1. So Easy | 一文搞定MySQL8.0全文索引FULLTEXT

1.1. 示例配置

全文索引在引用前需要新设定下变量,均在my.ini文件中设定,在 [mysqld]的下面追加

需要将搜索短语长度设定合适
// MyISAM
ft_min_word_len = 4; 默认值
ft_max_word_len = 84; 默认值

// InnoDB
innodb_ft_min_token_size = 3; 默认值
innodb_ft_max_token_size = 84; 默认值

//ngram解析器令牌长度----即aiginst()中字符串切分的最小字符长度
ngram_token_size = 2~10 ; 默认值为2

一般设定:(以下例子均是假定设置如下)
在 [mysqld]的下面追加:
ft_min_word_len = 4
innodb_ft_min_token_size = 3
ngram_token_size = 2

设定好后需要关闭mysql服务,再重启mysql服务。在全文查询前,需要先将全文索引删除(如果有),再重新建。

我Windows 10电脑配置如下:

1.2. 创建全文索引

建议建表后新建 ALTER TABLE <表名> add FULLTEXT INDEX <索引名>(字段名1,字段2,,) [ WITH PARSER ngram];


MATCH (col1,col2,...) AGAINST (expr [search_modifier])

search_modifier:

{ IN NATURAL LANGUAGE MODE

| IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION

| IN BOOLEAN MODE

| WITH QUERY EXPANSION

}

1.3. 全文索引查询

SELECT <字段表> FROM <表名> WHERE MATCH(字段) AGAINST (‘要搜索的关键词’ 搜索模式); 三种全文搜索模式:

1.3.1. 自然语言模式,默认,一般省略不写

自然语言搜索将搜索字符串解释为自然人类语言(自由文本中的短语)中的短语。没有特殊运算符,但双引号(“)字符除外。禁用词列表适用。(禁用词、可参考:https://dev.mysql.com/doc/refman/8.0/en/fulltext-stopwords.html#fulltext-stopwords-stopwords-for-myisam-search-indexes)

IN NATURAL LANGUAGE MODE, 例子1: SELECT foldID,foldName FROM fold WHERE MATCH(foldName) AGAINST (‘张三’ ); 查找包含张,或三,或张三的记录,与‘+张三’ ,张三”,+张三” 结果相同

1.3.2. 布尔搜索模式

布尔搜索使用特殊查询语言的规则来解释搜索字符串。该字符串包含要搜索的单词。它还可以包含指定要求的运算符,以便在匹配的行中必须存在或不存在单词,或者它应该比通常更高或更低的权重。搜索索引中省略了某些常用词(停用词), 如果搜索字符串中存在,则不匹配。该IN BOOLEAN MODE修饰符指定一个布尔搜索。有关更多信息,可参考:https://dev.mysql.com/doc/refman/8.0/en/fulltext-boolean.html

IN NATURAL LANGUAGE MODE 《+》----------必须包含此字符串 《-》----------必须不包含此字符串 《“ ”》--------双引号内作为整体不能拆词 《*》---------通配符,匹配任意字符 例子1: SELECT foldID,foldName FROM fold WHERE MATCH(foldName) AGAINST (‘张三’ IN BOOLEAN MODE); 查找含有张三的记录,与‘+张三’,的结果都相同 例子2: SELECT foldID,foldName FROM fold WHERE MATCH(foldName) AGAINST (’“张三”’ IN BOOLEAN MODE); 查找包含张三的记录,“张三”作为整体,与+”张三”结果相同,与上面例一的结果也相同。 例子3: SELECT foldID,foldName FROM fold WHERE MATCH(foldName) AGAINST (’+“美女” & +“动人”’ IN BOOLEAN MODE); 查询有‘美女’的又有‘动人’的记录,“美女"与"动人” 例子4: SELECT foldID,foldName FROM fold WHERE MATCH(foldName) AGAINST (’“美女” & “动人”’ IN BOOLEAN MODE); 查询有‘美女’的或有‘动人’的记录,“美女"或"动人”

1.3.3. 查询扩展搜索,使用较少bufen

查询扩展搜索是自然语言搜索的修改。搜索字符串用于执行自然语言搜索。然后将搜索返回的最相关行中的单词添加到搜索字符串中,然后再次进行搜索。查询返回第二次搜索中的行。该IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION或WITH QUERY EXPANSION修改指定查询扩展搜索。有关更多信息,可参考:https://dev.mysql.com/doc/refman/8.0/en/fulltext-query-expansion.html

