Mysql 实现类似于 ElasticSearch 的全文检索功能

已于 2023-02-02 13:59:47 修改
阅读量1.7k 收藏 3
点赞数 1
分类专栏： MYSQL主从 文章标签： 数据库 elasticsearch mysql
于 2023-02-02 13:52:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/eagle89/article/details/128848779
版权

​

一、前言

今天一个同事问我，如何使用 Mysql 实现类似于 ElasticSearch 的全文检索功能，并且对检索关键词跑分？我当时脑子里立马产生了疑问？为啥不直接用es呢？简单好用还贼快。但是听他说，数据量不多，客户给的时间非常有限，根本没时间去搭建es，所以还是看一下 Mysql 的全文检索功能吧！
MySQL 从 5.7.6 版本开始，MySQL就内置了ngram全文解析器，用来支持中文、日文、韩文分词。在 MySQL 5.7.6 版本之前，全文索引只支持英文全文索引，不支持中文全文索引，需要利用分词器把中文段落预处理拆分成单词，然后存入数据库。本篇文章测试的时候，采用的 Mysql 5.7.6 ，InnoDB数据库引擎。

原文解析

前言

  • 只有Innodb和myisam存储引擎能用全文索引（innodb支持全文索引是从mysql5.6开始的）
  • char、varchar、text类型字段能创建全文索引（fulltext index type）
  • 全文索引的基于关键词的，如何区分不同的关键词了，就要用到分词（stopword）
  • 英文单词用空格，逗号进行分词；中文分词不方便（一个句子不知道怎样区分不同的关键词）
  • 内置分词解析器ngram支持中文，日文，韩文（将句子分成固定数字的短语）
  • 当对表写入大量数据时，写入数据后再创建全文索引的速度更快（减少了维护索引的开销）
  • 全文索引的原理的倒排索引（一种数据结构），一般利用关联数组，在辅助表中存储单词与文档中所在位置的映射

使用

用MATCH() … AGAINST 方式来进行搜索

match()表示搜索的是那个列，against表示要搜索的是那个字符串

查看默认的分词（以这些词来区分不同的关键词）；也可以自定义分词，以这些词来区分不同的关键词
SELECT * FROM information_schema.INNODB_FT_DEFAULT_STOPWORD;

如

  1. +-------+ 
  2. | value | 
  3. +-------+ 
  4. | a     | 
  5. | about | 
  6. | an    | 
  7. | are   | 
  8. | as    | 
  9. | at    | 
  10. | be    | 
  11. | by    | 
  12. | com   | 
  13. | de    | 
  14. | en    | 
  15. | for   | 
  16. | from  | 

三种类型的全文搜索方式

natural language search（自然语言搜索）

通过MATCH AGAINST 传递某个特定的字符串来进行检，默认方式

boolean search（布尔搜索）

为检索的字符串增加操作符，如“+”表示必须包含，"-"不包含，"*" 表示通配符，即使传递的字符串较小或出现在停词中，也不会被过滤掉

query expansion search（查询扩展搜索）

搜索字符串用于执行自然语言搜索，然后，搜索返回的最相关行的单词被添加到搜索字符串，并且再次进行搜索，查询将返回来自第二个搜索的行

相关参数

配置相关参数

innodb_ft_min_token_size
默认3，表示最小3个字符作为一个关键词，增大该值可减少全文索引的大小

innodb_ft_max_token_size
默认84，表示最大84个字符作为一个关键词，限制该值可减少全文索引的大小

ngram_token_size
默认2，表示2个字符作为内置分词解析器的一个关键词，如对“abcd”建立全文索引，关键词为'ab'，'bc'，'cd'

当使用ngram分词解析器时，innodb_ft_min_token_size和innodb_ft_max_token_size 无效

注意 这三个参数均不可动态修改，修改了这些参数，需重启MySQL服务，并重新建立全文索引

二、全文解析器ngram

ngram就是一段文字里面连续的n个字的序列。ngram全文解析器能够对文本进行分词，每个单词是连续的n个字的序列。
例如，用ngram全文解析器对“你好世界”进行分词:

n=1: '你', '好', '世', '界'

n=2: '你好', '好世', '世界'

n=3: '你好世', '好世界'

n=4: '你好世界'

