咱们齐知谈 InnoDB 在暗昧查询数据时使用 "%xx" 会导致索引失效，但惟恐需求即是如斯，访佛这么的需求还有好多，举例，搜索引擎需要根基用户数据的关键字进行全文查找，电子商务网站需要把柄用户的查询要求，在可能需要在商品的详备先容中进行查找，这些齐不是B+树索引能很好完成的使命。
通过数值比较，界限过滤等就不错完成绝大多量咱们需要的查询了。可是，淌若但愿通过关键字的匹配来进行查询过滤，那么就需要基于相似度的查询，而不是正本的精准数值比较，全文索引即是为这种场景瞎想的。
全文索引（Full-Text Search）是将存储于数据库中的整本书或整篇著作中的淘气信息查找出来的本事。它不错把柄需要获取全文中磋议章、节、段、句、词等信息，也不错进行多样统计和分析。
在早期的 MySQL 中，InnoDB 并不接济全文检索本事，从 MySQL 5.6 运转，InnoDB 运转接济全文检索。
倒排索引全文检索赓续使用倒排索引（inverted index）来终了，倒排索引同 B+Tree 雷同，亦然一种索引结构。它在辅助表中存储了单词与单词本身在一个或多个文档中场地位置之间的映射，这赓续支配关联数组终了，领有两种阐扬时势：
火弧体育下载 inverted file index：{单词，单词场地文档的id} full inverted index：{单词，（单词场地文档的id，再具体文档中的位置）}
上图为 inverted file index 关联数组，不错看到其中单词"code"存在于文档1,4中，这么存储再进行全文查询就浅近了，不错奏凯把柄 Documents 得到包含查询关键字的文档；而 full inverted index 存储的是对，即（DocumentId,Position），因此其存储的倒排索引如下图，如关键字"code"存在于文档1的第6个单词和文档4的第8个单词。
比较之下，full inverted index 占用了更多的空间，可是能更好的定位数据，并延长一些其他搜索特色。
1、创建表时创建全文索引语法如下：
CREATE TABLE table_name ( id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY, author VARCHAR(200), title VARCHAR(200), content TEXT(500), FULLTEXT full_index_name (col_name) ) ENGINE=InnoDB;
输入查询语句：
SELECT table_id, name, space from INFORMATION_SCHEMA.INNODB_TABLES WHERE name LIKE 'test/%';
上述六个索引表组成倒排索引，称为辅助索引表。当传入的文档被象征化时，单个词与位置信息和关联的DOC_ID，把柄单词的第一个字符的字符集排序权重，在六个索引表中对单词进行悉数排序和分区。
2、在已创建的表上创建全文索引语法如下：
CREATE FULLTEXT INDEX full_index_name ON table_name(col_name);使用全文索引
MySQL 数据库接济全文检索的查询，全文索引只可在 InnoDB 或 MyISAM 的表上使用，何况只可用于创建 char,varchar,text 类型的列。
其语法如下：
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 }
全文搜索使用 MATCH() AGAINST()语法进行，其中，MATCH()收受逗号分隔的列表，定名要搜索的列。AGAINST()接纳一个要搜索的字符串，以及一个要实施的搜索类型的可选修饰符。全文检索分为三种类型：天然言语搜索、布尔搜索、查询扩展搜索，底下将对多样查询模式进行先容。
Natural Language
天然言语搜索将搜索字符串诠释为天然东谈主类言语中的短语，MATCH()默许收受 Natural Language 模式，其暗示查询带有指定关键字的文档。
接下来辘集demo来更好的交融Natural Language
SELECT count(*) AS count FROM `fts_articles` WHERE MATCH ( title, body ) AGAINST ( 'MySQL' );
上述语句，查询 title,body 列中包含 'MySQL' 关键字的行数目。上述语句还不错这么写：
SELECT count(IF(MATCH ( title, body ) against ( 'MySQL' ), 1, NULL )) AS count FROM `fts_articles`;
上述两种语句天然得到的成果是雷同的，但从里面运行来看，第二句SQL的实施速率更快些，因为第一句SQL（基于where索引查询的样式）还需要进行联系性的排序统计，而第二种样式是不需要的。
还不错通过SQL语句查询联系性：
SELECT *, MATCH ( title, body ) against ( 'MySQL' ) AS Relevance FROM fts_articles;
联系性的盘算推算依据以下四个要求：
word 是否在文档中出现 word 在文档中出现的次数 word 在索引列中的数目 几许个文档包含该 word关于 InnoDB 存储引擎的全文检索，还需要接头以下的成分：
查询的 word 在 stopword 列中，忽略该字符串的查询 查询的 word 的字符长度是否在区间 [innodb_ft_min_token_size,innodb_ft_max_token_size] 内淌若词在 stopword 中，则分歧该词进行查询，如对 'for' 这个词进行查询，成果如下所示：
SELECT *, MATCH ( title, body ) against ( 'for' ) AS Relevance FROM fts_articles;
不错看到，'for'天然在文档 2，4中出现，但由于其是 stopword ,故其联系性为0
参数 innodb_ft_min_token_size 和 innodb_ft_max_token_size 截止 InnoDB 引擎查询字符的长度，当长度小于 innodb_ft_min_token_size 好像长度大于 innodb_ft_max_token_size 时，会忽略该词的搜索。在 InnoDB 引擎中，参数 innodb_ft_min_token_size 的默许值是3，innodb_ft_max_token_size的默许值是84
Boolean
皇冠hg86a
布尔搜索使用突出查询言语的规矩来诠释搜索字符串，该字符串包含要搜索的词，欧博最新网址它还不错包含指定要求的运算符，举例匹配行中必须存在或不存在某个词，好像它的权重应高于或低于赓续情况。
举例，底下的语句要求查询有字符串"Pease"但莫得"hot"的文档，其中+和-分离暗示单词必须存在，好像一定不存在。