搜索字符串用于执行自然语言搜索,然后,搜索返回的最相关行的单词被添加到搜索字符串,并且再次进行搜索,查询将返回来自第二个搜索的行。

1.3.4. 总结

a) 对于布尔模式,默认采用整体方式。 b) 对于自然模式,默认不采用整体方式。

1.4. 操作实例

1.4.1. 表结构

CREATE TABLE `platform_goods` (
  `goods_id` INT UNSIGNED NOT NULL AUTO_INCREMENT,
  `category_id` INT UNSIGNED DEFAULT '0',
  `goods_sn` VARCHAR(60) DEFAULT '',
  `goods_name` VARCHAR(120) NOT NULL DEFAULT '',
  `goods_type` TINYINT DEFAULT '1' COMMENT '商品类型:1-普通商品;2-虚拟商品',
  `brand_id` INT UNSIGNED DEFAULT '0',
  `goods_inventory` INT UNSIGNED DEFAULT '0',
  `quantity_of_sale` INT DEFAULT '278',
  `keywords` VARCHAR(255) DEFAULT '',
  `goods_tags` VARCHAR(255) DEFAULT NULL,
  `goods_brief` VARCHAR(255) DEFAULT '',
  `goods_desc` TEXT,
  `is_on_sale` TINYINT UNSIGNED DEFAULT '1',
  `is_common` TINYINT DEFAULT NULL,
  `common_sort` INT DEFAULT NULL,
  `goods_unit` VARCHAR(45) DEFAULT NULL COMMENT '商品单位',
  `primary_pic_url` VARCHAR(255) DEFAULT NULL COMMENT '商品主图',
  `list_pic_url` VARCHAR(255) DEFAULT NULL COMMENT '商品列表图',
  `retail_price` DECIMAL(10,2) UNSIGNED DEFAULT '0.00' COMMENT '零售价格',
  `primary_product_id` INT UNSIGNED DEFAULT '0' COMMENT '主sku product_id',
  `unit_price` DECIMAL(10,2) UNSIGNED DEFAULT '0.00' COMMENT '单位价格,单价',
  `promotion_desc` VARCHAR(255) DEFAULT NULL,
  `promotion_tags` VARCHAR(45) DEFAULT NULL,
  `app_exclusive_price` DECIMAL(10,2) UNSIGNED DEFAULT NULL COMMENT 'APP专享价',
  `is_app_exclusive` TINYINT UNSIGNED DEFAULT NULL COMMENT '是否是APP专属',
  `is_limited` TINYINT UNSIGNED DEFAULT NULL,
  `market_price` DECIMAL(10,2) DEFAULT '0.00',
  `share_title` VARCHAR(100) DEFAULT NULL COMMENT '分享标题',
  `share_content` VARCHAR(255) DEFAULT NULL COMMENT '分享内容',
  `is_hot` TINYINT UNSIGNED DEFAULT '0',
  `hot_order_sort` INT DEFAULT NULL COMMENT '热销排序',
  `is_new` TINYINT UNSIGNED DEFAULT '0',
  `new_order_sort` INT DEFAULT NULL COMMENT '新品排序',
  `is_import` TINYINT DEFAULT '0',
  `import_sort` INT DEFAULT NULL,
  `is_group` TINYINT DEFAULT '0' COMMENT '是否参与团购:0-不参与,1参与',
  `is_bargain` TINYINT DEFAULT '0',
  `is_distribution` TINYINT DEFAULT '0',
  `is_allow_points` TINYINT DEFAULT '0',
  `is_free_freight` TINYINT DEFAULT '0',
  `sort_order` SMALLINT UNSIGNED DEFAULT '100',
  `magic_type` CHAR(2) DEFAULT NULL COMMENT '返类型',
  `magic_name` VARCHAR(55) DEFAULT '' COMMENT '返描述',
  `is_delete` TINYINT UNSIGNED DEFAULT '0' COMMENT '是否逻辑删除:0-未删除;1-删除',
  `create_user_id` BIGINT DEFAULT NULL COMMENT '创建人ID',
  `update_user_id` BIGINT DEFAULT NULL COMMENT '修改人ID',
  `create_time` TIMESTAMP NULL DEFAULT CURRENT_TIMESTAMP,
  `modify_time` TIMESTAMP NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`goods_id`),
  KEY `goods_sn` (`goods_sn`),
  KEY `cat_id` (`category_id`),
  KEY `brand_id` (`brand_id`),
  KEY `goods_number` (`goods_inventory`),
  KEY `sort_order` (`sort_order`)
) ENGINE=INNODB AUTO_INCREMENT=1622 DEFAULT CHARSET=utf8

1.4.2. 导入数据

查看数据

SELECT
  `goods_sn`,
  `goods_name`,
  `keywords`,
  `goods_tags`,
  `goods_brief`,
  `share_title`,
  `share_content`
FROM
  `platform_goods`

查看数据结果

1.4.3. 导入数据后创建全文索引

ALTER TABLE platform_goods
  ADD FULLTEXT INDEX fulltext_goods (
    goods_sn, -- 商品编号
    goods_name, -- 商品名称
    keywords, -- 商品关键词
    goods_tags, -- 商品标签
    goods_brief, -- 商品简介
    share_title, -- 分享标题
    share_content -- 分享内容
  );

1.4.4. 建全文索引后执行查询

SELECT
  *
FROM
  `platform_goods`
WHERE MATCH (
    `goods_sn`,
    `goods_name`,
    `keywords`,
    `goods_tags`,
    `goods_brief`,
    `share_title`,
    `share_content`
  ) AGAINST ('手表');

