共計 9101 個字符，預計需要花費 23 分鐘才能閱讀完成。
本篇文章為大家展示了 MySQL 中怎么實現一個搜索引擎，內容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細介紹希望你能有所收獲。
前言
只有 Innodb 和 myisam 存儲引擎能用全文索引（innodb 支持全文索引是從 mysql5.6 開始的）
char、varchar、text 類型字段能創建全文索引（fulltext index type）
全文索引的基于關鍵詞的，如何區分不同的關鍵詞了，就要用到分詞（stopword）
英文單詞用空格，逗號進行分詞；中文分詞不方便（一個句子不知道怎樣區分不同的關鍵詞）
內置分詞解析器 ngram 支持中文，日文，韓文（將句子分成固定數字的短語）
當對表寫入大量數據時，寫入數據后再創建全文索引的速度更快（減少了維護索引的開銷）
全文索引的原理的倒排索引（一種數據結構），一般利用關聯數組，在輔助表中存儲單詞與文檔中所在位置的映射
使用
用 MATCH() … AGAINST 方式來進行搜索
match() 表示搜索的是那個列，against 表示要搜索的是那個字符串
查看默認的分詞（以這些詞來區分不同的關鍵詞）；也可以自定義分詞，以這些詞來區分不同的關鍵詞
SELECT * FROM information_schema.INNODB_FT_DEFAULT_STOPWORD;如
+-------+ | value | +-------+ | a | | about | | an | | are | | as | | at | | be | | by | | com | | de | | en | | for | | from |三種類型的全文搜索方式
natural language search（自然語言搜索）
通過 MATCH AGAINST 傳遞某個特定的字符串來進行檢，默認方式
boolean search（布爾搜索）
為檢索的字符串增加操作符，如“+”表示必須包含，– 不包含，* 表示通配符，即使傳遞的字符串較小或出現在停詞中，也不會被過濾掉
query expansion search（查詢擴展搜索）
搜索字符串用于執行自然語言搜索，然后，搜索返回的最相關行的單詞被添加到搜索字符串，并且再次進行搜索，查詢將返回來自第二個搜索的行
相關參數
配置相關參數
innodb_ft_min_token_size
默認 3，表示最小 3 個字符作為一個關鍵詞，增大該值可減少全文索引的大小
innodb_ft_max_token_size
默認 84，表示最大 84 個字符作為一個關鍵詞，限制該值可減少全文索引的大小
ngram_token_size
默認 2，表示 2 個字符作為內置分詞解析器的一個關鍵詞，如對“abcd”建立全文索引，關鍵詞為 ab，bc，cd，當使用 ngram 分詞解析器時，innodb_ft_min_token_size 和 innodb_ft_max_token_size 無效
注意：這三個參數均不可動態修改，修改了這些參數，需重啟 MySQL 服務，并重新建立全文索引。
這里有一份《完整的 MySQL 開發規范》進大廠必看，推薦看下。關注公眾號 Java 技術棧回復 mysql 可以獲取更多教程。
測試 innodb 引擎使用全文索引
準備
1、目標
查詢文章中是否含有某個關鍵詞；一系列文章出現某個關鍵詞的次數
查詢文章的標題是否含有某個關鍵詞
2、設置以下參數減少磁盤 IO 壓力
SET GLOBAL sync_binlog=100; SET GLOBAL innodb_flush_log_at_trx_commit=2;3、導入 1kw 數據進行測試全文索引
該數據來源網上搜索
提取碼：60l7
4、某個文章表 的結構
CREATE TABLE `article` ( `id` bigint(10) NOT NULL, `url` varchar(1024) CHARACTER SET latin1 NOT NULL DEFAULT , `title` varchar(256) NOT NULL DEFAULT , `source` varchar(32) DEFAULT COMMENT 真實來源 , `keywords` varchar(32) DEFAULT NULL, `publish_time` timestamp NULL DEFAULT NULL, PRIMARY KEY (`id`), KEY `title_idx` (`title`) ) ENGINE=InnoDB使用 myloader 多線程導入測試數據，先把測試數據進行解壓
tar -zxf mydumper_dump_article.tar.gz time myloader -u $user -p $passwd -S $socket -t 32 -d /datas/dump_article -v 35、導入數據后總數據量和數據文件、索引文件大小
SELECT COUNT(*) FROM `article`; +----------+ | COUNT(*) | +----------+ | 10000000 | +----------+ 1 row in set (7.85 sec) SELECT table_name, CONCAT(FORMAT(SUM(data_length) / 1024 / 1024,2), M ) AS dbdata_size, CONCAT(FORMAT(SUM(index_length) / 1024 / 1024,2), M ) AS dbindex_size, CONCAT(FORMAT(SUM(data_length + index_length) / 1024 / 1024 / 1024,2), G ) AS `db_size(G)`, AVG_ROW_LENGTH,table_rows,update_time FROM information_schema.tables WHERE table_schema = DATABASE() and table_name= article +------------+-------------+--------------+------------+----------------+------------+---------------------+ | table_name | dbdata_size | dbindex_size | db_size(G) | AVG_ROW_LENGTH | table_rows | update_time | +------------+-------------+--------------+------------+----------------+------------+---------------------+ | article | 3,710.00M | 1,003.00M | 4.60G | 414 | 9388739 | 2019-07-05 15:31:37 | +------------+-------------+--------------+------------+----------------+------------+---------------------+使用默認方式創建全文索引
