程序員必備接口測(cè)試調(diào)試工具：立即使用
Apipost = Postman + Swagger + Mock + Jmeter
Api設(shè)計(jì)、調(diào)試、文檔、自動(dòng)化測(cè)試工具
后端、前端、測(cè)試，同時(shí)在線協(xié)作，內(nèi)容實(shí)時(shí)同步

模糊查詢，如查詢姓名包含”曉“的用戶，常見的寫法為 like "%曉%"，MySQL里面他會(huì)全表掃描，數(shù)據(jù)量少還好，全表掃描也很快，隨著數(shù)據(jù)增加會(huì)變慢，上ES又很重。本篇文章就來(lái)給大家介紹like模糊匹配查詢慢解決之道——MySQL全文索引。

需求

需要模糊匹配查詢一個(gè)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(jì)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(shí)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(shí)使用 "%xx" 會(huì)導(dǎo)致索引失效（此處就不展開講了）

從查詢時(shí)長(zhǎng)上來(lái)看，花費(fèi)時(shí)間：90ms

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

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(dá)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(chǔ)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(chǔ)于數(shù)據(jù)庫(kù)中的整本書或整篇文章中的任意內(nèi)容信息查找出來(lái)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(jìn)行各種統(tǒng)計(jì)和分析

3、創(chuàng)建全文索引

若需對(duì)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(shí)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(yǔ)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(yǔ)言模式是MySQL 默認(rèn) 的全文檢索模式。自然語(yǔ)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(lái) 實(shí)際結(jié)果：啥都沒有。

全匹配查詢的時(shí)候能查詢出來(lái)

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

只查詢部分查詢不出來(lái)。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(lái)呢？

全文索引默認(rèn)是只按照空格進(jìn)行分詞的，所以當(dāng)我完整的單個(gè)單詞去查詢的時(shí)候是能查出來(lái)的。但是使用部分單詞去查詢或者使用部分中文去查詢時(shí)，是查詢不出來(lái)數(shù)據(jù)的,像中文需要使用中文分詞器進(jìn)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?yàn)長(zhǎng)atin是通過空格來(lái)分詞的。但對(duì)于像中文，日文和韓文來(lái)說(shuō)，沒有這樣的分隔符。一個(gè)詞可以由多個(gè)字來(lái)組成，所以我們需要用不同的方式來(lái)處理。在MySQL 5.7.6中我們能使用一個(gè)新的全文索引插件來(lái)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(gè)字的序列。例如，用n-gram來(lái)對(duì)“齒輪傳動(dòng)”來(lái)進(jìn)行分詞，得到的結(jié)果如下：

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

這個(gè)上面這個(gè)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(gè)字符作為一個(gè)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(gè)字符作為一個(gè)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(gè)字符作為內(nèi)置分詞解析器的一個(gè)關(guān)鍵詞,合法取值范圍是1-10，如對(duì)“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(shí)，innodb_ft_min_token_size和innodb_ft_max_token_size 無(wú)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(dòng)參數(shù)

mysqld --ngram_token_size=1復(fù)制代碼

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

實(shí)際使用

初始化測(cè)試數(shù)據(jù)

這里只提供部分測(cè)試數(shù)據(jù)，我下面sql使用全量數(shù)據(jù)，數(shù)據(jù)對(duì)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(lán)'); 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(lái)查詢哪些詞在全文索引里面。這是一個(gè)非常有用的調(diào)試工具。如果我們發(fā)現(xiàn)一個(gè)包含某個(gè)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(gè)詞可能是因?yàn)槟承┰虿辉谌乃饕锩?。比如，它含有stopword，或者它的大小小于ngram_token_size等等。這個(gè)時(shí)候我們就可以通過查詢這兩個(gè)表來(lái)確認(rèn)。下面是一個(gè)簡(jiǎn)單的例子：

# test: 庫(kù)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?yàn)槲覀兩厦嬖O(shè)置了分詞數(shù)是1，所以，可以看到都是按照一個(gè)詞進(jìn)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(gè)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(yǔ)言模式 NATURAL LANGUAGE MODE 查詢

在自然語(yǔ)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(shí)，(‘繁榮昌盛’)轉(zhuǎn)換為(‘繁 榮 昌 盛’)。下面一個(gè)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(yǔ)查詢

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

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

實(shí)際使用

回到我們最開始的查詢需求，看看實(shí)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(jì)劃如下：

耗時(shí)31ms（不走索引是90ms），耗時(shí)差不多是之前的1/3。

注意點(diǎn)

1、自然語(yǔ)言全文索引創(chuàng)建索引時(shí)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(yǔ)言檢索時(shí)，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(huì)檢索出結(jié)果?？梢酝ㄟ^布爾檢索查詢；

3、在mysql的stopword中的單詞檢索不出結(jié)果?？赏ㄟ^

SELECT * FROM INFORMATION_SCHEMA.INNODB_FT_DEFAULT_STOPWORD

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(zhǎng)度和大于最長(zhǎng)長(zhǎng)度的關(guān)鍵詞無(wú)法查出結(jié)果?？梢酝ㄟ^設(shè)置對(duì)應(yīng)的變量來(lái)改變長(zhǎng)度限制，修改后需要重新創(chuàng)建索引。

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

innodb引擎下對(duì)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。

【