全文索引在 MySQL 中是一個(gè)FULLTEXT類(lèi)型索引。FULLTEXT索引用于MyISAM表，可以在CREATE TABLE時(shí)或之后使用ALTER TABLE或CREATE INDEX在CHAR、VARCHAR或TEXT列上創(chuàng)建。對(duì)于大的數(shù)據(jù)庫(kù)，將數(shù)據(jù)裝載到一個(gè)沒(méi)有FULLTEXT索引的表中，然后再使用ALTER TABLE(或CREATE INDEX) 創(chuàng)建索引，這將是非常快的。將數(shù)據(jù)裝載到一個(gè)已經(jīng)有FULLTEXT索引的表中，將是非常慢的。
全文搜索通過(guò)MATCH()函數(shù)完成。
mysql> CREATE TABLE articles (
-> id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
-> title VARCHAR(200),
-> body TEXT,
-> FULLTEXT (title,body)
-> );
Query OK, 0 rows affected (0.00 sec)
mysql> INSERT INTO articles VALUES
-> (NULL,'MySQL Tutorial', 'DBMS stands for DataBase ...'),
-> (NULL,'How To Use MySQL Efficiently', 'After you went through a ...'),
-> (NULL,'Optimising MySQL','In this tutorial we will show ...'),
-> (NULL,'1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),
-> (NULL,'MySQL vs. YourSQL', 'In the following database comparison ...'),
-> (NULL,'MySQL Security', 'When configured properly, MySQL ...');
Query OK, 6 rows affected (0.00 sec)
Records: 6 Duplicates: 0 Warnings: 0
mysql> SELECT * FROM articles
-> WHERE MATCH (title,body) AGAINST ('database');
+----+-------------------+------------------------------------------+
| id | title | body |
+----+-------------------+------------------------------------------+
| 5 | MySQL vs. YourSQL | In the following database comparison ... |
| 1 | MySQL Tutorial | DBMS stands for DataBase ... |
+----+-------------------+------------------------------------------+
2 rows in set (0.00 sec)函數(shù)MATCH()對(duì)照一個(gè)文本集(包含在一個(gè)FULLTEXT索引中的一個(gè)或多個(gè)列的列集)執(zhí)行一個(gè)自然語(yǔ)言搜索一個(gè)字符串。搜索字符串做為AGAINST()的參數(shù)被給定。搜索以忽略字母大小寫(xiě)的方式執(zhí)行。對(duì)于表中的每個(gè)記錄行，MATCH()返回一個(gè)相關(guān)性值。即，在搜索字符串與記錄行在MATCH()列表中指定的列的文本之間的相似性尺度。
當(dāng)MATCH()被使用在一個(gè)WHERE子句中時(shí) (參看上面的例子)，返回的記錄行被自動(dòng)地以相關(guān)性從高到底的次序排序。相關(guān)性值是非負(fù)的浮點(diǎn)數(shù)字。零相關(guān)性意味著不相似。相關(guān)性的計(jì)算是基于：詞在記錄行中的數(shù)目、在行中唯一詞的數(shù)目、在集中詞的全部數(shù)目和包含一個(gè)特殊詞的文檔(記錄行)的數(shù)目。
它也可以執(zhí)行一個(gè)邏輯模式的搜索。這在下面的章節(jié)中被描述。
前面的例子是函數(shù)MATCH()使用上的一些基本說(shuō)明。記錄行以相似性遞減的順序返回。
下一個(gè)示例顯示如何檢索一個(gè)明確的相似性值。如果即沒(méi)有WHERE也沒(méi)有ORDER BY子句，返回行是不排序的。
mysql> SELECT id,MATCH (title,body) AGAINST ('Tutorial') FROM articles;
+----+-----------------------------------------+
| id | MATCH (title,body) AGAINST ('Tutorial') |
+----+-----------------------------------------+
| 1 | 0.64840710366884 |
| 2 | 0 |
| 3 | 0.66266459031789 |
| 4 | 0 |
| 5 | 0 |
| 6 | 0 |
+----+-----------------------------------------+