点击查询后并没有展现期望的结果,一条数据都没有。

差不出数据的原因

1、MySQL中的全文索引是FULLTEXT类型的索引。

2、Mysql 5.6之前版本,只有myisam支持全文索引,5.6之后,Innodb和myisam均支持全文索引,并且只能为CHAR、VARCHAR或text列创建。

3、MySQL提供了一个支持中文、日文和韩文(CJK)的内置全文ngram解析器,以及一个可安装的MeCab日文全文解析器插件。

4、创建表时,可以在CREATE TABLE语句中给出全文索引定义,或者稍后使用ALTER TABLE或CREATE INDEX添加。

5、对于大型数据集,将数据加载到没有FULLTEXT索引的表中,然后在此之后创建索引要比将数据加载到具有现有FULLTEXT索引的表中快得多(当大量写入数据时,建议先写入数据,后再建立全文索引,提高效率)。

6、英文分词用空格,逗号;中文分词用 ngram_token_size 设定,后面有讲解。

使用MATCH() ... AGAINST语法执行全文搜索 。 MATCH()以逗号分隔的列表要搜索的列。 AGAINST接受要搜索的字符串和可选修饰符,该修饰符指示要执行的搜索类型。搜索字符串必须是在查询评估期间恒定的字符串值。例如,这排除了表列,因为每行的表列可能不同。

1.4.5. 再次创建索引查询数据

ALTER TABLE platform_goods
  ADD FULLTEXT INDEX fulltext_goods (
    goods_sn, -- 商品编号
    goods_name, -- 商品名称
    keywords, -- 商品关键词
    goods_tags, -- 商品标签
    goods_brief, -- 商品简介
    share_title, -- 分享标题
    share_content -- 分享内容
  ) WITH PARSER ngram;

1.4.6. 思考

既然需要使用ngram解析器,才能解析中文,那么我们字不使用ngram解析起的时候对数字,英文进行所否是否能找到呢?

查询英文单词

SELECT
  *
FROM
  `platform_goods`
WHERE MATCH (
    `goods_sn`,
    `goods_name`,
    `keywords`,
    `goods_tags`,
    `goods_brief`,
    `share_title`,
    `share_content`
  ) AGAINST ('good');
  • 展示结果

有个的商品名"SV10智能手表"含商品的型号,我想搜索"SV10",看看能搜索出来吗?

SELECT
  *
FROM
  `platform_goods`
WHERE MATCH (
    `goods_sn`,
    `goods_name`,
    `keywords`,
    `goods_tags`,
    `goods_brief`,
    `share_title`,
    `share_content`
  ) AGAINST ('SV10');
  • 结果并没有数据,但是如果我把商品名改为"SV10,智能手表"是可以搜索出来了;

搜索编号

SELECT
  *
FROM
  `platform_goods`
WHERE MATCH (
    `goods_sn`,
    `goods_name`,
    `keywords`,
    `goods_tags`,
    `goods_brief`,
    `share_title`,
    `share_content`
  ) AGAINST ('1000');
`
  • 结果是无数据,因为完整的编号是"1567063991000";
SELECT
  *
FROM
  `platform_goods`
WHERE MATCH (
    `goods_sn`,
    `goods_name`,
    `keywords`,
    `goods_tags`,
    `goods_brief`,
    `share_title`,
    `share_content`
  ) AGAINST ('1567063991000');
`
  • 搜索结果

测试结果分析

不加ngram解析器
  1. 搜中英文字段,是可以拆分出英文词的;
  2. 搜字母编号,完整的可以搜出来;
  3. 英文,字母,特殊产品型号如果与中文直接相连是无法分词的,需要用标点符号分割。

加上中文解析器

  1. 搜索编号时会根据设置的分词长度去匹配,直接自然语言搜索时不行的; 如下:
SELECT
  *
FROM
  `platform_goods`
WHERE MATCH (
    `goods_sn`,
    `goods_name`,
    `keywords`,
    `goods_tags`,
    `goods_brief`,
    `share_title`,
    `share_content`
  ) AGAINST ('91087');

结果如图:

如果想要匹配"1567063991087"的商品编号可以使用布尔搜索模式,如下:

SELECT * FROM platform_goods WHERE MATCH ( goods_sn, goods_name, keywords, goods_tags, goods_brief, share_title, share_content ) AGAINST ('91087' IN BOOLEAN MODE);

同理我想搜索"智能手表",如果不使用布尔搜索模式,会把产生"智能"、"手表"、"智能手表",三个分词,与期望结果相差较大;

1.5. 大总结

MySQL分析做的也不错,简单的分词查询是可以满足需求的,如果需要复杂,更智能的中文分词则需要借助中文分词器去完成,例如jcseg。

Copyright © 神都花已开 2021 all right reserved,powered by Gitbook修订时间: 2021-11-01 15:05:12

results matching ""

    No results matching ""