MySQL 中使用全局变量 ngram_token_size 来配置 ngram 中 n 的大小，它的取值范围是1到10，默认值是 2。通常ngram_token_size设置为要查询的单词的最小字数。如果需要搜索单字，就要把ngram_token_size设置为 1。在默认值是 2 的情况下，搜索单字是得不到任何结果的。因为中文单词最少是两个汉字，推荐使用默认值 2。

咱们看一下Mysql默认的ngram_token_size大小：

show variables like 'ngram_token_size'

ngram_token_size 变量的两种设置方式：

1、启动mysqld命令时指定

mysqld --ngram_token_size=2

2、修改mysql配置文件

[mysqld]

ngram_token_size=2

三、全文索引

以某文书数据为例，新建数据表 t_wenshu ，并且针对文书内容字段创建全文索引，导入10w条测试数据。

1、建表时创建全文索引

CREATE TABLE `t_wenshu` (

  `province` varchar(255) DEFAULT NULL,

  `caseclass` varchar(255) DEFAULT NULL,

  `casenumber` varchar(255) DEFAULT NULL,

  `caseid` varchar(255) DEFAULT NULL,

  `types` varchar(255) DEFAULT NULL,

  `title` varchar(255) DEFAULT NULL,

  `content` longtext,

  `updatetime` varchar(255) DEFAULT NULL,

  FULLTEXT KEY `content` (`content`) WITH PARSER `ngram`

) ENGINE=InnoDB DEFAULT CHARSET=utf8;

2、通过 alter table 方式

ALTER TABLE t_wenshu ADD FULLTEXT INDEX content_index (content) WITH PARSER ngram;

3、通过 create index 方式

CREATE FULLTEXT INDEX content_index ON t_wenshu (content) WITH PARSER ngram;

四、检索模式

自然语言检索

（IN NATURAL LANGUAGE MODE）自然语言模式是 MySQL 默认的全文检索模式。自然语言模式不能使用操作符，不能指定关键词必须出现或者必须不能出现等复杂查询。

布尔检索

（IN BOOLEAN MODE）剔除一半匹配行以上都有的词，例如，每行都有this这个词的话，那用this去查时，会找不到任何结果，这在记录条数特别多时很有用，原因是数据库认为把所有行都找出来是没有意义的，这时，this几乎被当作是stopword(中断词)；布尔检索模式可以使用操作符，可以支持指定关键词必须出现或者必须不能出现或者关键词的权重高还是低等复杂查询。

   ● IN BOOLEAN MODE的特色：

      ·不剔除50%以上符合的row。

      ·不自动以相关性反向排序。

      ·可以对没有FULLTEXT index的字段进行搜寻，但会非常慢。

      ·限制最长与最短的字符串。

      ·套用Stopwords。

   ● 搜索语法规则：

     +   一定要有(不含有该关键词的数据条均被忽略)。

     -   不可以有(排除指定关键词，含有该关键词的均被忽略)。

     >   提高该条匹配数据的权重值。

     <   降低该条匹配数据的权重值。

     ~   将其相关性由正转负，表示拥有该字会降低相关性(但不像-将之排除)，只是排在较后面权重值降低。

     *   万用字，不像其他语法放在前面，这个要接在字符串后面。

     " " 用双引号将一段句子包起来表示要完全相符，不可拆字。

查询扩展检索

注释：（WITH QUERY EXPANSION）由于查询扩展可能带来许多非相关性的查询，谨慎使用！

五、检索查询

1）查询 content 中包含“盗窃罪”的记录，查询语句如下

select caseid,content, MATCH ( content) AGAINST ('盗窃罪') as score from t_wenshu where MATCH ( content) AGAINST ('盗窃罪' IN NATURAL LANGUAGE MODE)

2）查询 content 中包含“寻衅滋事”的记录，查询语句如下

select caseid,content, MATCH ( content) AGAINST ('寻衅滋事') as score from t_wenshu where MATCH ( content) AGAINST ('寻衅滋事' IN NATURAL LANGUAGE MODE) ;

3）单个汉字，查询 content 中包含“我”的记录，查询语句如下

select caseid,content, MATCH ( content) AGAINST ('我') as score from t_wenshu where MATCH ( content) AGAINST ('我' IN NATURAL LANGUAGE MODE) ;

备注：因为设置的全局变量 ngram_token_size 的值为 2。如果想查询单个汉字，需要在配置文件 my.ini 中修改 ngram_token_size = 1 ，并重启 mysqld 服务，此处不做尝试了。

4）查询字段 content 中包含 “危险驾驶”和“寻衅滋事”的语句如下：

select caseid,content, MATCH (content) AGAINST ('+危险驾驶 +寻衅滋事') as score from t_wenshu where MATCH (content) AGAINST ('+危险驾驶 +寻衅滋事' IN BOOLEAN MODE);

5）查询字段 content 中包含 “危险驾驶”，但不包含“寻衅滋事”的语句如下：

select caseid,content, MATCH (content) AGAINST ('+危险驾驶 -寻衅滋事') as score from t_wenshu where MATCH (content) AGAINST ('+危险驾驶 -寻衅滋事' IN BOOLEAN MODE);

6）查询字段 conent 中包含“危险驾驶”或者“寻衅滋事”的语句如下：

select caseid,content, MATCH (content) AGAINST ('危险驾驶 寻衅滋事') as score from t_wenshu where MATCH (content) AGAINST ('危险驾驶 寻衅滋事' IN BOOLEAN MODE);

六、总结

1）使用 Mysql 全文索引之前，搞清楚各版本支持情况；
2）全文索引比 like + % 快 N 倍，但是可能存在精度问题；
3）如果需要全文索引的是大量数据，建议先添加数据，再创建索引；
4）对于中文，可以使用 MySQL 5.7.6 之后的版本，或者 Sphinx、Lucene 等第三方的插件；
5）MATCH()函数使用的字段名，必须要与创建全文索引时指定的字段名一致，且只能是同一个表的字段不能跨表；

 

测试innodb引擎使用全文索引

准备

1、目标

  • 查询文章中是否含有某个关键词；一系列文章出现某个关键词的次数
  • 查询文章的标题是否含有某个关键词

2、设置以下参数减少磁盘IO压力

  1. SET GLOBAL sync_binlog=100;
  2. SET GLOBAL innodb_flush_log_at_trx_commit=2;

3、导入1kw 数据进行测试全文索引

该数据来源网上搜索

https://pan.baidu.com/s/1aaB1R3bkBGZRMEx0o6T61w 提取码：60l7

4、某个文章表 的结构

  1. CREATE TABLE `article` (
  2.   `id` bigint(10) NOT NULL,
  3.   `url` varchar(1024) CHARACTER SET latin1 NOT NULL DEFAULT '',
  4.   `title` varchar(256) NOT NULL DEFAULT '',
  5.   `source` varchar(32) DEFAULT '' COMMENT '真实来源',
  6.   `keywords` varchar(32) DEFAULT NULL,
  7.   `publish_time` timestamp NULL DEFAULT NULL,
  8.   PRIMARY KEY (`id`),
  9.   KEY `title_idx` (`title`)
  10. ) ENGINE=InnoDB

使用myloader 多线程导入测试数据

  1. -- 先把测试数据进行解压
  2. tar -zxf mydumper_dump_article.tar.gz
  3. time myloader -u $user -p $passwd -S $socket -t 32 -d /datas/dump_article -v 3

5、导入数据后总数据量和数据文件、索引文件大小

  1. SELECT COUNT(*) FROM `article`;
  2. +----------+
  3. | COUNT(*) |
  4. +----------+
  5. | 10000000 |
  6. +----------+
  7. 1 row in set (7.85 sec)
  9. 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';
  10. +------------+-------------+--------------+------------+----------------+------------+---------------------+
  11. | table_name | dbdata_size | dbindex_size | db_size(G) | AVG_ROW_LENGTH | table_rows | update_time         |
  12. +------------+-------------+--------------+------------+----------------+------------+---------------------+
  13. | article    | 3,710.00M   | 1,003.00M    | 4.60G      |            414 |    9388739 | 2019-07-05 15:31:37 |
  14. +------------+-------------+--------------+------------+----------------+------------+---------------------+

使用默认方式创建全文索引

1、该表已有关键词字段（对文章内容的简述），并以“,”作为分词符

  1. select keywords from article limit 10;
  2. +-------------------------------------------------+
  3. | keywords                                        |
  4. +-------------------------------------------------+
  5. | NULL                                            |
  6. | NULL                                            |
  7. | ,婚姻,爱情                                      |
  8. | 发型,偏分,化妆,时尚                             |
  9. | 小A,                                            |
  10. | ,服装搭配,女性,时尚                             |
  11. | 漂亮,女性                                       |
  12. | 情人节,东莞,女性                                |
  13. | 皮肤,护肤,护肤,食品营养,美容,养生               |
  14. | 三里屯,北京,时尚                                |
  15. +-------------------------------------------------+

2、不建全文索引时搜索某个关键词

需要进行全表扫描

  1. select count(*) from article where keywords like '%时尚%';
  2. +----------+
  3. | count(*) |
  4. +----------+
  5. |      163 |
  6. +----------+
  7. 1 row in set (7.56 sec)

3、对关键词字段创建全文索引（以 , 作为分词）

my.cnf配置文件中设置innodb_ft_min_token_size，并重启MySQL服务（最小两个字符作为一个关键词，默认三个字符作为一个关键词）

  1. [mysqld]
  2. innodb_ft_min_token_size=2

3.1 设置自定义stopwords（即分词）

  1. USE mysql;
  2. CREATE TABLE my_stopwords(VALUE VARCHAR(30)) ENGINE = INNODB;
  3. INSERT INTO my_stopwords(VALUE) VALUE (',');
  4. SET GLOBAL innodb_ft_server_stopword_table = 'mysql/my_stopwords';

~

  1. SHOW GLOBAL  VARIABLES WHERE Variable_name IN('innodb_ft_min_token_size','innodb_ft_server_stopword_table');
  2. +---------------------------------+--------------------+
  3. | Variable_name                   | Value              |
  4. +---------------------------------+--------------------+
  5. | innodb_ft_min_token_size        | 2                  |
  6. | innodb_ft_server_stopword_table | mysql/my_stopwords |
  7. +---------------------------------+--------------------+

3.2 创建全文索引

  1. alter table article add fulltext index idx_full_keyword(keywords);
  2. * [ ] Query OK, 0 rows affected, 1 warning (1 min 27.92 sec)
  3. * [ ] Records: 0  Duplicates: 0  Warnings: 1

3.3 剩余磁盘空间需足够，原表4.6G，剩余5.7G磁盘，添加全文索引也会失败

  1. df -h
  2. Filesystem            Size  Used Avail Use% Mounted on
  3. /dev/vda1             7.8G  6.3G  1.2G  85% /
  4. tmpfs                 1.9G     0  1.9G   0% /dev/shm
  5. /dev/mapper/vg_opt-lvol0
  6.                        19G   12G  5.7G  68% /datas
  8. -- 会创建原表大小的临时文件
  9.  8.6K Jul  5 16:19 #sql-5250_3533.frm
  10.  4.4G Jul  5 16:20 #sql-ib117-1768830977.ibd
  13. alter table article add fulltext index idx_full_keyword(keywords);
  14. ERROR 1114 (HY000): The table 'article' is full

3.4 利用创建的全文索引进行查询某个关键词出现的次数

查询响应时间有了很大的提升，只需0.05s；使用where keywords like '%时尚%' 需要7.56s。推荐阅读：MySQL性能优化实践（很全面，值得收藏）

  1. select count(*) from article where match(keywords) against('%时尚%');
  2. +----------+
  3. | count(*) |
  4. +----------+
  5. |      163 |
  6. +----------+
  7. 1 row in set (0.05 sec)

3.5 如需同时完全匹配多个关键词，用布尔全文搜索

表示完全匹配 "三里屯,北京" 的记录数

  1. select count(*) from article where match(keywords)  against('+三里屯,北京' in boolean mode);
  2. +----------+
  3. | count(*) |
  4. +----------+
  5. |        1 |
  6. +----------+
  7. 1 row in set (0.06 sec)

表示匹配“三里屯” 或者 “北京”的记录数

  1. select count(*) from article where match(keywords)  against('三里屯,北京');
  2. +----------+
  3. | count(*) |
  4. +----------+
  5. |        8 |
  6. +----------+
  7. 1 row in set (0.06 sec)

