详解MySQL|深度解析MySQL 5.7的中文全文检索功能

发布时间:2020-04-27 浏览次数:253

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MySQL5.7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,

[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:

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。

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

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。

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。


1. 自然语言模式下检索:

A,得到符合条件的个数,

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)


B,得到匹配的比率,


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)


2. 布尔模式下搜索,这个就相对于自然模式搜索来的复杂些:

A,匹配既有管理又有数据库的记录,

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)


B,匹配有数据库,但是没有管理的记录,

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 |

+----+------------------+----------------------------+

3rows in set (0.00 sec)


C,匹配MySQL,但是把数据库的相关性降低,

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)


3,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,


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 |

+----+------------------+--------------------------------------+

6rows 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。

上一篇: 详解MySQL|深度解析MySQL 5.7的Loss-Less半同步复制技术

下一篇: 详解MySQL|深度解析MySQL 5.7的临时表空间

产品试用 产品试用
400-820-6580 免费电话