如何编写MySQL全文索引插件
如何编写MySQL全文索引插件
1.简介
全文索引插件用于对MYISAM的全文检索特性进行扩展。通过全文检索,我们可以对文档、图片或者视频等丰富的数据类型进行分词,建立索引,以便进行快速的检索。
目前MySQL仅在MYISAM存储引擎里支持全文检索,而对于innodb,则要在6.0以后的版本中才会实现。
但目前全文索引也有着如下的限制:
1. 只支持MyISAM
2. 不支持中文
3. 如果支持在一个单独表中使用多个字符集,则所有fulltext索引的列必须使用完全一样的字符集和库
4. MATCH()列列表必须同该表中一些FULLTEXT索引定义中的列列表完全符合,除非MATCH()在IN BOOLEAN MODE
5. 对AGAINST() 的参数必须是一个常数字符串。
那么Full Text Plugin在这其中扮演什么样的角色呢。MYISAM本身自带的分词程序会将列里面的数据进行分词存储到全文索引里,同时也会使用分词来处理查询中出现的字符串;Full Text Plugin可以完全接管该功能。
例如,我们可以通过Plugin实现对多媒体数据的分词检索,可以使用自己的算法进行分词,甚至可以改变全文检索的语法。
2. 如何编写Full Text Plugin
插件的编写主要包括: init、deinit以及parse程序;每次执行sql之前会调用一次init(),执行完成后会调用deinit函数。Parse()函数在执行SQL的过程中进行语法分析
1)声明插件
结构体st_mysql_ftparser用于声明一个full text插件
struct st_mysql_ftparser
{
intinterface_version;
int(*parse)(MYSQL_FTPARSER_PARAM *param);
int(*init)(MYSQL_FTPARSER_PARAM *param);
int(*deinit)(MYSQL_FTPARSER_PARAM *param);
};
字段 |
类型 |
描述 |
interface_version |
int |
版本号 |
parse |
int (*parse)(MYSQL_FTPARSER_PARAM *param); |
语法分析程序 |
init |
int (*init)(MYSQL_FTPARSER_PARAM *param); |
初始化函数,函数指针 |
deinit |
int (*deinit)(MYSQL_FTPARSER_PARAM *param); |
清理函数,函数指针 |
可以看到,这三个函数公用一种参数类型:MYSQL_FTPARSER_PARAM,这个结构体由MySQL来初始化,但我们同样可以修改其函数指针,以使用自定义的函数,结构体如下:
字段 |
类型 |
描述 |
mysql_parse |
int (*mysql_parse)(struct st_mysql_ftparser_param *, char *doc, int doc_len) |
默认指向mysql内建的全文分词函数。 |
mysql_add_word |
int (*mysql_add_word)(struct st_mysql_ftparser_param *, char *word, int word_len, MYSQL_FTPARSER_BOOLEAN_INFO *) |
用于对每个分解的单词进行处理;通常会把这些单词加到一颗树或列表里。并在结束后插入/更新/删除全文索引里的记录 |
ftparser_state |
void * |
我们可以在该指针分配额外的内存,用于在不同的API接口间传递 |
mysql_ftparam |
void * |
由MySQL内部使用,将信息传递给mysql_parse和mysql_add_word,编写plugin时无需修改 |
cs |
struct charset_info_st * |
文档的字符集 |
doc |
char * |
需要被解析的文档,例如,我们可以填写一个url,那么在语法分析程序里。我们可以读取到Url对应的文件,再进行分析 |
length |
int |
文档的长度,这是因为doc可能并不是以\0结尾的,我们在写plugin时需要注意这一点 |
flags |
int |
目前仅有一个选项:MYSQL_FTFLAGS_NEED_COPY。该选项用于告诉mysql_add_word需要一份单词的拷贝;内建的mysql_parse()无需指定该Flag,这是因为其使用doc的指针,而doc在离开函数后也是有效的 |
mode |
enum enum_ftparser_mode |
操作的类型,主要包括以下几种: MYSQL_FTPARSER_SIMPLE_MODE :解析程序仅返回需要的单词,剔除停词、过滤词 MYSQL_FTPARSER_WITH_STOPWORDS :用于布尔查询的单词匹配,这种情况下需要考虑所有的单词,包括停词 MYSQL_FTPARSER_FULL_BOOLEAN_ INFO :用于解析一个包含布尔操作符的布尔查询字符串;这种情况下,我们需要 设置mysql_add_word的参数——MYSQL_FTPARSER_BOOLEAN_INFO |
当mode被设置为MYSQL_FTPARSER_FULL_BOOLEAN_ INFO时。我们需要为函数mysql_add_word设置其最后一个参数,我们再看该函数的原型:
int (*mysql_add_word)(structst_mysql_ftparser_param *,
char *word, int word_len,
MYSQL_FTPARSER_BOOLEAN_INFO *);
最后一个参数结构体为MYSQL_FTPARSER_BOOLEAN_INFO,也就是结构体st_mysql_ftparser_boolean_info,如下所示:
字段 |
类型 |
描述 |
type |
enum enum_ft_token_type |
用于标示token的类型,有如下几种: FT_TOKEN_EOF : 无需设置 FT_TOKEN_WORD : 表示普通的单词 FT_TOKEN_STOPWORD: 停词 ,建立索引时会被忽略 FT_TOKEN_LEFT_PAREN : 表示一个子表达式开始 FT_TOKEN_RIGHT_PAREN : 表示一个子表达式结束 |
yesno |
int |
用于支持布尔操作: >0 单词必须要匹配,对应 + <0 不允许匹配,对应 - =0 可能匹配,会增加关联度 |
weight_adjust |
int |
关联词的重要性、 >0, 对应于>操作符 <0, 对应于<操作符
|
wasign |
char |
单词的重要性: 非0 表示噪音单词,会减少关联度,对应于操作符 ~ |
trunc |
char |
如果为非0,则单词被认为是一个前缀,所有以此为前缀的都会被匹配,对应的操作符为 * |
prev |
char |
忽略 |
quot |
char* |
对应于””双引号操作符 |
|
评论暂时关闭