象的。全文索引在大量的数据面前，能比 like + % 快 N 倍，速度不是一个数量级，但是全文索引可能存在精度问题。

你可能没有注意过全文索引，不过至少应该对一种全文索引技术比较熟悉：各种的搜索引擎。虽然搜索引擎的索引对象是超大量的数据，并且通常其背后都不是关系型数据库，不过全文索引的基本原理是一样的。

版本支持

开始之前，先说一下全文索引的版本、存储引擎、数据类型的支持情况

MySQL 5.6 以前的版本，只有 MyISAM 存储引擎支持全文索引；
MySQL 5.6 及以后的版本，MyISAM 和 InnoDB 存储引擎均支持全文索引;
只有字段的数据类型为 char、varchar、text 及其系列才可以建全文索引。
测试或使用全文索引时，要先看一下自己的 MySQL 版本、存储引擎和数据类型是否支持全文索引。

mysql官方文档version：5.7

1.创建全文索引(FullText index)

​ 旧版的MySQL的全文索引只能用在MyISAM表格的char、varchar和text的字段上。

​ 不过新版的MySQL5.6.24上InnoDB引擎也加入了全文索引，所以具体信息要随时关注官网，

1.1. 创建表的同时创建全文索引

       CREATE TABLE article ( 
         id INT AUTO_INCREMENT NOT NULL PRIMARY KEY, 
         title VARCHAR(200), 
         body TEXT, 
         FULLTEXT(title, body)  --创建联合全文索引列
       ) TYPE=MYISAM; 

1.2.通过 alter table 的方式来添加

ALTER TABLE `student` ADD FULLTEXT INDEX ft_stu_name  (`name`) ;---ft_stu_name是索引名，可以随便起

---或者：

ALTER TABLE `student` ADD FULLTEXT ft_stu_name  (`name`);

1.3. 直接通过create index的方式

CREATE FULLTEXT INDEX ft_email_name ON `student` (`name`);

---也可以在创建索引的时候指定索引的长度：

CREATE FULLTEXT INDEX ft_email_name ON `student` (`name`(20));

2. 删除全文索引

2.1. 直接使用 drop index(注意：没有 drop fulltext index 这种用法)

DROP INDEX full_idx_name ON tommy.girl ;

2.2. 使用 alter table的方式

ALTER TABLE tommy.girl DROP INDEX ft_email_abcd;

3.使用全文索引

跟普通索引稍有不同

使用全文索引的格式：

MATCH (columnName) AGAINST ('string')

eg:

SELECT * FROM `student` WHERE MATCH(`name`) AGAINST('聪');

​当查询多列数据时：

​ 建议在此多列数据上创建一个联合的全文索引，否则使用不了索引的。

SELECT * FROM `student` WHERE MATCH(`name`,`address`) AGAINST('聪 广东');

3.1. 使用全文索引需要注意的是：(基本单位是词)

​ 分词，全文索引以词为基础的，MySQL默认的分词是所有非字母和数字的特殊符号都是分词符(外国人嘛)

​ 这里推荐一篇文章：利用mysql的全文索引实现模糊查询

​ 3.2. MySQL中与全文索引相关的几个变量：

​ 使用命令：mysql> SHOW VARIABLES LIKE 'ft%'; #ft就是FullText的简写

​ ft_boolean_syntax + -><()~*:""&| #改变IN BOOLEAN MODE的查询字符，不用重新启动MySQL也不用重建索引
​ ft_min_word_len 4 #最短的索引字符串，默认值为4，(通常改为1)修改后必须重建索引文件

​ 重新建立索引命令：repair table tablename quick

​ ft_max_word_len 84 #最长的索引字符串，默认值为84，修改后必须重建索引文件

​ ft_query_expansion_limit 20 #查询括展时取最相关的几个值用作二次查询

​ ft_stopword_file (built-in) #全文索引的过滤词文件，

具体可以参考：MySQL全文检索中不进行全文索引默认过滤词

---

​ 特别注意：50%的门坎限制(当查询结果很多，几乎所有记录都有，或者极少的数据，都有可能会返回非所期望的结果)

​ -->可用IN BOOLEAN MODE即可以避开50%的限制。

​ 此时使用全文索引的格式就变成了： SELECT * FROM student WHERE MATCH(name) AGAINST('聪' IN BOOLEAN MODE)