1、該表已有關鍵詞字段（對文章內容的簡述），并以“,”作為分詞符
select keywords from article limit 10; +-------------------------------------------------+ | keywords | +-------------------------------------------------+ | NULL | | NULL | | , 婚姻, 愛情 | | 發型, 偏分, 化妝, 時尚 | | 小 A, | | , 服裝搭配, 女性, 時尚 | | 漂亮, 女性 | | 情人節, 東莞, 女性 | | 皮膚, 護膚, 護膚, 食品營養, 美容, 養生 | | 三里屯, 北京, 時尚 | +-------------------------------------------------+2、不建全文索引時搜索某個關鍵詞
需要進行全表掃描
select count(*) from article where keywords like % 時尚 % +----------+ | count(*) | +----------+ | 163 | +----------+ 1 row in set (7.56 sec)3、對關鍵詞字段創建全文索引（以 , 作為分詞）
my.cnf 配置文件中設置 innodb_ft_min_token_size，并重啟 MySQL 服務（最小兩個字符作為一個關鍵詞，默認三個字符作為一個關鍵詞）
[mysqld] innodb_ft_min_token_size=23.1 設置自定義 stopwords（即分詞）
USE mysql; CREATE TABLE my_stopwords(VALUE VARCHAR(30)) ENGINE = INNODB; INSERT INTO my_stopwords(VALUE) VALUE (, SET GLOBAL innodb_ft_server_stopword_table = mysql/my_stopwords SHOW GLOBAL VARIABLES WHERE Variable_name IN( innodb_ft_min_token_size , innodb_ft_server_stopword_table +---------------------------------+--------------------+ | Variable_name | Value | +---------------------------------+--------------------+ | innodb_ft_min_token_size | 2 | | innodb_ft_server_stopword_table | mysql/my_stopwords | +---------------------------------+--------------------+3.2 創建全文索引
alter table article add fulltext index idx_full_keyword(keywords); * [ ] Query OK, 0 rows affected, 1 warning (1 min 27.92 sec) * [ ] Records: 0 Duplicates: 0 Warnings: 13.3 剩余磁盤空間需足夠，原表 4.6G，剩余 5.7G 磁盤，添加全文索引也會失敗
df -h Filesystem Size Used Avail Use% Mounted on /dev/vda1 7.8G 6.3G 1.2G 85% / tmpfs 1.9G 0 1.9G 0% /dev/shm /dev/mapper/vg_opt-lvol0 19G 12G 5.7G 68% /datas 會創建原表大小的臨時文件 8.6K Jul 5 16:19 #sql-5250_3533.frm 4.4G Jul 5 16:20 #sql-ib117-1768830977.ibd alter table article add fulltext index idx_full_keyword(keywords); ERROR 1114 (HY000): The table article is full3.4 利用創建的全文索引進行查詢某個關鍵詞出現的次數
查詢響應時間有了很大的提升，只需 0.05s；使用 where keywords like % 時尚 % 需要 7.56s
select count(*) from article where match(keywords) against(% 時尚 % +----------+ | count(*) | +----------+ | 163 | +----------+ 1 row in set (0.05 sec)3.5 如需同時完全匹配多個關鍵詞，用布爾全文搜索
表示完全匹配 三里屯, 北京 的記錄數：
select count(*) from article where match(keywords) against(+ 三里屯, 北京 in boolean mode); +----------+ | count(*) | +----------+ | 1 | +----------+ 1 row in set (0.06 sec) 表示匹配“三里屯” 或者 “北京”的記錄數 select count(*) from article where match(keywords) against(三里屯, 北京 +----------+ | count(*) | +----------+ | 8 | +----------+ 1 row in set (0.06 sec)3.6 創建全文索引后，會創建一些其它文件
96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_1.ibd 96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_2.ibd 96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_3.ibd 96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_4.ibd 128K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_5.ibd 256K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_6.ibd 96K Jul 5 16:29 FTS_00000000000000a7_BEING_DELETED_CACHE.ibd 96K Jul 5 16:29 FTS_00000000000000a7_BEING_DELETED.ibd 96K Jul 5 16:30 FTS_00000000000000a7_CONFIG.ibd 96K Jul 5 16:29 FTS_00000000000000a7_DELETED_CACHE.ibd 96K Jul 5 16:29 FTS_00000000000000a7_DELETED.ibd前 6 個表示倒排索引（輔助索引表）