6 rows in set (0.00 sec)下面的示例更復(fù)雜一點(diǎn)。查詢(xún)返回相似性并依然以相似度遞減的次序返回記錄行。為了完成這個(gè)結(jié)果，你應(yīng)該指定MATCH()兩次。這不會(huì)引起附加的開(kāi)銷(xiāo)，因?yàn)?MySQL 優(yōu)化器會(huì)注意到兩次同樣的MATCH()調(diào)用，并只調(diào)用一次全文搜索代碼。
mysql> SELECT id, body, MATCH (title,body) AGAINST
-> ('Security implications of running MySQL as root') AS score
-> FROM articles WHERE MATCH (title,body) AGAINST
-> ('Security implications of running MySQL as root');
+----+-------------------------------------+-----------------+
| id | body | score |
+----+-------------------------------------+-----------------+
| 4 | 1. Never run mysqld as root. 2. ... | 1.5055546709332 |
| 6 | When configured properly, MySQL ... | 1.31140957288 |
+----+-------------------------------------+-----------------+
2 rows in set (0.00 sec)MySQL 使用一個(gè)非常簡(jiǎn)單的剖析器來(lái)將文本分隔成詞。一個(gè)“詞”是由文字、數(shù)據(jù)、“'”和“_”組成的任何字符序列。任何在 stopword 列表上出現(xiàn)的，或太短的(3 個(gè)字符或更少的)的 “word” 將被忽略。
在集和查詢(xún)中的每個(gè)合適的詞根據(jù)其在集與查詢(xún)中的重要性衡量。這樣，一個(gè)出現(xiàn)在多個(gè)文檔中的詞將有較低的權(quán)重(可能甚至有一個(gè)零權(quán)重)，因?yàn)樵谶@個(gè)特定的集中，它有較低的語(yǔ)義值。否則，如果詞是較少的，它將得到一個(gè)較高的權(quán)重。然后，詞的權(quán)重將被結(jié)合用于計(jì)算記錄行的相似性。
這樣一個(gè)技術(shù)工作可很好地工作與大的集(實(shí)際上，它會(huì)小心地與之諧調(diào))。 對(duì)于非常小的表，詞分類(lèi)不足以充份地反應(yīng)它們的語(yǔ)義值，有時(shí)這個(gè)模式可能產(chǎn)生奇怪的結(jié)果。
mysql> SELECT * FROM articles WHERE MATCH (title,body) AGAINST ('MySQL');
Empty set (0.00 sec)在上面的例子中，搜索詞MySQL卻沒(méi)有得到任何結(jié)果，因?yàn)檫@個(gè)詞在超過(guò)一半的記錄行中出現(xiàn)。同樣的，它被有效地處理為一個(gè) stopword (即，一個(gè)零語(yǔ)義值的詞)。這是最理想的行為 -- 一個(gè)自然語(yǔ)言的查詢(xún)不應(yīng)該從一個(gè) 1GB 的表中返回每個(gè)次行(second row)。
匹配表中一半記錄行的詞很少可能找到相關(guān)文檔。實(shí)際上，它可能會(huì)發(fā)現(xiàn)許多不相關(guān)的文檔。我們都知道，當(dāng)我們?cè)诨ヂ?lián)網(wǎng)上通過(guò)搜索引擎試圖搜索某些東西時(shí)，這會(huì)經(jīng)常發(fā)生。因?yàn)檫@個(gè)原因，在這個(gè)特殊的數(shù)據(jù)集中，這樣的行被設(shè)置一個(gè)低的語(yǔ)義值。
到 4.0.1 時(shí)，MySQL 也可以使用IN BOOLEAN MODE修飾語(yǔ)來(lái)執(zhí)行一個(gè)邏輯全文搜索。
mysql> SELECT * FROM articles WHERE MATCH (title,body)
-> AGAINST ('+MySQL -YourSQL' IN BOOLEAN MODE);
+----+------------------------------+-------------------------------------+
| id | title | body |
+----+------------------------------+-------------------------------------+
| 1 | MySQL Tutorial | DBMS stands for DataBase ... |
| 2 | How To Use MySQL Efficiently | After you went through a ... |
| 3 | Optimising MySQL | In this tutorial we will show ... |
| 4 | 1001 MySQL Tricks | 1. Never run mysqld as root. 2. ... |
| 6 | MySQL Security | When configured properly, MySQL ... |
+----+------------------------------+-------------------------------------+這個(gè)查詢(xún)返回所有包含詞MySQL的記錄行(注意： 50% 的閾值沒(méi)有使用)，但是它沒(méi)有包含詞YourSQL。注意，一個(gè)邏輯模式的搜索不會(huì)自動(dòng)地以相似值的降序排序記錄行。你可以從上面的結(jié)果出看得出來(lái)，最高的相似值(包含MySQL兩次的那個(gè)) 最列在最后，而不是第一位。一個(gè)邏輯全文搜索即使在沒(méi)有一個(gè)FULLTEXT索引的情況下也可以工作，然而它慢些。
