爱心技术专栏专题

MySQL全文搜索

摘录:Mysql教程 来源:Mysql教程 加入时间:2007年04月23日
摘要:
MySQL全文搜索
MySQL 全文搜索

到 3.23.23 时,MySQL 开始支持全文索引和搜索。全文索引在 MySQL 中是一个

MySQL全文搜索

站点:爱心种子小博士 关键字:MySQL全文搜索

MySQL 全文搜索

到 3.23.23 时,MySQL 开始支持全文索引和搜索。全文索引在 MySQL 中是一个 FULLTEXT 类型索引。FULLTEXT 索引用于 MyISAM 表,可以在 CREATE TABLE 时或之后使用 ALTER TABLECREATE INDEXCHARVARCHARTEXT 列上创建。对于大的数据库,将数据装载到一个没有 FULLTEXT 索引的表中,然后再使用 ALTER TABLE (或 CREATE INDEX) 创建索引,这将是非常快的。将数据装载到一个已经有 FULLTEXT 索引的表中,将是非常慢的。

6.8 MySQL 全文搜索

到 3.23.23 时,MySQL 开始支持全文索引和搜索。全文索引在 MySQL 中是一个 FULLTEXT 类型索引。FULLTEXT 索引用于 MyISAM 表,可以在 CREATE TABLE 时或之后使用 ALTER TABLECREATE INDEXCHARVARCHARTEXT 列上创建。对于大的数据库,将数据装载到一个没有 FULLTEXT 索引的表中,然后再使用 ALTER TABLE (或 CREATE INDEX) 创建索引,这将是非常快的。将数据装载到一个已经有 FULLTEXT 索引的表中,将是非常慢的。

全文搜索通过 MATCH() 函数完成。

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: 0mysql> 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)

函数 MATCH() 对照一个文本集(包含在一个 FULLTEXT 索引中的一个或多个列的列集)执行一个自然语言搜索一个字符串。搜索字符串做为 AGAINST() 的参数被给定。搜索以忽略字母大小写的方式执行。对于表中的每个记录行,MATCH() 返回一个相关性值。即,在搜索字符串与记录行在 MATCH() 列表中指定的列的文本之间的相似性尺度。

MATCH() 被使用在一个 WHERE 子句中时 (参看上面的例子),返回的记录行被自动地以相关性从高到底的次序排序。相关性值是非负的浮点数字。零相关性意味着不相似。相关性的计算是基于:词在记录行中的数目、在行中唯一词的数目、在集中词的全部数目和包含一个特殊词的文档(记录行)的数目。

它也可以执行一个逻辑模式的搜索。这在下面的章节中被描述。

前面的例子是函数 MATCH() 使用上的一些基本说明。记录行以相似性递减的顺序返回。

下一个示例显示如何检索一个明确的相似性值。如果即没有 WHERE 也没有 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)

下面的示例更复杂一点。查询返回相似性并依然以相似度递减的次序返回记录行。为了完成这个结果,你应该指定 MATCH() 两次。这不会引起附加的开销,因为 MySQL 优化器会注意到两次同样的 MATCH() 调用,并只调用一次全文搜索代码。

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 使用一个非常简单的剖析器来将文本分隔成词。一个词是由文字、数据、_ 组成的任何字符序列。任何在 stopword 列表上出现的,或太短的(3 个字符或更少的)的 word 将被忽略。

在集和查询中的每个合适的词根据其在集与查询中的重要性衡量。这样,一个出现在多个文档中的词将有较低的权重(可能甚至有一个零权重),因为在这个特定的集中,它有较低的语义值。否则,如果词是较少的,它将得到一个较高的权重。然后,词的权重将被结合用于计算记录行的相似性。

这样一个技术工作可很好地工作与大的集(实际上,它会小心地与之谐调)。 对于非常小的表,词分类不足以充份地反应它们的语义值,有时这个模式可能产生奇怪的结果。

mysql> SELECT * FROM articles WHERE MATCH (title,body) AGAINST (MySQL);Empty set (0.00 sec)

在上面的例子中,搜索词 MySQL 却没有得到任何结果,因为这个词在超过一半的记录行中出现。同样的,它被有效地处理为一个 stopword (即,一个零语义值的词)。这是最理想的行为 -- 一个自然语言的查询不应该从一个 1GB 的表中返回每个次行(second row)。

匹配表中一半记录行的词很少可能找到相关文档。实际上,它可能会发现许多不相关的文档。我们都知道,当我们在互联网上通过搜索引擎试图搜索某些东西时,这会经常发生。因为这个原因,在这个特殊的数据集中,这样的行被设置一个低的语义值。

到 4.0.1 时,MySQL 也可以使用 IN BOOLEAN MODE 修饰语来执行一个逻辑全文搜索。

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 ... |+----+------------------------------+-------------------------------------+

