MySQL全文索引如何解決like模糊匹配查詢慢的問題

這篇文章主要講解了“MySQL全文索引如何解決like模糊匹配查詢慢的問題”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“MySQL全文索引如何解決like模糊匹配查詢慢的問題”吧！

需求

需要模糊匹配查詢一個單詞

select * from t_phrase where LOCATE('昌',phrase) = 0;

select * from t_chinese_phrase where instr(phrase,'昌') > 0;

select * from t_chinese_phrase where phrase like '%昌%'

explain一下看看執(zhí)行計劃

由explain的結(jié)果可知，雖然我們給phrase建了索引，但是查詢的時候，索引是失效的。

原因： mysql的索引是B+樹結(jié)構(gòu)，InnoDB在模糊查詢數(shù)據(jù)時使用 "%xx" 會導(dǎo)致索引失效（此處就不展開講了）

從查詢時長上來看，花費時間：90ms

目前數(shù)據(jù)量：93230（9.3W）已經(jīng)需要90ms，這個時間不太能接受，假如數(shù)據(jù)量增加，這個時間會不斷增長。

解決方案：

數(shù)據(jù)量不大的情況下，使用mysql的全文索引；
數(shù)據(jù)量比較大或者mysql的全文索引不達預(yù)期的情況下，可以考慮使用ES

下面主要是MySQL的全文索引相關(guān).

全文索引介紹

1、發(fā)展歷史

• 舊版的MySQL的全文索引只能用在MyISAM存儲引擎的char、varchar和text的字段上。
  

• MySQL5.6.24上InnoDB引擎也加入了全文索引。

2、全文索引

• 全文檢索（Full-Text Search） 是將存儲于數(shù)據(jù)庫中的整本書或整篇文章中的任意內(nèi)容信息查找出來的技術(shù)。它可以根據(jù)需要獲得全文中有關(guān)章、節(jié)、段、詞等信息，也可以進行各種統(tǒng)計和分析

3、創(chuàng)建全文索引

若需對大量數(shù)據(jù)設(shè)置全文索引，建議先添加數(shù)據(jù)再創(chuàng)建索引。

1、創(chuàng)建表時創(chuàng)建全文索引

create table 表名(
字段名1,
字段名2,
字段名3,
字段名4,
FULLTEXT full_index_name (字段名)
)ENGINE=InnoDB;

2、為已有表添加全文索引


create fulltext index 索引名稱 on 表名(字段名)；

eg:

create table t_word
(
    id        int unsigned auto_increment comment '自增id' primary key,
    uid       char(32)     not null comment '32位唯一id',
    word      varchar(256) null comment '英文單詞',
    translate varchar(256) null
);

create fulltext index full_idx_translate
    on t_word (translate);

create fulltext index full_idx_word
    on t_word (word);

INSERT INTO t_word (id, uid, word, translate) VALUES (1, '9d592499c65648b0a9519206688ef3f9', 'lion', '獅子');
INSERT INTO t_word (id, uid, word, translate) VALUES (2, 'ce26ac4239514bc6af481bcb1d9b67df', 'panda', '熊貓');
INSERT INTO t_word (id, uid, word, translate) VALUES (3, 'a7d6042853c44904b68275daafb44702', 'tiger', '老虎');
INSERT INTO t_word (id, uid, word, translate) VALUES (4, 'f13bd0a8ecea44fc9ade1625eeb4cc3c', 'goat', '山羊');
INSERT INTO t_word (id, uid, word, translate) VALUES (5, '27d5cbfc93a046388d712085e567474f', 'sheep', '綿羊');
INSERT INTO t_word (id, uid, word, translate) VALUES (6, 'ed35df138cf348aa937781be8ee21cbf', 'lamb', '羊羔');
INSERT INTO t_word (id, uid, word, translate) VALUES (7, 'fba5861d9527440990276e999f47ef8f', 'buffalo', '水牛');
INSERT INTO t_word (id, uid, word, translate) VALUES (8, '3a72e76f210841b1939fff0d3d721375', 'bull', '公牛');
INSERT INTO t_word (id, uid, word, translate) VALUES (9, '272e0b28ea7a48248a86f17533bf9943', 'cow', '母牛');
INSERT INTO t_word (id, uid, word, translate) VALUES (10, '47127adface54e418e4c1b9980af6d16', 'calf', '小牛');
INSERT INTO t_word (id, uid, word, translate) VALUES (11, '10592499c65648b0a9519206688ef3f9', 'little lion', '小獅子');
INSERT INTO t_word (id, uid, word, translate) VALUES (12, '1bf095110b634a01bee5b31c5ee7ee0c', 'little cow', '母牛');
INSERT INTO t_word (id, uid, word, translate) VALUES (13, '4813e588cde54c30bd65bfdbb243ad1f', 'little calf', '小小牛');
INSERT INTO t_word (id, uid, word, translate) VALUES (14, '5e377e281ad344048b6938a638b78ccb', 'little bull', '小公牛');
INSERT INTO t_word (id, uid, word, translate) VALUES (15, '2855ad0da2964c7682c178eb8271f13d', 'little buffalo', '小水牛');
INSERT INTO t_word (id, uid, word, translate) VALUES (16, '72f24c9a77644d57a36f3bdf2b8116b0', 'little lamb', '小羊羔');
INSERT INTO t_word (id, uid, word, translate) VALUES (17, '2d592499c65648b0a9519206688ef3f9', 'I''m a big lion', '我是一只大獅子');