​ 更多内容请参考：MySQL中的全文检索(1)

和常用的模糊匹配使用 like + % 不同，全文索引有自己的语法格式，使用 match 和 against 关键字，比如

select * from fulltext_test
    where match(content,tag) against('xxx xxx');

注意： match() 函数中指定的列必须和全文索引中指定的列完全相同，否则就会报错，无法使用全文索引，这是因为全文索引不会记录关键字来自哪一列。如果想要对某一列使用全文索引，请单独为该列创建全文索引。

4. ft_boolean_syntax (+ -><()~*:""&|)使用的例子：

4.1 + : 用在词的前面，表示一定要包含该词，并且必须在开始位置。

eg: +Apple 匹配：Apple123,   "tommy, Apple"

4.2 - : 不包含该词，所以不能只用「-yoursql」这样是查不到任何row的，必须搭配其他语法使用。

eg: MATCH (girl_name) AGAINST ('-林志玲 +张筱雨')
---匹配到： 所有不包含林志玲，但包含张筱雨的记录 

4.3. 空(也就是默认情况)，表示可选的，包含该词的顺序较高。

 例子：

`         apple banana      `找至少包含上面词中的一个的记录行

`         +apple +juice`        两个词均在被包含

`         +apple macintosh   `包含词 “apple”，但是如果同时包含 “macintosh”，它的排列将更高一些

`         +apple -macintosh  `包含 “apple” 但不包含 “macintosh”

4.4. > :提高该字的相关性，查询的结果会排在比较靠前的位置。

4.5.< :降低相关性，查询的结果会排在比较靠后的位置。

​ 例子：4.5.1.先不使用 ><

select * from tommy.girl where match(girl_name) against('张欣婷' in boolean mode);

​ 可以看到完全匹配的排的比较靠前

​ 4.5.2. 单独使用 >

select * from tommy.girl where match(girl_name) against('张欣婷 >李秀琴' in boolean mode);

​ 使用了>的李秀琴马上就排到最前面了

​ 4.5.3. 单独使用 <

select * from tommy.girl where match(girl_name) against('张欣婷 <不是人' in boolean mode);

​ 看到没，不是人也排到最前面了，这里使用的可是 < 哦，说好的降低相关性呢，往下看吧。

​ 4.5.4.同时使用><

select * from tommy.girl where match(girl_name) against('张欣婷 >李秀琴 <练习册 <不是人>是个鬼' in boolean mode);

​ 到这里终于有答案了，只要使用了 ><的都会往前排，而且>的总是排在<的前面

小结一下：

1. 只要使用 ><的总比没用的 靠前；

2. 使用 >的一定比 <的排的靠前 (这就符合相关性提高和降低)；

3. 使用同一类的，使用的越早，排的越前。

4.6. ( )：可以通过括号来使用字条件。

 eg: +aaa +(>bbb <ccc) // 找到有aaa和bbb和ccc，aaa和bbb，或者aaa和ccc(因为bbb，ccc前面没有+，所以表示可有可无)，

然后 aaa&bbb > aaa&bbb&ccc > aaa&ccc

4.7. ~ :将其相关性由正转负，表示拥有该字会降低相关性，但不像「-」将之排除，只是排在较后面

 eg:  +apple ~macintosh  先匹配apple，但如果同时包含macintosh，就排名会靠后。

4.8. * :通配符，这个只能接在字符串后面

 MATCH (girl_name) AGAINST ('+*ABC*')  #错误，不能放前面

 MATCH (girl_name) AGAINST ('+张筱雨*')  #正确

4.9. " " :整体匹配，用双引号将一段句子包起来表示要完全相符，不可拆字。

 eg:  "tommy huang" 可以匹配  tommy huang xxxxx  但是不能匹配 tommy is huang。

5.补充：Windows下无法修改 ft_min_word_len的情况

5. 1. 使用cmd打开 services.msc

​ 找到你的 MySQL服务，右键Properties,找到你的my.ini所在的路径

​

5.2. 停止MySQL,在my.ini中增加 ft_min_word_len = 1,重启MySQL

​ 然后使用命令 show variables like 'ft_min_word_len'; 查看是否生效了

参考：
链接1
链接2