select * from fts_test where MATCH(content) AGAINST('+Pease -hot' IN BOOLEAN MODE);
Boolean 全文检索接济的类型包括：
+：暗示该 word 必须存在 -：暗示该 word 必须不存在 (no operator)暗示该 word 是可选的，可是淌若出现，其联系性会更高 @distance暗示查询的多个单词之间的距离是否在 distance 之内，distance 的单元是字节，这种全文检索的查询也称为 Proximity Search，如 MATCH(context) AGAINST('"Pease hot"@30' IN BOOLEAN MODE)语句暗示字符串 Pease 和 hot 之间的距离需在30字节内 >：暗示出现该单词时增多联系性 <：暗示出现该单词时镌汰联系性 ~：暗示允许出现该单词，但出当前联系性为负 * ：暗示以该单词开始的单词，如 lik*,暗示不错是 lik，like，likes " ：暗示短语底下是一些demo，望望 Boolean Mode 是如何使用的。
demo1：+ -
SELECT * FROM `fts_articles` WHERE MATCH ( title, body ) AGAINST ( '+MySQL -YourSQL' IN BOOLEAN MODE );
上述语句，查询的是包含 'MySQL' 但不包含 'YourSQL' 的信息
demo2：no operator
SELECT * FROM `fts_articles` WHERE MATCH ( title, body ) AGAINST ( 'MySQL IBM' IN BOOLEAN MODE );
上述语句，查询的 'MySQL IBM' 莫得 '+'，'-'的美艳，代表 word 是可选的，淌若出现，其联系性会更高
demo3：@
SELECT * FROM `fts_articles` WHERE MATCH ( title, body ) AGAINST ( '"DB2 IBM"@3' IN BOOLEAN MODE );
上述语句，代表 "DB2" ，"IBM"两个词之间的距离在3字节之内
demo4：> <
轻松玩赚SELECT * FROM `fts_articles` WHERE MATCH ( title, body ) AGAINST ( '+MySQL +(>database <DBMS)' IN BOOLEAN MODE );
上述语句，查询同期包含 'MySQL'，'database'，'DBMS' 的行信息，但不包含'DBMS'的行的联系性高于包含'DBMS'的行。
demo5: ~
与足球明星XXX同框合影，网友纷纷猜测他是加入他的球队了吗？SELECT * FROM `fts_articles` WHERE MATCH ( title, body ) AGAINST ( 'MySQL ~database' IN BOOLEAN MODE );
上述语句，查询包含 'MySQL' 的行，但淌若该行同期包含 'database'，则镌汰联系性。
demo6：*
SELECT * FROM `fts_articles` WHERE MATCH ( title, body ) AGAINST ( 'My*' IN BOOLEAN MODE );
上述语句，查询关键字中包含'My'的行信息。
酒企与终端一心求变背后，隐藏的是为渠道端去库存的不变。今年上半年，渠道端库存压力不断提升，因此双节成为去库存、促动销的关键节点。为此，酒企与酒商纷纷行动，不断刺激着终端动销。
安全重于泰山。进入今年，我国经济社会发展加速恢复，市场需求和预期逐步改善，各行各业生产忙，时间紧，任务重。与此同时，一段时间以来发生的安全生产事故也清楚地提示我们，各地安全生产形势严峻复杂。抓好隐患排查整治、避免生命财产损失，确保安全生产形势持续稳定，是全社会的共同期待。从这个意义来说，国务院安委办此次重点督办31家重大火灾隐患单位，既是“2023行动”的题中之义，更是兜牢安全生产底线，守护人民群众生命财产安全的必要。
亚星平台
demo7："
SELECT * FROM `fts_articles` WHERE MATCH ( title, body ) AGAINST ( '"MySQL Security"' IN BOOLEAN MODE );
上述语句，查询包含确实短语 'MySQL Security' 的行信息。
皇冠官网皇冠客服飞机：@seo3687
Query Expansion
查询扩展搜索是对天然言语搜索的修改，这种查询赓续在查询的关键词太短，用户需要 implied knowledge（隐含学问）时进行，举例，关于单词 database 的查询，用户可能但愿查询的不单是是包含 database 的文档，可能还指那些包含 MySQL、Oracle、RDBMS 的单词，而这时不错使用 Query Expansion 模式来开启全文检索的 implied knowledge通过在查询语句中添加 WITH QUERY EXPANSION / IN NATURAL LANGUAGE MODE WITH QUERY EXPANSION 不错开启 blind query expansion（又称为 automatic relevance feedback），该查询分为两个阶段。
第一阶段：把柄搜索的单词进行全文索引查询 第二阶段：把柄第一阶段产生的分词再进行一次全文检索的查询接着来看一个例子，望望 Query Expansion 是如何使用的。
-- 创建索引 create FULLTEXT INDEX title_body_index on fts_articles(title,body);
-- 使用 Natural Language 模式查询 SELECT * FROM `fts_articles` WHERE MATCH(title,body) AGAINST('database');
使用 Query Expansion 前查询成果如下：
-- 当使用 Query Expansion 模式查询 SELECT * FROM `fts_articles` WHERE MATCH(title,body) AGAINST('database' WITH QUERY expansion);
使用 Query Expansion 后查询成果如下：
由于 Query Expansion 的全文检索可能带来许多非联系性的查询，因此在使用时，用户可能需要极度严慎。
删除全文索引1、奏凯删除全文索引语法如下：
DROP INDEX full_idx_name ON db_name.table_name;
2、使用 alter table 删除全文索引语法如下：
ALTER TABLE db_name.table_name DROP INDEX full_idx_name;