3、刪除全文索引

   alter table 表名 drop index 索引名;

4、全文索引使用

語法

MATCH(col1,col2,...) AGAINST(expr[search_modifier])
search_modifier:
{
    IN NATURAL LANGUAGE MODE
    | IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION
    | IN BOOLEAN MODE
    | WITH QUERY EXPANSION
}

4.1  IN NATURAL LANGUAGE MODE

自然語言模式是MySQL 默認(rèn) 的全文檢索模式。自然語言模式不能使用操作符，不能指定關(guān)鍵詞必須出現(xiàn)或者必須不能出現(xiàn)等復(fù)雜查詢。

// 默認(rèn)是使用 in natural language mode
select * from t_word where match(word) against ('lion');
// 或者 顯示寫
select * from t_word where match(word) against ('lion' in natural language mode);

結(jié)果如下：

4.2 IN BOOLEAN MODE

BOOLEAN模式可以使用操作符，可以支持指定關(guān)鍵詞必須出現(xiàn)或者必須不能出現(xiàn)或者關(guān)鍵詞的權(quán)重高還是低等復(fù)雜查詢。推薦使用boolean模式

示例：

// 默認(rèn)是使用 in natural language mode
select * from t_word where match(word) against ('lion');
// 或者 顯示寫
select * from t_word where match(word) against ('lion' in natural language mode);

// 排除包含lion記錄、查詢出包含cow或者little的記錄，提升包含calf單詞的排名，降低包含cow記錄的排名，查詢出以go開頭的記錄
select * from t_word where match(word) against ('-lion cow little >calf <cow  go*' in boolean mode) ;

好像問題都解決了， 但是問題才剛開始

回到最開始的需求，我想模糊搜索

select * from t_word where  match(word) against('lio' in boolean mode);

預(yù)期值：把包含lion的都查詢出來 實際結(jié)果：啥都沒有。

全匹配查詢的時候能查詢出來

select * from t_word where  match(translate) against('小水牛' in boolean mode);

只查詢部分查詢不出來。如：下面只查詢 "小水" 或者"水牛" 都沒有數(shù)據(jù)

select * from t_word where  match(translate) against('小水' in boolean mode);

奇怪了，這咋沒出來呢？

全文索引默認(rèn)是只按照空格進行分詞的，所以當(dāng)我完整的單個單詞去查詢的時候是能查出來的。但是使用部分單詞去查詢或者使用部分中文去查詢時，是查詢不出來數(shù)據(jù)的,像中文需要使用中文分詞器進行分詞。

中文分詞與全文索引

InnoDB默認(rèn)的全文索引parser非常合適于Latin，因為Latin是通過空格來分詞的。但對于像中文，日文和韓文來說，沒有這樣的分隔符。一個詞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中我們能使用一個新的全文索引插件來處理它們：N-gram parser。

什么是N-gram？

在全文索引中，n-gram就是一段文字里面連續(xù)的n個字的序列。例如，用n-gram來對“齒輪傳動”來進行分詞，得到的結(jié)果如下：

N=1 : '齒', '輪', '傳', '動';
N=2 : '齒輪', '輪傳', '傳動';
N=3 : '齒輪傳', '輪傳動';
N=4 : '齒輪傳動';

這個上面這個N是怎么去配置的？

查一下目前的值

show variables like '%token%';

參數(shù)解析:

innodb_ft_min_token_size  
默認(rèn)3，表示最小3個字符作為一個關(guān)鍵詞，增大該值可減少全文索引的大小  
innodb_ft_max_token_size
默認(rèn)84，表示最大84個字符作為一個關(guān)鍵詞，限制該值可減少全文索引的大小
ngram_token_size
默認(rèn)2，表示2個字符作為內(nèi)置分詞解析器的一個關(guān)鍵詞,合法取值范圍是1-10，如對“abcd”建立全文索引，關(guān)鍵詞為’ab’，‘bc’，‘cd’ 當(dāng)使用ngram分詞解析器時，innodb_ft_min_token_size和innodb_ft_max_token_size 無效

修改方式

方式1： 在my.cnf中修改/添加參數(shù)

[mysqld]ngram_token_size = 1

方式2： 修改啟動參數(shù)

mysqld --ngram_token_size=1復(fù)制代碼

參數(shù)均不可動態(tài)修改，修改后需重啟MySQL服務(wù)，并重新建立全文索引

實際使用

初始化測試數(shù)據(jù)

這里只提供部分測試數(shù)據(jù)，我下面sql使用全量數(shù)據(jù)，數(shù)據(jù)對不上

create table t_chinese_phrase
(
    id     int unsigned auto_increment comment 'id'
        primary key,
    phrase varchar(32) not null comment '詞組'
)
    collate = utf8mb4_general_ci;

INSERT INTO t_chinese_phrase (id, phrase) VALUES (278911, '阿昌族');
INSERT INTO t_chinese_phrase (id, phrase) VALUES (279253, '八一南昌起義');
INSERT INTO t_chinese_phrase (id, phrase) VALUES (282316, '昌明');
INSERT INTO t_chinese_phrase (id, phrase) VALUES (282317, '昌盛');
INSERT INTO t_chinese_phrase (id, phrase) VALUES (282318, '昌言');
INSERT INTO t_chinese_phrase (id, phrase) VALUES (286534, '東昌紙');
INSERT INTO t_chinese_phrase (id, phrase) VALUES (291525, '海昌藍');
INSERT INTO test.t_chinese_phrase (id, phrase) VALUES (346682, '繁榮昌盛');
INSERT INTO test.t_chinese_phrase (id, phrase) VALUES (282317, '昌盛');
INSERT INTO test.t_chinese_phrase (id, phrase) VALUES (287738, '繁盛');
INSERT INTO test.t_chinese_phrase (id, phrase) VALUES (287736, '繁榮');

添加索引

mysql 全文索引使用倒排索引為 full inverted index
 結(jié)構(gòu)：{單詞，(單詞所在文檔的ID，單詞在具體文件中的位置)}

添加索引：

alter  table t_chinese_phrase add fulltext ful_phrase (phrase) with parser ngram;

建完索引，我們可以通過查詢INFORMATION_SCHEMA.INNODB_FT_INDEX_CACHE和INFORMATION_SCHEMA.INNODB_FT_TABLE_TABLE來查詢哪些詞在全文索引里面。這是一個非常有用的調(diào)試工具。如果我們發(fā)現(xiàn)一個包含某個詞的文檔，沒有如我們所期望的那樣出現(xiàn)在查詢結(jié)果中，那么這個詞可能是因為某些原因不在全文索引里面。比如，它含有stopword，或者它的大小小于ngram_token_size等等。這個時候我們就可以通過查詢這兩個表來確認(rèn)。下面是一個簡單的例子：

