作者：Jia-Xin

cnblogs.com/YangJiaXin/p/11153579.html

前言

只有Innodb和myisam存儲引擎能用全文索引（innodb支持全文索引是從MySQL5.6開始的）
char、varchar、text類型字段能創(chuàng)建全文索引（fulltext index type）
全文索引的基于關(guān)鍵詞的，如何區(qū)分不同的關(guān)鍵詞了，就要用到分詞（stopword）
英文單詞用空格，逗號進行分詞；中文分詞不方便（一個句子不知道怎樣區(qū)分不同的關(guān)鍵詞）
內(nèi)置分詞解析器ngram支持中文，日文，韓文（將句子分成固定數(shù)字的短語）
當對表寫入大量數(shù)據(jù)時，寫入數(shù)據(jù)后再創(chuàng)建全文索引的速度更快（減少了維護索引的開銷）
全文索引的原理的倒排索引（一種數(shù)據(jù)結(jié)構(gòu)），一般利用關(guān)聯(lián)數(shù)組，在輔助表中存儲單詞與文檔中所在位置的映射

使用

用MATCH() … AGAINST 方式來進行搜索

match()表示搜索的是那個列，against表示要搜索的是那個字符串

查看默認的分詞（以這些詞來區(qū)分不同的關(guān)鍵詞）；也可以自定義分詞，以這些詞來區(qū)分不同的關(guān)鍵詞SELECT * FROM
information_schema.INNODB_FT_DEFAULT_STOPWORD;

如

三種類型的全文搜索方式

natural language search（自然語言搜索）

通過MATCH AGAINST 傳遞某個特定的字符串來進行檢，默認方式

boolean search（布爾搜索）

為檢索的字符串增加操作符，如“+”表示必須包含，"-"不包含，"*" 表示通配符，即使傳遞的字符串較小或出現(xiàn)在停詞中，也不會被過濾掉

query expansion search（查詢擴展搜索）

搜索字符串用于執(zhí)行自然語言搜索，然后，搜索返回的最相關(guān)行的單詞被添加到搜索字符串，并且再次進行搜索，查詢將返回來自第二個搜索的行

測試innodb引擎使用全文索引

準備

1、目標

查詢文章中是否含有某個關(guān)鍵詞；一系列文章出現(xiàn)某個關(guān)鍵詞的次數(shù)
查詢文章的標題是否含有某個關(guān)鍵詞

2、設(shè)置以下參數(shù)減少磁盤IO壓力

SET GLOBAL sync_binlog=100;
SET GLOBAL innodb_flush_log_at_trx_commit=2;

3、導(dǎo)入1kw 數(shù)據(jù)進行測試全文索引

該數(shù)據(jù)來源網(wǎng)上搜索

https://pan.baidu.com/s/1aaB1R3bkBGZRMEx0o6T61w 提取碼：60l7

4、某個文章表的結(jié)構(gòu)

使用myloader 多線程導(dǎo)入測試數(shù)據(jù)

-- 先把測試數(shù)據(jù)進行解壓
tar -zxf mydumper_dump_article.tar.gz
time myloader -u $user -p $passwd -S $socket -t 32 -d /datas/dump_article -v 3

5、導(dǎo)入數(shù)據(jù)后總數(shù)據(jù)量和數(shù)據(jù)文件、索引文件大小

SELECT COUNT(*) FROM `article`;
+----------+
| COUNT(*) |
+----------+
| 10000000 |
+----------+
1 row in set (7.85 sec)

SELECT     table_name,   CONCAT(FORMAT(SUM(data_length) / 1024 / 1024,2),'M') AS dbdata_size,   CONCAT(FORMAT(SUM(index_length) / 1024 / 1024,2),'M') AS dbindex_size,   CONCAT(FORMAT(SUM(data_length + index_length) / 1024 / 1024 / 1024,2),'G') AS `db_size(G)`,   AVG_ROW_LENGTH,table_rows,update_time FROM   information_schema.tables WHERE table_schema = DATABASE() and table_name='article';
+------------+-------------+--------------+------------+----------------+------------+---------------------+
| table_name | dbdata_size | dbindex_size | db_size(G) | AVG_ROW_LENGTH | table_rows | update_time         |
+------------+-------------+--------------+------------+----------------+------------+---------------------+
| article    | 3,710.00M   | 1,003.00M    | 4.60G      |            414 |    9388739 | 2019-07-05 15:31:37 |
+------------+-------------+--------------+------------+----------------+------------+---------------------+

使用默認方式創(chuàng)建全文索引

1、該表已有關(guān)鍵詞字段（對文章內(nèi)容的簡述），并以“,”作為分詞符

2、不建全文索引時搜索某個關(guān)鍵詞

需要進行全表掃描

3、對關(guān)鍵詞字段創(chuàng)建全文索引（以 , 作為分詞）

my.cnf配置文件中設(shè)置innodb_ft_min_token_size，并重啟MySQL服務(wù)（最小兩個字符作為一個關(guān)鍵詞，默認三個字符作為一個關(guān)鍵詞）

[mysqld]
innodb_ft_min_token_size=2

3.1 設(shè)置自定義stopwords（即分詞）

USE mysql;
CREATE TABLE my_stopwords(VALUE VARCHAR(30)) ENGINE = INNODB;
INSERT INTO my_stopwords(VALUE) VALUE (',');
SET GLOBAL innodb_ft_server_stopword_table = 'mysql/my_stopwords';

SHOW GLOBAL  VARIABLES WHERE Variable_name IN('innodb_ft_min_token_size','innodb_ft_server_stopword_table');
+---------------------------------+--------------------+
| Variable_name                   | Value              |
+---------------------------------+--------------------+
| innodb_ft_min_token_size        | 2                  |
| innodb_ft_server_stopword_table | mysql/my_stopwords |
+---------------------------------+--------------------+

