美文网首页
产品级搜索技术-全文本索引

产品级搜索技术-全文本索引

作者: iiDestiny | 来源:发表于2020-03-29 11:27 被阅读0次

    介绍

    大部分技术员在处理搜索问题的时候,往往直接依赖数据库的查询功能,通过普通 SQL 语句的数值比较, 范围的过滤等就可以完成绝大多数我们需要的查询了, 但是如果你希望通过关键字的匹配来进行查询过滤, 那么就需要基于相似度的查询, 而不是原来的精确数值比较, 那么这种查询我们第一个想到的肯定是 LIKE 的 SQL 语句, 但是LIKE模糊查询它的工作原理是全表扫描, 如果数据量非常大, 那么会造成非常严重的卡顿, 也可能出现整个项目崩掉, 而全文索引的设计就是避免这种情况的发生

    全文搜索分类

    1. 自然语言搜索(默认类型):MySQL 会把搜索的字符串解析成一系列的单词,然后去搜索包含的行;
    2. 布尔模式搜索:可以为搜索的字符串里加修饰词,或者必须是什么短语,安顺序搜索等
    3. 查询扩展搜索:这种搜索分为两个阶段。第一阶段,是自然语言搜素。第二阶段,则先把原来的搜索字符串,与第一阶段的搜索里高度匹配的那些行,连接到一起。

    全文搜索的特性

    1. 全文搜索基于 FullText 索引。在 FullText 索引, 里只能出现在 CHAR VARCHAR TEXT 这几种类型里
    2. 全文搜索会 忽略那些常见词:常见词,指的是至少一半的行里都出现过,超过 50% 的词,都为常见词;
    3. 有些为内建的常用单词:也叫停用词,比如:the after other
    4. 比较短的单词也会被停用

    所谓的中文全文索引,就是用一本字典,把一段中文字,拆分为一个个的词语,这样来符合 FullText 的单词定义。然后完全可以把中文看作成英文,进行全文本索引!

    建表语句

    1. 创建表,不一定要主键索引
    create table apothegm(
         attribution varchar(40),
         phrase  text
    ) engine = myisan;
    
    1. 增加全文索引
    alert table apothegm
        add fulltext (phrase),
        add fulltext (attribution),
        add fulltext (phrase,attribution);
    个人理解:
        1. 索引分为,单列索引和复合索引。
        2. 每次在进行搜索的时候,必须要有一个 FullText 索引,而它正好是由查询命令里列出的那些字段组成。
        3. 索引越多,写入数据越慢,但是索引的方式也就越多,越加便捷。
    

    自然语言索引

    1. 基本 SQL 语句
    //应用其第一个 FullText 索引
    select * from apothegm where match(phrase) againts('time');
    //应用其第三个 FullText 索引
    select * from apothegm where match(phrase,attribution) againts('time');
    
    1. 输出相关程度 : 自然语言类型的全文搜索。其输出是按照相关程度递减顺序排列,相关度是一个非负数的浮点数,其中 0代表毫不相关
    select phrase,match(phrase) against('time') as relavance from apothegm
    
    PS:把匹配的结构,当作一个独立字段,其中 relavance 为相关程度的意思
    
    1. 多个词一起查询,比如查询 hard 或者 soft
    select * from apothegm where match(phrase) againts('hard soft');
    

    布尔模式的全文索引

    特点

    1. 50% 一样的规则:不生效了
    2. 查询结果不再按照 相关程度排序
    3. 也可以对非 FullText 索引列进行搜索,只是速度相比,有 FullText 的速度要慢

    使用的方式

    1. 基本方式:要在 MATCH 后面加IN BOOLEAN MODE,(不加说明,默认使用自然排序IN NATURAL LANGUAGE MODE
    select * from apothegm where match(phrase) againts('hard' in boolean mode);
    
    1. 按单词出现顺序检索,把对应单词用双引号引起来;
    select * from apothegm where match(phrase) againts('“bell book and candle”' in boolean mode);
    
    1. 可以搜索必须出现,必须不出现,分别用 + 和 -标示:
    select * from apothegm where match(phrase) againts('+bell  -candle' in boolean mode);
    
    1. 可以用*作为通配符, 标示以什么开头的。但是还是必须遵守,单词不能过短的约定。

    配置全文搜索引擎

    全文索引的参数是可以配置的,可以通过系统变量的办法进行修改。

    1. 变量 ft_min_word_lenft_max_word_len 来设置单词所具有的最小长度,和最大长度。默认最小值与最大值分别为 4 和 84
    2. my.confmysqld 下添加 下面语句,然后重启。
     ft_min_word_len = 1
    
    1. 如果是已经建立 FullText 索引表,必须重新建立这些索引关系,但也是可以快速修复。
     repair table tbl_name quick; 
    
    1. 如果是在此之后新建的 FullText 索引,都可以更新使用这个值。

    相关文章

      网友评论

          本文标题:产品级搜索技术-全文本索引

          本文链接:https://www.haomeiwen.com/subject/kdmyuhtx.html