3.6 创建全文索引后，会创建一些其它文件

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个表示倒排索引（辅助索引表）
  • 第7，8个表示包含已删除文档的文档ID（DOC_ID），其数据当前正在从全文索引中删除
  • 第9个表示FULLTEXT索引内部状态的信息
  • 第10，11个表示包含已删除但尚未从全文索引中删除其数据的文档

使用ngram分词解析器创建全文索引

1、对title字段建立全文索引（该字段没有固定的stopwords 分词，使用ngram分词解析器）

需先在my.cnf 配置文件中设置ngram_token_size（默认为2，2个字符作为ngram 的关键词），并重启mysql服务

这里使用默认的 2

  1. select title from article limit 10;
  2. +------------------------------------------------------------------------------+
  3. | title                                                                        |
  4. +------------------------------------------------------------------------------+
  5. | worth IT                                                                    |
  6. |Launchpad 江南皮革厂小show                                                  |
  7. |Raw 幕后罕见一刻 “疯子”被抬回后台                                           |
  8. |Raw:公子大骂老爸你就是个绿茶  公子以一打四                                  |
  9. |四组30平米精装小户型，海量图片，附户型图                                    |
  10. |夜店女王性感烟熏猫眼妆                                                      |
  11. |大秀哥重摔“巨石”强森                                                        |
  12. |少女时代 崔秀英 服饰科普 林允儿 黄美英 金泰妍 郑秀晶                        |                                              
  13. |德阳户外踏青，花田自助烧烤                                                  |
  14. +------------------------------------------------------------------------------+

2、对title字段创建全文索引

  1. alter table article add fulltext index ft_index_title(title) with parser ngram;
  2. Query OK, 0 rows affected (3 min 29.22 sec)
  3. Records: 0  Duplicates: 0  Warnings: 0

3、会创建倒排索引（title字段越长长，创建的倒排索引越大）

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.ibd

4、不建立全文索引搜索title的某个关键词

  1. select count(*) from article where title like '%户外%';
  2. +----------+
  3. | count(*) |
  4. +----------+
  5. |    22058 |
  6. +----------+
  7. 1 row in set (8.60 sec)
  9. select count(*) from article where title like '%后台%';
  10. +----------+
  11. | count(*) |
  12. +----------+
  13. |     1142 |
  14. +----------+

5、使用全文索引搜索某个关键词

响应时间有很大的提升

  1. select count(*) from article where match(title)  against('户外');
  2. +----------+
  3. | count(*) |
  4. +----------+
  5. |    22058 |
  6. +----------+
  7. 1 row in set (0.07 sec)
  9. select count(*) from article where title like '%后台%';
  10. +----------+
  11. | count(*) |
  12. +----------+
  13. |     1142 |
  14. +----------+
  15. 1 row in set (8.31 sec)

6、注意当搜索的关键词字符数大于2 （ngram_token_size定义大小）会出现不一致问题

普通搜索，实际中出现该关键词的记录数为6

  1. select count(*) from article where title like '%公子大%';
  2. +----------+
  3. | count(*) |
  4. +----------+
  5. |        6 |
  6. +----------+
  7. 1 row in set (8.40 sec)

全文搜索，出现关键字的记录数为9443

  1. select count(*) from article where match(title)  against('公子大');
  2. +----------+
  3. | count(*) |
  4. +----------+
  5. |     9443 |
  6. +----------+
  7. 1 row in set (0.06 sec)

实际出现该关键字的记录数为1

  1. select count(*) from article where title like '%花田自助%';
  2. +----------+
  3. | count(*) |
  4. +----------+
  5. |        1 |
  6. +----------+
  7. 1 row in set (8.33 sec)

全文搜索出现该关键词的记录数为3202

  1. select count(*) from article where match(title)  against('花田自助');
  2. +----------+
  3. | count(*) |
  4. +----------+
  5. |     3202 |
  6. +----------+
  7. 1 row in set (0.06 sec)

结论

当mysql 某字段中有固定的stopword 分词（英文的空格符，中文的“,”"-"等），对该字段建立全文索引，能快速搜索出现某个关键词的相关记录信息，实现简单搜索引擎的效果

当mysql 某字段没有固定的stopword 分词，使用内置解析器ngram 可将字段值分成固定数量（ngram_token_size定义大小）的关键词快速进行搜索；当搜索的关键词的字符数量不等于ngram_token_size定义大小时，会出现与实际情况不一致的问题

全文索引能快速搜索，也存在维护索引的开销；字段长度越大，创建的全文索引也越大，会影响DML语句的吞吐量，可用专门的全文搜索引擎ES来做这件事

参考

https://dev.mysql.com/doc/refman/8.0/en/innodb-fulltext-index.html

 

​

jerry-89
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
MySQL 实现一个简单版搜索引擎，真是绝了！
weixin_49114080的博客
10-28 529
前言 只有Innodb和myisam存储引擎能用全文索引（innodb支持全文索引是从mysql5.6开始的） char、varchar、text类型字段能创建全文索引（fulltext index type） 全文索引的基于关键词的，如何区分不同的关键词了，就要用到分词（stopword） 英文单词用空格，逗号进行分词；中文分词不方便（一个句子不知道怎样区分不同的关键词） 内置分词解析器ngram支持中文，日文，韩文（将句子分成固定数字的短语） 当对表写入大量数据时，写入数据后再创建全文索引的速度更快（
如何玩mysql5.7实现分词查询，来实现类似ES的效果
FuzengQiu的博客
09-22 2839
来一个复杂的，我要同时查出 玛丽、快打、召，看下结果如何：--可以。不用添加沉重的框架，mysql可以实现本次需求。
Mysql实现全文检索、关键词跑分的方法实例
09-08
主要给大家介绍了关于Mysql实现全文检索、关键词跑分的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
全文检索功能（Lucene）
最新发布
you4580的专栏
07-04 832
Lucene是一个基于java开发全文检索工具包，提供了查询引擎和索引引擎如何实现全文检索：可以使用Lucene实现全文检索。Lucene是apache下的一个开放源代码的全文检索引擎工具包。提供了完整的查询引擎和索引引擎，部分文本分析引擎。Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能。
Lucene快速入门第一讲——你总得知道Lucene是个啥？
李阿昀的博客
05-20 5745
本文我将为大家讲解全文检索技术——Lucene，现在这个技术用到的比较多，我觉得大家还是应该掌握一下，不说多精通，但是应该有所了解。在讲解之前，我们先来看一个案例，通过该案例引出全文检索技术——Lucene。案例实现一个文件的搜索功能，通过关键字搜索文件，凡是文件名或文件内容包括关键字的文件都需要找出来。还可以根据中文词语进行查询，并且需要支持多个条件查询。本案例中的原始内容就是磁盘上的文件，如下图
什么是全文检索
大数据流动
10-21 1159
全文检索技术被广泛的应用于搜索引擎，查询检索等领域。我们在网络上的大部分搜索服务都用到了全文检索技术。 对于数据量大、数据结构不固定的数据可采用全文检索方式搜索，比如百度、Google等搜索引擎、论坛站内搜索、电商网站站内搜索等。 什么是全文检索呢？先看一下百度百科的专业定义。 为了能更好的理解，我们先看一个简单的例子。 案例 实现一个文件的搜索功能，通过关键字搜索文件，凡是文件名或文件内容包...
elasticsearch 相似推荐
weixin_34290000的博客
11-12 603
curl -XPUT 'http://localhost:9200/recommend?pretty' -d' { "settings": { "number_of_replicas" : 2, "similarity" : { "my_similarity" : { "type" : "BM25", "k1" : 1....
知乎实现全文检索
01-07
通常，关系型数据库如MySQL或PostgreSQL可以用于基础数据存储，但为了全文检索，我们可能需要用到NoSQL数据库，例如MongoDB或Elasticsearch，它们提供了更强大的全文索引和搜索功能。 2. **数据预处理**：在将数据...
Elasticsearch分享.pptx
11-26
总的来说，Elasticsearch是一个强大且灵活的搜索引擎，适合处理大量数据的实时搜索和分析任务，尤其在日志分析、全文检索等领域有广泛应用。通过其分布式架构和倒排索引机制，它能够提供高性能、高可用性的解决方案...
