深度解析MySQL 5.7之中文全文檢索

Mysql關係型資料庫管理系統

MySQL是一個開放式原始碼的小型關聯式資料庫管理系統，開發者為瑞典MySQL AB公司。 MySQL被廣泛地應用在Internet上的中小型網站。由於其體積小、速度快、整體擁有成本低，尤其是開放原始碼這一特點，許多中小型網站為了降低網站總體擁有成本而選擇了MySQL作為網站資料庫。

InnoDB預設的全文索引parser非常適合於Latin，因為Latin是透過空格來分詞的。但對於像中文，日文和韓文來說，沒有這樣的分隔符號。一個字可以由多個字來組成，所以我們需要用不同的方式來處理。在MySQL 5.7.6中我們可以使用一個新的全文索引外掛程式來處理它們：n-gram parser。

前言

其實全文檢索在MySQL裡面很早就支持了，只不過一直以來只支援英文。緣由是他從來都使用空格來作為分詞的分隔符，而對於中文來講，顯然用空格就不合適，需要針對中文語義進行分詞。不，從MySQL 5.7開始，MySQL內建了ngram全文檢索插件，用來支援中文分詞，並且對MyISAM和InnoDB引擎有效。

在使用中文檢索分詞外掛ngram之前，先得在MySQL設定檔裡面設定他的分詞大小，比如，

[mysqld]
ngram_token_size=2

這裡把分詞大小設定為2。要記住，分詞的SIZE越大，索引的體積就越大，所以要根據自身情況來設定合適的大小。

範例表結構：

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;

範例數據，有6行記錄。

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)

明確指定全文檢索表源

mysql> SETGLOBAL innodb_ft_aux_table="new_feature/articles";
Query OK, 0 rows affected (0.00 sec)

通過系統表，就可以查看到底是怎麼劃分articles裡的資料。

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)

這裡可以看到，把分詞長度設定為2，所有的資料都只有兩個一組。上面資料還包含了行的位置，ID等等資訊。

接下來，我來進行一系列檢索示範，使用方法和原來英文檢索一致。

一、自然語言模式下檢索：

1、得到符合條件的個數，

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、布爾模式下搜索，這個就相對於自然模式搜索來的複雜點：

1、匹配既有管理又有資料庫的記錄，

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SQL，但是沒有管理的記錄，

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、匹配有SQL，但是把資料庫的相關性降低，

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、查詢擴充模式，例如要搜尋資料庫，那麼MySQL，oracle，DB2也都會被搜尋到，

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)

當然，我這裡只是功能演示，更多的效能測試，大家有興趣可以進行詳細測試。由於N-grm是中文檢索常用的分詞演算法，已經在網路上大量使用，這次整合到MySQL中，想必效果上不會有太大的問題。

以上就是深度解析MySQL 5.7之中文全文檢索的內容，更多相關內容請關注PHP中文網（www.php.cn）！