详解MySQL｜深度解析MySQL 5.7的中文全文检索功能

石彦波

全文检索在MySQL里面很早就支持了，只不过一直以来只支持英文。缘由是他从来都使用空格来作为分词的分隔符，而对于中文来讲，显然用空格就不合适，需要针对中文语义进行分词。这不，从MySQL5.7开始，MySQL内置了ngram全文检索插件，用来支持中文分词，并且对MyISAM和InnoDB引擎有效。

在使用中文检索分词插件ngram之前，先得在MySQL配置文件里面设置他的分词大小，比如，

[mysqld]

ngram_token_size=2

这里把分词大小设置为2。要记住，分词的SIZE越大，索引的体积就越大，所以要根据自身情况来设置合适的大小。

示例表结构：

CREATE TABLE articles (

id INTUNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,

titleVARCHAR(200),

body TEXT,

FULLTEXT (title,body) WITH PARSER ngram

) ENGINE=InnoDBCHARACTER SET utf8mb4;

示例数据，有6行记录。

mysql> select * from articles\G

***************************1. row ***************************

id: 1

title: 数据库管理

body: 在本教程中我将向你展示如何管理数据库

***************************2. row ***************************

id: 2

title: 数据库应用开发

body: 学习开发数据库应用程序

***************************3. row ***************************

id: 3

title: MySQL完全手册

body: 学习MySQL的一切

***************************4. row ***************************

id: 4

title: 数据库与事务处理

body: 系统的学习数据库的事务概论

***************************5. row ***************************

id: 5

title: NoSQL精髓

body: 学习了解各种非结构化数据库

***************************6. row ***************************

id: 6

title: SQL 语言详解

body: 详细了解如果使用各种SQL

6 rows inset (0.00 sec)

显式指定全文检索表源

mysql> SETGLOBAL innodb_ft_aux_table="new_feature/articles";

Query OK, 0 rows affected (0.00 sec)

通过系统表，就可以查看到底是怎么划分articles里的数据。

mysql> SELECT *FROM information_schema.INNODB_FT_INDEX_CACHE LIMIT 20,10;

+------+--------------+-------------+-----------+--------+----------+

| WORD | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID| POSITION |

+------+--------------+-------------+-----------+--------+----------+

| 中我 | 2 | 2 | 1 | 2 | 28 |

| 习m | 4 | 4 | 1 | 4 | 21 |

| 习了 | 6 | 6 | 1 | 6 | 16 |

| 习开 | 3 | 3 | 1 | 3 | 25 |

| 习数 | 5 | 5 | 1 | 5 | 37 |

| 了解 | 6 | 7 | 2 | 6 | 19 |

| 了解 | 6 | 7 | 2 | 7 | 23 |

| 事务 | 5 | 5 | 1 | 5 | 12 |

| 事务 | 5 | 5 | 1 | 5 | 40 |

| 何管 | 2 | 2 | 1 | 2 | 52 |

+------+--------------+-------------+-----------+--------+----------+

10 rows in set (0.00 sec)

这里可以看到，把分词长度设置为2，所有的数据都只有两个一组。上面数据还包含了行的位置，ID等等信息。

接下来，我来进行一系列检索示范，使用方法和原来英文检索一致。