# test: 庫名  t_chinese_phrase： 表名字
SET GLOBAL innodb_ft_aux_table="test/t_chinese_phrase";
# 查詢分詞情況
SELECT * FROM INFORMATION_SCHEMA.INNODB_FT_INDEX_CACHE;
# 查詢分詞情況
select * from information_schema.innodb_ft_index_table;

查詢結(jié)果如下：

因為我們上面設(shè)置了分詞數(shù)是1，所以，可以看到都是按照一個詞進行分詞的。

字段解析：
FIRST_DOC_ID ：word第一次出現(xiàn)的文檔ID
LAST_DOC_ID : word最后一次出現(xiàn)的文檔ID
DOC_COUNT ：含有word的文檔個數(shù)
DOC_ID ：當(dāng)前文檔ID
POSITION : word 當(dāng)在前文檔ID的位置

查詢

1、使用自然語言模式 NATURAL LANGUAGE MODE 查詢

在自然語言模式（NATURAL LANGUAGE MODE)下，文本的查詢被轉(zhuǎn)換為n-gram分詞查詢的并集。

例如，當(dāng)ngram_token_size = 1 時，(‘繁榮昌盛’)轉(zhuǎn)換為(‘繁 榮 昌 盛’)。下面一個例子：

SELECT * FROM t_chinese_phrase WHERE MATCH (phrase) AGAINST ('繁榮昌盛' in natural language mode) ;

2、使用布爾模式（BOOLEAN MODE）查詢

布爾模式（BOOLEAN MODE）文本查詢被轉(zhuǎn)化為n-gram分詞的短語查詢

例如，當(dāng)ngram_token_size = 1 時，(‘繁榮昌盛’)轉(zhuǎn)換為(‘”繁榮昌盛“’)。下面一個例子：

SELECT * FROM t_chinese_phrase WHERE MATCH (phrase) AGAINST ('繁榮昌盛' in boolean  mode) ;

實際使用

回到我們最開始的查詢需求，看看實際的效果

查詢包含了“昌”的數(shù)據(jù)

SELECT * FROM t_chinese_phrase WHERE MATCH (phrase) AGAINST ('昌' IN boolean  MODE) ;
SELECT * FROM t_chinese_phrase WHERE MATCH (phrase) AGAINST ('昌' ) order by id asc;

可以看到結(jié)果：目前“昌”在任意位置都能被查詢到。

查詢執(zhí)行計劃如下：

耗時31ms（不走索引是90ms），耗時差不多是之前的1/3。

注意點

1、自然語言全文索引創(chuàng)建索引時的字段需與查詢的字段保持一致，即MATCH里的字段必須和FULLTEXT里的一模一樣；

2、自然語言檢索時，檢索的關(guān)鍵字在所有數(shù)據(jù)中不能超過50%（即常見詞），則不會檢索出結(jié)果。可以通過布爾檢索查詢；

3、在mysql的stopword中的單詞檢索不出結(jié)果。可通過

SELECT * FROM INFORMATION_SCHEMA.INNODB_FT_DEFAULT_STOPWORD

登錄后復(fù)制

查詢所有的stopword。遇到這種情況，有兩種解決辦法：

（1）stopword一般是mysql自建的，但可以通過設(shè)置ft_stopword_file變量為自定義文件，從而自己設(shè)置stopword，設(shè)置完成后需要重新創(chuàng)建索引。但不建議使用這種方法；

（2）使用布爾索引查詢。

4、小于最短長度和大于最長長度的關(guān)鍵詞無法查出結(jié)果。可以通過設(shè)置對應(yīng)的變量來改變長度限制，修改后需要重新創(chuàng)建索引。

myisam引擎下對應(yīng)的變量名為ft_min_word_len和ft_max_word_len

innodb引擎下對應(yīng)的變量名為innodb_ft_min_token_size和innodb_ft_max_token_size

5、MySQL5.7.6之前的版本不支持中文，需使用第三方插件

6、全文索引只能在 InnoDB（MySQL 5.6以后） 或 MyISAM 的表上使用，并且只能用于創(chuàng)建 char,varchar,text 類型的列。

感謝各位的閱讀，以上就是“MySQL全文索引如何解決like模糊匹配查詢慢的問題”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對MySQL全文索引如何解決like模糊匹配查詢慢的問題這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！