导言：技术是为了解决实际问题的，如果脱离了实际的问题空谈技术，就象是不知道目标而学习一样，效率低且最后一头雾水。因此本文将通过抛出问题－－明确目标－－解决问题的方式来讲述 全文索引。

抛出问题：

1什么是全文索引，为什么要使用全文索引

扩展问题－－分词又是什么？

2使用全文索引的工作原理是什么。

问题阐述：

在讲述什么是全文索引之前，我们来看这么一个场景：

现在经常看到的“站内”搜索等功能。

现在你想搜索 “恶魔法则”。那么网页上就会显示 所有和“恶魔法则”相关的数据。

而这个搜索可以按标题，可以按内容，也可以按作者的综合搜索。如何实现呢？

对于这个问题，一个刚学sql语句两天的朋友都会说  select * from 表名 where 标题 like '%xxx%' or 内容 like '%xxx%' or 作者 like '%xxx%';

没错，这个语句是可以实现这种功能。但是效率却无比的低下。(什么？你问为什么？这个问题请自行思考＋google)

那么如何实现这种功能，而又能提高其效率呢？

其中一种方式便是全文索引。

全文索引是为了使得“关键词搜索”功能更加的高效能。

那么什么是全文索引呢？

我们把应用场景具体化：

现在有一个文章管理系统，假设所有的文章内容都是存在数据库的一个字段里面，这个字段最长可以存储3000个字节。

文章的平均长度是2000个字节。

表结构简化如下：

文章id

文章标题

文章内容

1

超级塞亚人

我是超级塞亚人我喜欢吃苹果

而这个系统里有几十万篇文章，你想要在这几十万篇文章里找出包含词语“我喜欢吃苹果”的数据。

上面说过like的效率无比低下。那么如何替换呢？

如果可以以搜索的“关键词”建立一个索引文件，那么问题似乎会变的容易，索引文件的逻辑结构如下：

关键词

文章id

我喜欢吃苹果

1

当你搜索的时候，你会先搜索这个索引表，找到关键词为“我喜欢吃苹果”，然后你就获得了对应的文章id。这样搜索性能就会加快了很多。

或许你现在似懂非懂，再看个详细例子。

我们有这么一张数据表：

文章id

文章标题

文章内容

1

超级塞亚人

我是超级塞亚人我喜欢吃苹果，我不是天朝的人，也不是地球人

2

天朝大国

我大天朝威武，我大天朝13亿人，我大天朝

3

我喜欢游泳

游泳有很多好方法

4

动画片

我儿子喜欢看动画片，尤其是七龙珠，因为里面有塞亚人，而且塞亚人喜欢吃苹果,他们不是地球人

5

运动

我喜欢运动，喜欢跑步，喜欢游泳，喜欢健身，喜欢xxoo

6

打炮

我是一个二战的老兵，这是我的回忆录，我最幸福的时光就是在天朝吃着苹果打炮

7

。。。

8

。。。

9

。。。

然后，根据以上的文章内容，如果建立了一个索引文件(这里忽略索引文件的数据结构，仅仅以一种易于理解的方式呈现)：

关键词

文章id

塞亚人

1,4

苹果

1,4,6

天朝

1,2,6

地球

1,4

游泳

3,5

七龙珠

4

喜欢

1,4,5,6

那么当我想搜索  “塞亚人”的时候，这个索引文件直接告诉我在文章id为1和4的文章里有这个词。

这个索引文件就是“全文索引”。

(注：这里的索引文件仅仅易于理解才做成这种表格形势，在实现上有更复杂的数据结构－－为了是在这么多个关键词里迅速的找到你想找的关键词啦！这里忽略数据结构的知识，仅从本质上说明全文索引是什么，为了解决什么，即使你没有任何的专业背景知识，只要你学过任何一门数据库的sql语句，相信都能看得懂啦！)

到这里，我们已经解决了一个问题－－什么是全文索引。^^

通过观察上面的例子，如果你有心，你可能会思考这么一个问题：

超级塞亚人，是一个词汇呢，还是分为“超级”，“塞亚人”两个词汇呢？

这就是“分词”。

现在有很多专门的分词系统啦！至于算法这里并不多介绍，(因为这不仅仅包括计算机知识啦，想做的更好得需要语言学专家帮助哦)

现在我们已经知道了全文索引和分词。

那么如何使用呢？也就是说你如何使用全文索引和分词的方式来帮助优化你的搜索呢？

大体方案如下：

为了简化概念，我们只从一个固定的套路开始讨论，这样就能省略数据源这些概念，而专心其工作方式啦：

需要工作的程序：索引程序，分词程序，数据库。

工作原理：

1、索引程序从数据库读取数据，比如上面例子中的数据表，索引程序通过sql语句：select 文章id,文章标题，文章内容 from 文章表.获得文章的相关数据

2、索引程序对需要索引的内容进行“分词”，而这里的分词就是调用分词程序啦！

3、索引程序对分好词的一个个词条加入索引文件。

在你写的代码里，原来到数据库－－－－like %xxx%－－－－－的语句

就变成了到索引文件里去查找，从而找到相应的数据(这点相信你已经理解啦！)

好了，原理部分介绍到这。

mysql现在一般使用的版本其实也支持全文索引啦，索引类型为fulltext，只不过他的功能还不够强大：

是对中文的支持不够好，无法智能分词

不过要是纯英文搜索用他还是可以的，只不过要注意有个停止词的概念哦！

那么用什么方法可以快速解决中文搜索的问题呢？

你一定听说过sphinx。(即使没听说过也没关系啦，之后我们会以这个为例子来详细讲解)

coreseek=sphinx+mmesg 这个程序就可以解决这个问题的啦。

sphinx就是上面说的索引程序啦。

mmseg就是分词程序啦。

国内有人修改了sphinx源码，内建和mmseg配合，整合到一起就是coreseek啦！

在下一篇中，

1我们会结合上面的原理，具体分析coreseek的使用参数。

2最后给出具体的分词索引方案。而不仅仅是“照着葫芦画瓢”。

留下思考的问题：

上面说的工作原理当中，sphinx读取数据库生成索引。那么如果sphinx生成完索引，mysql加入了新数据，这不是没有加入到索引当中吗？如何解决？