欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

深度解析MySQL 5.7之中文全文检索

程序员文章站 2023-12-11 18:58:04
前言 其实全文检索在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...

前言

其实全文检索在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mysql 5.7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。

一、自然语言模式下检索:

1、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)

2、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)

二、布尔模式下搜索,这个就相对于自然模式搜索来的复杂些:

1、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)

2、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  |
+----+------------------+----------------------------+
3 rows in set (0.00 sec)

3、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)

三、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      |
+----+------------------+--------------------------------------+
6 rows 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。

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作能带来一定的帮助,如果有疑问大家可以留言交流。

上一篇:

下一篇: