前言
其实全文检索在MySQL里面很早就支持了，只不过一直以来只支持英文。缘由是他从来都使用空格来作为分词的分隔符，而对于中文来讲，显然用空格就不合适，需要针对中文语义进行分词。这不，从MySQL 5.7开始，MySQL内置了ngram全文检索插件，用来支持中文分词，并且对MyISAM和InnoDB引擎有效。
在使用中文检索分词插件ngram之前，先得在MySQL配置文件里面设置他的分词大小，比如，
|
1
2
|
[mysqld]
ngram_token_size=2
|
这里把分词大小设置为2。要记住，分词的SIZE越大，索引的体积就越大，所以要根据自身情况来设置合适的大小。
示例表结构：
|
1
2
3
4
5
6
|
CREATE
TABLE
articles (
id INTUNSIGNED AUTO_INCREMENT
NOT
NULL
PRIMARY
KEY
,
titleVARCHAR(200),
body TEXT,
FULLTEXT (title,body)
WITH
PARSER ngram
) ENGINE=InnoDBCHARACTER
SET
utf8mb4;
|
示例数据，有6行记录。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
|
mysql>
select
*
from
articles\G
***************************1. row ***************************
id: 1
title: 数据库管理
body: 在本教程中我将向你展示如何管理数据库
***************************2. row ***************************
id: 2
title: 数据库应用开发
body: 学习开发数据库应用程序
***************************3. row ***************************
id: 3
title: MySQL完全手册
body: 学习MySQL的一切
***************************4. row ***************************
id: 4
title: 数据库与事务处理
body: 系统的学习数据库的事务概论
***************************5. row ***************************
id: 5
title: NoSQL精髓
body: 学习了解各种非结构化数据库
***************************6. row ***************************
id: 6
title: SQL 语言详解
body: 详细了解如果使用各种SQL
6
rows
inset (0.00 sec)
|
显式指定全文检索表源
|
1
2
|
mysql> SETGLOBAL innodb_ft_aux_table=
"new_feature/articles"
;
Query OK, 0
rows
affected (0.00 sec)
|
通过系统表，就可以查看到底是怎么划分articles里的数据。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
mysql>
SELECT
*
FROM
information_schema.INNODB_FT_INDEX_CACHE LIMIT 20,10;
+
------+--------------+-------------+-----------+--------+----------+
| WORD | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID| POSITION |
+
------+--------------+-------------+-----------+--------+----------+
| 中我 | 2 | 2 | 1 | 2 | 28 |
| 习m | 4 | 4 | 1 | 4 | 21 |
| 习了 | 6 | 6 | 1 | 6 | 16 |
| 习开 | 3 | 3 | 1 | 3 | 25 |
| 习数 | 5 | 5 | 1 | 5 | 37 |
| 了解 | 6 | 7 | 2 | 6 | 19 |
| 了解 | 6 | 7 | 2 | 7 | 23 |
| 事务 | 5 | 5 | 1 | 5 | 12 |
| 事务 | 5 | 5 | 1 | 5 | 40 |
| 何管 | 2 | 2 | 1 | 2 | 52 |
+
------+--------------+-------------+-----------+--------+----------+
10
rows
in
set
(0.00 sec)
|
这里可以看到，把分词长度设置为2，所有的数据都只有两个一组。上面数据还包含了行的位置，ID等等信息。
接下来，我来进行一系列检索示范，使用方法和原来英文检索一致。
一、自然语言模式下检索：
1、得到符合条件的个数，
|
1
2
3
4
5
6
7
8
|
mysql>
SELECT
COUNT
(*)
FROM
articles
->
WHERE
MATCH (title,body) AGAINST (
'数据库'
IN
NATURALLANGUAGE MODE);
+
----------+
|
COUNT
(*) |
+
----------+
| 4 |
+
----------+
1 row
in
set
(0.05 sec)
|
2、得到匹配的比率，
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
mysql>
SELECT
id, MATCH (title,body) AGAINST (
'数据库'
IN
NATURAL LANGUAGE MODE)
AS
score
FROM
articles;
+
----+----------------------+
| id| score |
+
----+----------------------+
| 1 | 0.12403252720832825 |
| 2 | 0.12403252720832825 |
| 3 | 0 |
| 4 | 0.12403252720832825 |
| 5 | 0.062016263604164124|
| 6 | 0 |
+
----+----------------------+
6rows
in
set
(0.00 sec)
|
二、布尔模式下搜索，这个就相对于自然模式搜索来的复杂些：
1、匹配既有管理又有数据库的记录，
|
1
2
3
4
5
6
7
8
|
mysql>
SELECT
*
FROM
articles
WHERE
MATCH (title,body)
-> AGAINST (
'+数据库 +管理'
IN
BOOLEAN MODE);
+
----+------------+--------------------------------------+
| id| title | body |
+
----+------------+--------------------------------------+
| 1 | 数据库管理 | 在本教程中我将向你展示如何管理数据库 |
+
----+------------+--------------------------------------+
1 rowin
set
(0.00 sec)
|
2、匹配有数据库，但是没有管理的记录，
|
1
2
3
4
5
6
7
8
9
10
|
mysql>
SELECT
*
FROM
articles
WHERE
MATCH (title,body)
-> AGAINST (
'+数据库 -管理'
IN
BOOLEAN MODE);
+
----+------------------+----------------------------+
| id| title | body |
+
----+------------------+----------------------------+
| 2 | 数据库应用开发 | 学习开发数据库应用程序 |
| 4 | 数据库与事务处理 | 系统的学习数据库的事务概论 |
| 5 | NoSQL 精髓 | 学习了解各种非结构化数据库 |
+
----+------------------+----------------------------+
3
rows
in
set
(0.00 sec)
|
3、匹配MySQL，但是把数据库的相关性降低，
|
1
2
3
4
5
6
7
8
|
mysql>
SELECT
*
FROM
articles
WHERE
MATCH (title,body)
-> AGAINST (
'>数据库 +MySQL'
INBOOLEAN MODE);
+
----+---------------+-----------------+
| id| title | body |
+
----+---------------+-----------------+
| 3 | MySQL完全手册 |学习MySQL的一切 |
+
----+---------------+-----------------+
1 rowin
set
(0.00 sec)
|
三、查询扩展模式，比如要搜索数据库，那么MySQL，oracle，DB2也都将会被搜索到，
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
mysql>
SELECT
*
FROM
articles
->
WHERE
MATCH (title,body)
-> AGAINST (
'数据库'
WITH
QUERY EXPANSION);
+
----+------------------+--------------------------------------+
| id| title | body |
+
----+------------------+--------------------------------------+
| 1 | 数据库管理 | 在本教程中我将向你展示如何管理数据库 |
| 4 | 数据库与事务处理 | 系统的学习数据库的事务概论 |
| 2 | 数据库应用开发 | 学习开发数据库应用程序 |
| 5 | NoSQL 精髓 | 学习了解各种非结构化数据库 |
| 6 | SQL 语言详解 | 详细了解如果使用各种SQL |
| 3 | MySQL完全手册 | 学习MySQL的一切 |
+
----+------------------+--------------------------------------+
6
rows
in
set
(0.01 sec)
|
当然，我这里只是功能演示，更多的性能测试，大家有兴趣可以进行详细测试。由于N-grm是中文检索常用的分词算法，已经在互联网大量使用，这次集成到MySQL中，想必效果上不会有太大的问题。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流。
原文链接：http://www.actionsky.com/docs/archives/163