MySQL 实现一个简单版搜索引擎，真是绝了！

MySQL 实现一个简单版搜索引擎，真是绝了！

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

+-------+ 
| value | 
+-------+ 
| a     | 
| about | 
| an    | 
| are   | 
| as    | 
| at    | 
| be    | 
| by    | 
| com   | 
| de    | 
| en    | 
| for   | 
| 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。

这里有一份《 完整的 MySQL 开发规范》进大厂必看，推荐看下。关注公众号Java技术栈回复mysql可以获取更多教程。

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

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