ES-ElasticSearch-head-chorm插件.zip
07-15
而ElasticSearch-head就是一款能连接ElasticSearch搜索引擎，并提供可视化的操作页面对ElasticSearch搜索引擎进行各种设置和数据检索功能的管理插件，如在head插件页面编写RESTful接口风格的请求，就可以对Elastic...
Elasticsearch的索引，单field索引和多field的联合索引
01-20
Elasticsearch的索引机制非常关键，它使用倒排索引（Inverted Index）以实现快速搜索。倒排索引与传统的B-Tree索引不同，它将每个字段的所有不同值（Term）及其对应的文档ID（Posting List）进行存储。例如，"Name...
MySQL全文检索临时代替ES实现快速搜索
Small ink的博客
08-02 1349
N-Gram是一种基于统计语言模型的算法。它的基本思想是将文本里面的内容按照字节进行大小为N的滑动窗口操作，形成了长度是N的字节片段序列。每一个字节片段称为gram，对所有gram的出现频度进行统计，并且按照事先设定好的阈值进行过滤，形成关键gram列表，也就是这个文本的向量特征空间，列表中的每一种gram就是一个特征向量维度。该模型基于这样一种假设，第N个词的出现只与前面N-1个词相关，而与其它任何词都不相关，整句的概率就是各个词出现概率的乘积。......
全文检索
wyf_IT的博客
08-20 606
全文检索 全文检索的概念 索引文件是全文检索系统的主要构成部分(全文检索技术就是围绕着索引文件展开)。索引文件中的数据是有结构的,可以对文本数据做词,字,句,段的解析.索引文件是海量数据. 搜索引擎的结构（搜索系统） 信息采集:收集数据源的所有源数据进行大数据的存储工作 信息整理:源数据海量非结构化(网页),要经过整理的过程输出封装成(索引文件) 搜索服务:应用系统,提供...
ElasticSearch相近技术比对
weixin_68580848的博客
04-28 837
总的来说并不是所有场景下都必须要使用ElasticSearch，我们需要了解多种技术的长处和劣势，根据实际场景和需求来确定选用什么技术。正所谓：没有最好的技术，只有最适合的技术。以上就是本次学习的全部内容，希望能够对小伙伴有所帮助，如果有不足之处还请多多指点。不吝赐教。感激不尽，感激不尽。。。
Elasticsearch 类似 Mysql distinct 功能实现
天空之城
07-10 4271
实现方式 使用聚合方式实现 按 floor distinct，并取出 num 最大的一条记录 { "size": 0, "aggregations": { "field1": { "terms": { "field": "floor", "size": 20 }, "aggs": { "num_to...
mysql/mariadb 实现全文检索
峡谷电光马仔的博客
12-07 1597
mysql/mariadb 实现全文检索，就我个人实际项目应用中搭建以及落地的情况来说，早期主要用solr,后期主要用elasticsearch ,其实这些都是很不错的第三方应用，但是如果规模量级很小的项目的话用这些就有点杀鸡用牛刀了，而且为了保证solr 或者es 高可用，一般都会进行集群搭建与维护，这就额外的增加了开发和部署以及维护成本，所以这里主要介绍一下中小项目下直接用mysql5.6+/mariadb10.0.6+ 实现全文检索功能
elasticsearch实现类似京东的商品搜索效果（elasticsearch动态聚合）
johnhuster的专栏
04-10 1726
用到京东的对其搜索应该不会陌生，其搜索也是使用elasticsearch完成的，下图为一个搜索效果图： 搜索筛选条件会根据查询返回的结果动态变化，要实现这个功能就要用到elasticsearch的聚合功能，先看下商品索引对应的映射： { "mapping": { "es-product": { "dynamic_templates": [ {...
ElasticSearch全文搜索引擎
2201_75971147的博客
11-27 1487
Lucene是apache下的一个开源的全文检索引擎工具包(一堆jar包)。它为软件开发人员提供一个简单易用的工具包（类库），以方便的在小型目标系统中实现全文检索的功能。Lucene适用于中小型项目 ，ES适用于中大型项目（它底层是基于lucene实现的）虽然全文搜索领域，Lucene可以被认为是迄今为止最先进、性能最好的、功能最全的搜索引擎库。但是，Lucene只是一个库。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值