3.2 創(chuàng)建全文索引

alter table article add fulltext index idx_full_keyword(keywords);
* [ ] Query OK, 0 rows affected, 1 warning (1 min 27.92 sec)
* [ ] Records: 0  Duplicates: 0  Warnings: 1

3.3 剩余磁盤空間需足夠，原表4.6G，剩余5.7G磁盤，添加全文索引也會失敗

3.4 利用創(chuàng)建的全文索引進行查詢某個關(guān)鍵詞出現(xiàn)的次數(shù)

查詢響應(yīng)時間有了很大的提升，只需0.05s；使用where keywords like '%時尚%' 需要7.56s。推薦閱讀：MySQL性能優(yōu)化實踐（很全面，值得收藏）

3.5 如需同時完全匹配多個關(guān)鍵詞，用布爾全文搜索

表示完全匹配 "三里屯,北京" 的記錄數(shù)

select count(*) from article where match(keywords)  against('+三里屯,北京' in boolean mode);
+----------+
| count(*) |
+----------+
|        1 |
+----------+
1 row in set (0.06 sec)

表示匹配“三里屯” 或者 “北京”的記錄數(shù)

select count(*) from article where match(keywords)  against('三里屯,北京');
+----------+
| count(*) |
+----------+
|        8 |
+----------+
1 row in set (0.06 sec)

3.6 創(chuàng)建全文索引后，會創(chuàng)建一些其它文件

96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_1.ibd96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_2.ibd96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_3.ibd96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_4.ibd128K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_5.ibd256K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_6.ibd96K Jul 5 16:29 FTS_00000000000000a7_BEING_DELETED_CACHE.ibd96K Jul 5 16:29 FTS_00000000000000a7_BEING_DELETED.ibd96K Jul 5 16:30 FTS_00000000000000a7_CONFIG.ibd96K Jul 5 16:29 FTS_00000000000000a7_DELETED_CACHE.ibd96K Jul 5 16:29 FTS_00000000000000a7_DELETED.ibd

前6個表示倒排索引（輔助索引表）
第7，8個表示包含已刪除文檔的文檔ID（DOC_ID），其數(shù)據(jù)當前正在從全文索引中刪除
第9個表示FULLTEXT索引內(nèi)部狀態(tài)的信息
第10，11個表示包含已刪除但尚未從全文索引中刪除其數(shù)據(jù)的文檔

使用ngram分詞解析器創(chuàng)建全文索引

1、對title字段建立全文索引（該字段沒有固定的stopwords 分詞，使用ngram分詞解析器）

需先在my.cnf 配置文件中設(shè)置ngram_token_size（默認為2，2個字符作為ngram 的關(guān)鍵詞），并重啟mysql服務(wù)

這里使用默認的 2

select title from article limit 10;
+------------------------------------------------------------------------------+
| title                                                                        |
+------------------------------------------------------------------------------+
| worth IT                                                                    |
|Launchpad 江南皮革廠小show                                                  |
|Raw 幕后罕見一刻 “瘋子”被抬回后臺                                           |
|Raw:公子大罵老爸你就是個綠茶  公子以一打四                                  |
|四組30平米精裝小戶型，海量圖片，附戶型圖                                    |
|夜店女王性感煙熏貓眼妝                                                      |
|大秀哥重摔“巨石”強森                                                        |
|少女時代 崔秀英 服飾科普 林允兒 黃美英 金泰妍 鄭秀晶                        |                                              
|德陽戶外踏青，花田自助燒烤                                                  |
+------------------------------------------------------------------------------+

2、對title字段創(chuàng)建全文索引

alter table article add fulltext index ft_index_title(title) with parser ngram;
Query OK, 0 rows affected (3 min 29.22 sec)
Records: 0  Duplicates: 0  Warnings: 0

3、會創(chuàng)建倒排索引（title字段越長長，創(chuàng)建的倒排索引越大）

112M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_1.ibd28M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_2.ibd20M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_3.ibd140M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_4.ibd128M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_5.ibd668M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_6.ibd

4、不建立全文索引搜索title的某個關(guān)鍵詞

5、使用全文索引搜索某個關(guān)鍵詞

響應(yīng)時間有很大的提升

6、注意當搜索的關(guān)鍵詞字符數(shù)大于2 （ngram_token_size定義大小）會出現(xiàn)不一致問題

普通搜索，實際中出現(xiàn)該關(guān)鍵詞的記錄數(shù)為6

全文搜索，出現(xiàn)關(guān)鍵字的記錄數(shù)為9443

實際出現(xiàn)該關(guān)鍵字的記錄數(shù)為1

全文搜索出現(xiàn)該關(guān)鍵詞的記錄數(shù)為3202

結(jié)論

當mysql 某字段中有固定的stopword 分詞（英文的空格符，中文的“,”"-"等），對該字段建立全文索引，能快速搜索出現(xiàn)某個關(guān)鍵詞的相關(guān)記錄信息，實現(xiàn)簡單搜索引擎的效果

當mysql 某字段沒有固定的stopword 分詞，使用內(nèi)置解析器ngram 可將字段值分成固定數(shù)量（ngram_token_size定義大小）的關(guān)鍵詞快速進行搜索；當搜索的關(guān)鍵詞的字符數(shù)量不等于ngram_token_size定義大小時，會出現(xiàn)與實際情況不一致的問題

全文索引能快速搜索，也存在維護索引的開銷；字段長度越大，創(chuàng)建的全文索引也越大，會影響DML語句的吞吐量，可用專門的全文搜索引擎ES來做這件事