18143453325 在线咨询 在线咨询
18143453325 在线咨询
所在位置: 首页 > 营销资讯 > 电子商务 > 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!

时间:2023-03-17 03:52:01 | 来源:电子商务

时间:2023-03-17 03:52:01 来源:电子商务

前言

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;

+-------+ | 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。

测试innodb引擎使用全文索引

准备

1、目标

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;3、导入1kw 数据进行测试全文索引
该数据来源网上搜索
提取码:60l7

4、某个文章表 的结构

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 '真实来源', `keywords` varchar(32) DEFAULT NULL, `publish_time` timestamp NULL DEFAULT NULL, PRIMARY KEY (`id`), KEY `title_idx` (`title`)) ENGINE=InnoDB使用myloader 多线程导入测试数据,先把测试数据进行解压

tar -zxf mydumper_dump_article.tar.gztime myloader -u $user -p $passwd -S $socket -t 32 -d /datas/dump_article -v 35、导入数据后总数据量和数据文件、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

select keywords from article limit 10;+-------------------------------------------------+| keywords |+-------------------------------------------------+| NULL || NULL || ,婚姻,爱情 || 发型,偏分,化妆,时尚 || 小A, || ,服装搭配,女性,时尚 || 漂亮,女性 || 情人节,东莞,女性 || 皮肤,护肤,护肤,食品营养,美容,养生 || 三里屯,北京,时尚 |+-------------------------------------------------+2、不建全文索引时搜索某个关键词
需要进行全表扫描

select count(*) from article where keywords like '%时尚%';+----------+| count(*) |+----------+| 163 |+----------+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)

[mysqld]innodb_ft_min_token_size=23.1 设置自定义stopwords(即分词)

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 创建全文索引

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

df -hFilesystem 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会创建原表大小的临时文件 8.6K Jul 5 16:19 #sql-5250_3533.frm 4.4G Jul 5 16:20 #sql-ib117-1768830977.ibdalter table article add fulltext index idx_full_keyword(keywords);ERROR 1114 (HY000): The table 'article' is full3.4 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

select count(*) from article where match(keywords) against('%时尚%');+----------+| count(*) |+----------+| 163 |+----------+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:

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”的记录数select count(*) from article where match(keywords) against('三里屯,北京');+----------+| count(*) |+----------+| 8 |+----------+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.ibd96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_2.ibd96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_3.ibd96K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_4.ibd128K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_5.ibd256K Jul 5 16:30 FTS_00000000000000a7_00000000000000c0_INDEX_6.ibd96K Jul 5 16:29 FTS_00000000000000a7_BEING_DELETED_CACHE.ibd96K Jul 5 16:29 FTS_00000000000000a7_BEING_DELETED.ibd96K Jul 5 16:30 FTS_00000000000000a7_CONFIG.ibd96K Jul 5 16:29 FTS_00000000000000a7_DELETED_CACHE.ibd96K Jul 5 16:29 FTS_00000000000000a7_DELETED.ibd

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

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

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、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.ibd28M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_2.ibd20M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_3.ibd140M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_4.ibd128M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_5.ibd668M Jul 5 21:46 FTS_00000000000000a7_00000000000000cd_INDEX_6.ibd4、不建立全文索引搜索title的某个关键词

select count(*) from article where title like '%户外%';+----------+| count(*) |+----------+| 22058 |+----------+1 row in set (8.60 sec)select count(*) from article where title like '%后台%';+----------+| count(*) |+----------+| 1142 |+----------+5、使用全文索引搜索某个关键词
响应时间有很大的提升

select count(*) from article where match(title) against('户外');+----------+| count(*) |+----------+| 22058 |+----------+1 row in set (0.07 sec)select count(*) from article where title like '%后台%';+----------+| count(*) |+----------+| 1142 |+----------+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6select count(*) from article where title like '%公子大%';+----------+| count(*) |+----------+| 6 |+----------+1 row in set (8.40 sec)全文搜索,出现关键字的记录数为9443select count(*) from article where match(title) against('公子大');+----------+| count(*) |+----------+| 9443 |+----------+1 row in set (0.06 sec)实际出现该关键字的记录数为1select count(*) from article where title like '%花田自助%';+----------+| count(*) |+----------+| 1 |+----------+1 row in set (8.33 sec)全文搜索出现该关键词的记录数为3202select count(*) from article where match(title) against('花田自助');+----------+| count(*) |+----------+| 3202 |+----------+1 row in set (0.06 sec)

结论

最后

感谢大家看到最后,如文章有不足,欢迎大家在评论区支持,给予意见。如果觉得我的文章对你有帮助,那就给我一个赞同吧。

每天都会分享java相关技术文章或行业资讯。欢迎大家关注和转发文章。

原文地址:https://mp.weixin.qq.com/s/p01D4avkHBPEAK3JxUP8eg

关键词:索引,真是,实现,简单

74
73
25
news

版权所有© 亿企邦 1997-2025 保留一切法律许可权利。

为了最佳展示效果,本站不支持IE9及以下版本的浏览器,建议您使用谷歌Chrome浏览器。 点击下载Chrome浏览器
关闭