这个查询返回所有包含词 MySQL 的记录行(注意: 50% 的阈值没有使用),但是它没有包含词 YourSQL。注意,一个逻辑模式的搜索不会自动地以相似值的降序排序记录行。你可以从上面的结果出看得出来,最高的相似值(包含 MySQL 两次的那个) 最列在最后,而不是第一位。一个逻辑全文搜索即使在没有一个 FULLTEXT 索引的情况下也可以工作,然而它 些。

逻辑全文搜索支持下面的操作符:

+
一个领头的加号表示,该词必须出现在每个返回的记录行中。

-
一个领头的减号表示,该词必须不出现在每个返回的记录行中。

缺省的 (当既没有加号也没有负号被指定时)词是随意的,但是包含它的记录行将被排列地更高一点。这个模仿没有 IN BOOLEAN MODE 修饰词的 MATCH() ... AGAINST() 的行为。

< >
这两个操作符用于改变一个词的相似性值的基值。< 操作符减少基值,> 操作符则增加它。参看下面的示例。

( )
圆括号用于对子表达式中的词分组。

~
一个领头的否定号的作用象一个否定操作符,引起行相似性的词的基值为负的。它对标记一个噪声词很有用。一个包含这样的词的记录将被排列得低一点,但是不会被完全的排除,因为这样可以使用 - 操作符。

*
一个星号是截断操作符。不想其它的操作符,它应该被追加到一个词后,不加在前面。

"
短语,被包围在双引号"中,只匹配包含这个短语(字面上的,就好像被键入的)的记录行。

这里是一些示例:

apple banana
找至少包含上面词中的一个的记录行
+apple +juice
... 两个词均在被包含
+apple macintosh
... 包含词 apple,但是如果同时包含 macintosh,它的排列将更高一些
+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 要高一点
apple*
... 包含 apple,apples,applesauce 和 applet
"some words"
... 可以包含 some words of wisdom,但不是 some noise words

6.8.1 全文的限制

  • MATCH() 函数的所有参数必须是从来自于同一张表的列,同时必须是同一个FULLTEXT 索引中的一部分,除非 MATCH()IN BOOLEAN MODE 的。

  • MATCH() 列列表必须确切地匹配表的某一 FULLTEXT 索引中定义的列列表,除非 MATCH()IN BOOLEAN MODE 的。

  • AGAINST() 的参数必须是一个常量字符串。

6.8.2 微调 MySQL 全文搜索

不幸地,全文搜索仍然只有很少的用户可调参数,虽然增加一些在 TODO 上排列很高。如果你有一个 MySQL 源码发行(查看章节 ),你可以发挥对全文搜索的更多控制。

注意,全文搜索为最佳的搜索效果,被仔细地调整了。修改默认值的行为,在大多数情况下,只会使搜索结果更糟。不要修改 MySQL 的源代码,除非你知道你在做什么!

  • 被索引的词的最小长度由 MySQL 变量 ft_min_word_len 指定。查看章节 。将它改为你所希望的值,并重建你的 FULLTEXT 索引。 (这个变量只从 MySQL 4.0 开始被支持)

  • stopword 列表可以从 ft_stopword_file 变量指定的文件中读取。查看章节 。在修改了 stopword 列表后,重建你的 FULLTEXT 索引。(这个变量只从 MySQL 4.0.10 开始被支持)

  • 50% 阈值选择由所选择的特殊的衡量模式确定。为了禁止它,修改 `myisam/ftdefs.h 文件中下面的一行:
    #define GWS_IN_USE GWS_PROB
    改为:
    #define GWS_IN_USE GWS_FREQ
    然后重新编译 MySQL。在这种情况下,不需要重建索引。 注意:使用了这个,将严重地减少 MySQL 为 MATCH() 提供足够的相似性值的能力。如果你确实需要搜索这样的公共词,最好使用 IN BOOLEAN MODE 的搜索代替,它不遵守 50% 的阈值。

  • 有时,搜索引擎维护员希望更改使用于逻辑全文搜索的操作符。这些由变量 ft_boolean_syntax 定义。查看章节 。然而,这个变量是只读的,它的值在 `myisam/ft_static.c 中被设置。

对于这些更改,要求你重建你的 FULLTEXT 索引,对于一个 MyISAM 表,最容易的重建索引文件的方式如下面的语句:

mysql> REPAIR TABLE tbl_name QUICK;

6.8.3 全文搜索 TODO

  • 使所有对 FULLTEXT 索引的操作更快
  • 邻近(Proximity)操作符
  • 对 "always-index words" 的支持。他们可以是用户希望视为一个词处理的任意字符串,例如 "C++"、"AS/400"、"TCP/IP",等等
  • 支持在 MERGE 表中的全文搜索
  • 对多字节字符的支持
  • 依照数据的语言建立 stopword 列表
  • Stemming (当然,依赖于数据的语言)
  • Generic user-suppliable UDF preparser.
  • 使模式更加灵活 (通过为 CREATE/ALTER TABLE 中的 FULLTEXT 增加某些可调整参数)

转载:转载请保留本信息,本文来自http://www.51dibs.com/lp07/la/a22/l_a_e368cc6f6e4fc3bf.html