返回首页

产品级搜索技术-全文本索引概述

时间:2018-10-30 13:46来源:知行网www.zhixing123.cn 编辑:麦田守望者

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。
------分隔线----------------------------
标签(Tag):全文本索引 产品级搜索技术
------分隔线----------------------------
推荐内容
  • Laravel debug bar 调试利器

    一、简介 Laravel Debugbar 在 Laravel 5 中集成了 PHP Debug Bar ,用于显示调试及错...

  • 如何安装mysql mysql安装图解教程

    本文就是给吊丝程序员介绍的怎么安装mysql的教程一枚,追求高大尚的高帅福可以绕道而...

  • Windows 2008服务器使用Xampps 搭建环境完美整合mod

    一、Xampps Tomcat模块使用中需要jdk支持的安装方法: 由于jdk的包真心大 180MB, 也无...

  • PHP调试利器XDebug的安装与使用基础教程

    很多PHP程序员调试使用echo、print_r()、var_dump()、printf()等,虽然对于有较丰富开...

  • phpstorm创建编辑远程项目实现图解教程

    PhpStorm是一个编辑PHP代码的神器,应该说是目前世界上编辑PHP代码的最好用的IDE了吧...

  • PHP的一种实现基于遗传算法的组卷系统的代码

    遗传算法(Genetic Algorithm,简称GA)是一种模拟达尔文的遗传选择和自然淘汰的生物...

  • 猜你感兴趣
  • 教育技术学动态
  • 教育技术学论文
  • 理论研究
  • 应用研究
  • 资源收藏
  • 百家观点
  • 英文文献
  • 中国电化教育
  • 电化教育研究
  • 中国远程教育
  • 开放教育研究
  • 现代教育技术
  • 远程教育杂志
  • 现代远距离教育
  • 中国教育信息化
  • 中国信息技术教育
  • 中小学信息技术
  • Flash龙8娱乐官网手机版
  • Photoshop龙8娱乐官网手机版
  • 3DMAX龙8娱乐官网手机版
  • AutoCAD龙8娱乐官网手机版
  • CorelDRAW龙8娱乐官网手机版
  • Matlab龙8娱乐官网手机版
  • 其他龙8娱乐官网手机版
  • .Net龙8娱乐官网手机版
  • Asp龙8娱乐官网手机版
  • Php龙8娱乐官网手机版
  • Jsp龙8娱乐官网手机版
  • Ajax龙8娱乐官网手机版
  • Android教程
  • 其他龙8娱乐官网手机版
  • Word教程
  • Excel教程
  • PowerPoint教程
  • Ubuntu教程
  • 其他教程
  • 课件下载
  • 软件下载
  • 视频教程下载
  • 其他下载
  • 教案大全
  • 试题大全
  • 课件大全
  • 其他大全
  • 人像摄影
  • 风光摄影