1. 前言

相信小伙伴們在學(xué)習(xí) Spring Cloud 微服務(wù)的過程中涉及到搜索相關(guān)的，你一定會想到使用Elasticsearch ！沒錯 Elasticsearch 很強大，但是對于一些中小型的項目、網(wǎng)站，簡單的一些分詞搜索需求，如果使用 Elasticsearch 無論是硬件成本、開發(fā)開發(fā)成本都大大增加！

如果中小項目中一些簡單的分詞搜索，可以試試 MySQL 分詞查詢，本章節(jié)跟著博主深入探討 MySQL 的分詞查詢技術(shù)，從基礎(chǔ)使用到中文處理全面解析。

2. MySQL 全文索引原理

MySQL 自 5.6 起提供了全文索引（Full?Text Index）功能，通過分詞（Tokenization）機制將一段文本拆分成一個個“詞元”（token），并建立倒排索引，從而實現(xiàn)高效的分詞查詢

1、分詞（Tokenization）
將待索引文本（通常是 TEXT 或 VARCHAR）拆分為一個個詞元。例如，英文文本會按空格與標(biāo)點分詞；中文文本默認(rèn)按字符切割，但可配置 ngram 分詞。

2、倒排索引（Inverted Index）
對每個詞元，記錄它所出現(xiàn)的所有行號（文檔 ID），并統(tǒng)計詞元出現(xiàn)頻次。查詢時，將搜索詞同樣分詞后，快速在倒排索引中定位相關(guān)文檔。

3、相關(guān)性計算
MySQL 根據(jù)詞元在文檔中出現(xiàn)的頻次（Term Frequency）、在整個表中出現(xiàn)的文檔數(shù)（Document Frequency）等，使用類似 TF?IDF 的算法計算相關(guān)度，從高到低排序返回。

3. 配置全文索引與分詞查詢

下面我們以一個articles表，字段 articles_id 、title、content 為例子來進行操作，以下是建表語句和測試數(shù)據(jù)

CREATE TABLE `articles` (
  `articles_id` int NOT NULL AUTO_INCREMENT COMMENT '文章ID',
  `title` varchar(255) DEFAULT NULL COMMENT '文章標(biāo)題',
  `content` text COMMENT '文章內(nèi)容',
  PRIMARY KEY (`articles_id`)
) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;
INSERT INTO `articles` (`articles_id`, `title`, `content`) VALUES (1, '分詞MySQL查詢', '跟麥可樂學(xué)編程：MySQL分詞查詢');
INSERT INTO `articles` (`articles_id`, `title`, `content`) VALUES (2, 'MySQL分詞', '跟麥可樂學(xué)：MySQL分詞');

3.1 建表與索引

對Mysql熟悉的小伙伴，可以直接使用SQL進行設(shè)置

ALTER TABLE articles 
ADD FULLTEXT INDEX ft_index (title, content) 
WITH PARSER ngram;  -- 中文需指定ngram解析器

喜歡圖形化操作的小伙伴可按下圖設(shè)置

3.2 基本查詢語法

自然語言模式（Natural Language Mode）

SELECT articles_id, title, content,
	MATCH(title, content) AGAINST('分詞 查詢') AS score
FROM articles
WHERE MATCH(title, content)
      AGAINST('分詞 查詢');

默認(rèn)按自然語言解析查詢詞，忽略停用詞、極短詞和頻繁出現(xiàn)詞

查詢輸出效果

布爾模式（Boolean Mode）

SELECT articles_id, title, content FROM articles
WHERE MATCH(title,content)
      AGAINST('+分詞 -查詢' IN BOOLEAN MODE);

查詢輸出效果

3.3 關(guān)鍵操作符

通過布爾模式查詢上圖的效果，下面介紹一下布爾模式支持邏輯運算符：

小伙伴們通過上述操作符，就可以自由定制自己的分詞查詢規(guī)則

4. 中文分詞 ngram 與插件方案

4.1 ngram 分詞

MySQL 自帶的 ngram 插件可實現(xiàn)中文近似分詞：

-- 修改my.cnf（建議token長度2）
[mysqld]
ngram_token_size=2
-- 建表時指定分詞器 如：
CREATE TABLE chinese_news (
  id INT PRIMARY KEY,
  content TEXT,
  FULLTEXT INDEX (content) WITH PARSER ngram
);

配置了 ngram_token_size=2 中文分詞原理，按兩字切分，例如

原始文本："分詞查詢"
分詞結(jié)果：["分詞"，"詞查"，"查詢"]

4.2 第三方分詞插件

Mecab、jieba 插件：將分詞邏輯交給外部庫，實現(xiàn)更精準(zhǔn)的中文分詞。

這里博主就不做過多介紹了，可以根據(jù)插件文檔進行安裝即可

5. 進階優(yōu)化與監(jiān)控

• 查詢性能監(jiān)控
  • 使用 EXPLAIN 查看 FULLTEXT 查詢是否走全文索引。
  • 利用慢查詢?nèi)罩竞Y選耗時的全文檢索。
• 分片與分表
  • 對于超大文本表，可按日期或業(yè)務(wù)維度分表分區(qū)，保證索引文件大小可控。
• 增量索引
  • InnoDB 支持后臺算法自動增量更新全文索引，無需手動重建整個索引。
• 權(quán)重調(diào)優(yōu)

MATCH() AGAINST() 可對多列設(shè)置權(quán)重：

MATCH(title) AGAINST('分詞') * 2 +
MATCH(content) AGAINST('分詞') AS relevance

6. 結(jié)語

MySQL分詞查詢?yōu)槿乃阉魈峁┝烁咝У膬?nèi)置解決方案。通過合理配置分詞參數(shù)、選擇合適的分詞器（如 ngram 或第三方插件），并運用自然語言模式與布爾模式，小伙伴們可以輕松滿足大多數(shù)中小項目中的搜索場景的需求。對于更復(fù)雜的需求，建議結(jié)合專業(yè)搜索引擎如Elasticsearch構(gòu)建搜索體系。

到此這篇關(guān)于分詞搜索必須上Elasticsearch?試試MySQL分詞查詢技術(shù)的文章就介紹到這了,更多相關(guān)mysql分詞查詢內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論