第 7，8 個表示包含已刪除文檔的文檔 ID（DOC_ID），其數據當前正在從全文索引中刪除
第 9 個表示 FULLTEXT 索引內部狀態的信息
第 10，11 個表示包含已刪除但尚未從全文索引中刪除其數據的文檔
使用 ngram 分詞解析器創建全文索引
1、對 title 字段建立全文索引（該字段沒有固定的 stopwords 分詞，使用 ngram 分詞解析器）
需先在 my.cnf 配置文件中設置 ngram_token_size（默認為 2，2 個字符作為 ngram 的關鍵詞），并重啟 mysql 服務。
這里使用默認的 2
select title from article limit 10; +------------------------------------------------------------------------------+ | title | +------------------------------------------------------------------------------+ | worth IT | |Launchpad 江南皮革廠小 show | |Raw 幕后罕見一刻 “瘋子”被抬回后臺 | |Raw: 公子大罵老爸你就是個綠茶 公子以一打四 | | 四組 30 平米精裝小戶型，海量圖片，附戶型圖 | | 夜店女王性感煙熏貓眼妝 | | 大秀哥重摔“巨石”強森 | | 少女時代 崔秀英 服飾科普 林允兒 黃美英 金泰妍 鄭秀晶 | | 德陽戶外踏青，花田自助燒烤 | +------------------------------------------------------------------------------+2、對 title 字段創建全文索引
alter table article add fulltext index ft_index_title(title) with parser ngram; Query OK, 0 rows affected (3 min 29.22 sec) Records: 0 Duplicates: 0 Warnings: 03、會創建倒排索引（title 字段越長長，創建的倒排索引越大）
112M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_1.ibd 28M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_2.ibd 20M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_3.ibd 140M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_4.ibd 128M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_5.ibd 668M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_6.ibd4、不建立全文索引搜索 title 的某個關鍵詞
select count(*) from article where title like % 戶外 % +----------+ | count(*) | +----------+ | 22058 | +----------+ 1 row in set (8.60 sec) select count(*) from article where title like % 后臺 % +----------+ | count(*) | +----------+ | 1142 | +----------+5、使用全文索引搜索某個關鍵詞
響應時間有很大的提升
select count(*) from article where match(title) against(戶外 +----------+ | count(*) | +----------+ | 22058 | +----------+ 1 row in set (0.07 sec) select count(*) from article where title like % 后臺 % +----------+ | count(*) | +----------+ | 1142 | +----------+ 1 row in set (8.31 sec)6、注意當搜索的關鍵詞字符數大于 2（ngram_token_size 定義大小）會出現不一致問題
普通搜索，實際中出現該關鍵詞的記錄數為 6 select count(*) from article where title like % 公子大 % +----------+ | count(*) | +----------+ | 6 | +----------+ 1 row in set (8.40 sec) 全文搜索，出現關鍵字的記錄數為 9443 select count(*) from article where match(title) against(公子大 +----------+ | count(*) | +----------+ | 9443 | +----------+ 1 row in set (0.06 sec) 實際出現該關鍵字的記錄數為 1 select count(*) from article where title like % 花田自助 % +----------+ | count(*) | +----------+ | 1 | +----------+ 1 row in set (8.33 sec) 全文搜索出現該關鍵詞的記錄數為 3202 select count(*) from article where match(title) against(花田自助 +----------+ | count(*) | +----------+ | 3202 | +----------+ 1 row in set (0.06 sec)結論
當 mysql 某字段中有固定的 stopword 分詞（英文的空格符，中文的“,”– 等），對該字段建立全文索引，能快速搜索出現某個關鍵詞的相關記錄信息，實現簡單搜索引擎的效果 **
當 mysql 某字段沒有固定的 stopword 分詞，使用內置解析器 ngram 可將字段值分成固定數量（ngram_token_size 定義大小）的關鍵詞快速進行搜索；當搜索的關鍵詞的字符數量不等于 ngram_token_size 定義大小時，會出現與實際情況不一致的問題
全文索引能快速搜索，也存在維護索引的開銷；字段長度越大，創建的全文索引也越大，會影響 DML 語句的吞吐量，可用專門的全文搜索引擎 ES 來做這件事
上述內容就是 MySQL 中怎么實現一個搜索引擎，你們學到知識或技能了嗎？如果還想學到更多技能或者豐富自己的知識儲備，歡迎關注丸趣 TV 行業資訊頻道。