邏輯全文搜索支持下面的操作符：
+
一個(gè)領(lǐng)頭的加號(hào)表示，該詞必須出現(xiàn)在每個(gè)返回的記錄行中。
-
一個(gè)領(lǐng)頭的減號(hào)表示，該詞必須不出現(xiàn)在每個(gè)返回的記錄行中。
缺省的 (當(dāng)既沒(méi)有加號(hào)也沒(méi)有負(fù)號(hào)被指定時(shí))詞是隨意的，但是包含它的記錄行將被排列地更高一點(diǎn)。這個(gè)模仿沒(méi)有IN BOOLEAN MODE修飾詞的MATCH() ... AGAINST()的行為。
< >
這兩個(gè)操作符用于改變一個(gè)詞的相似性值的基值。<操作符減少基值，>操作符則增加它。參看下面的示例。
( )
圓括號(hào)用于對(duì)子表達(dá)式中的詞分組。
~
一個(gè)領(lǐng)頭的否定號(hào)的作用象一個(gè)否定操作符，引起行相似性的詞的基值為負(fù)的。它對(duì)標(biāo)記一個(gè)噪聲詞很有用。一個(gè)包含這樣的詞的記錄將被排列得低一點(diǎn)，但是不會(huì)被完全的排除，因?yàn)檫@樣可以使用-操作符。
*
一個(gè)星號(hào)是截?cái)嗖僮鞣２幌肫渌牟僮鞣?，它?yīng)該被追加到一個(gè)詞后，不加在前面。
"
短語(yǔ)，被包圍在雙引號(hào)"中，只匹配包含這個(gè)短語(yǔ)(字面上的，就好像被鍵入的)的記錄行。
這里是一些示例：
apple banana
找至少包含上面詞中的一個(gè)的記錄行
+apple +juice
... 兩個(gè)詞均在被包含
+apple macintosh
... 包含詞 “apple”，但是如果同時(shí)包含 “macintosh”，它的排列將更高一些
+apple -macintosh
... 包含 “apple” 但不包含 “macintosh”
+apple +(>pie <strudel)
... 包含 “apple” 和 “pie”，或者包含的是 “apple” 和 “strudel” (以任何次序)，但是 “apple pie” 排列得比 “apple strudel” 要高一點(diǎn)
apple*
... 包含 “apple”，“apples”，“applesauce” 和 “applet”
"some words"
... 可以包含 “some words of wisdom”，但不是 “some noise words”
全文的限制
MATCH()函數(shù)的所有參數(shù)必須是從來(lái)自于同一張表的列，同時(shí)必須是同一個(gè)FULLTEXT索引中的一部分，除非MATCH()是IN BOOLEAN MODE的。
MATCH()列列表必須確切地匹配表的某一FULLTEXT索引中定義的列列表，除非MATCH()是IN BOOLEAN MODE的。
AGAINST()的參數(shù)必須是一個(gè)常量字符串。
微調(diào) MySQL 全文搜索
不幸地，全文搜索仍然只有很少的用戶(hù)可調(diào)參數(shù)，雖然增加一些在 TODO 上排列很高。如果你有一個(gè) MySQL 源碼發(fā)行，你可以發(fā)揮對(duì)全文搜索的更多控制。
注意，全文搜索為最佳的搜索效果，被仔細(xì)地調(diào)整了。修改默認(rèn)值的行為，在大多數(shù)情況下，只會(huì)使搜索結(jié)果更糟。不要修改 MySQL 的源代碼，除非你知道你在做什么！
被索引的詞的最小長(zhǎng)度由 MySQL 變量ft_min_word_len指定。
stopword 列表可以從ft_stopword_file變量指定的文件中讀取。
50% 閾值選擇由所選擇的特殊的衡量模式確定。為了禁止它，修改`myisam/ftdefs.h'文件中下面的一行：
#define GWS_IN_USE GWS_PROB改為：
#define GWS_IN_USE GWS_FREQ然后重新編譯 MySQL。在這種情況下，不需要重建索引。注意：使用了這個(gè)，將嚴(yán)重地減少 MySQL 為MATCH()提供足夠的相似性值的能力。如果你確實(shí)需要搜索這樣的公共詞，最好使用IN BOOLEAN MODE的搜索代替，它不遵守 50% 的閾值。
有時(shí)，搜索引擎維護(hù)員希望更改使用于邏輯全文搜索的操作符。這些由變量ft_boolean_syntax定義。對(duì)于這些更改，要求你重建你的FULLTEXT索引，對(duì)于一個(gè) MyISAM 表，最容易的重建索引文件的方式如下面的語(yǔ)句：
mysql> REPAIR TABLE tbl_name QUICK;全文搜索 TODO
使所有對(duì)FULLTEXT索引的操作更快
鄰近(Proximity)操作符
對(duì) "always-index words" 的支持。他們可以是用戶(hù)希望視為一個(gè)詞處理的任意字符串，例如 "C++"、"AS/400"、"TCP/IP"，等等
支持在MERGE表中的全文搜索
對(duì)多字節(jié)字符的支持
依照數(shù)據(jù)的語(yǔ)言建立 stopword 列表
Stemming (當(dāng)然，依賴(lài)于數(shù)據(jù)的語(yǔ)言)
Generic user-suppliable UDF preparser.
使模式更加靈活 (通過(guò)為CREATE/ALTER TABLE中的FULLTEXT增加某些可調(diào)整參數(shù))
新聞熱點(diǎn)
疑難解答
圖片精選
網(wǎng)友關(guān)注
