Полнотекстовый поиск в InnoDB

| Web-технологии | Формирование задач | Коммерческое предложение |

Полнотекстовый поиск в InnoDB

Полнотекстовый поиск данных в InnoDB – это известная головная боль многих разработчиков под MySQL / InnoDB. Для тех, кто не в курсе дела я объясню. В типе таблиц MyISAM есть полноценный полнотекстовый поиск данных, однако сама таблица исторически имеет ограничения, которые являются принципиальными в отдельных проектах. В более «продвинутом» типе таблиц InnoDB полнотекстового поиска нет. Вот и приходится мириться бедным разработчикам либо с ограничениями MyISAM, либо с отсутствием поиска в InnoDB. Я хочу рассказать о том, какие есть способы организовать полноценный поиск в InnoDB без магии и исключительно штатными средствами. Также будет интересно сравнить скоростные характеристики каждого способа.

Для примера возьмем небольшую таблицу с 10000 записями.

CREATE TABLE users(
id INT(11) NOT NULL AUTO_INCREMENT,
login VARCHAR(255) DEFAULT NULL,
`password` VARCHAR(255) DEFAULT NULL,
name VARCHAR(255) DEFAULT NULL,
surname VARCHAR(255) DEFAULT NULL,
email VARCHAR(255) NOT NULL,
country VARCHAR(255) DEFAULT NULL,
city VARCHAR(255) DEFAULT NULL,
PRIMARY KEY (id)
)
ENGINE = INNODB

В этой таблице мы храним данные пользователей сайта. На самом сайте есть форма поиска пользователей, в которую можно ввести произвольный запрос вида «Толстой Ясная Поляна». Для обработки такого запроса поиск должен осуществляться сразу по нескольким полям. Нам нужен поиск для полей login, name, surname, city, country. Запрос может быть как одиночным словом (имя или город) или же в виде набора слов, разделенных пробелом. Проблема в том, что нам необходимо искать этот набор слов сразу по нескольким полям, что сложно сделать в InnoDB без использования дополнительных функций.

Есть несколько относительно простых способов полнотекстового поиска данных в InnoDB:

С помощью таблицы-«зеркала» в MyISAM

С помощью таблицы-«зеркала» в MyISAM с кэшированными данными

С помощью таблицы из ключевых слов в MyISAM

Разбора запроса и прямой поиск в InnoDB

Использование сторонних решений

Рассмотрим каждый из них подробнее.

С помощью таблицы-«зеркала» в MyISAM

Первый предлагаемый способ заключается в создании дополнительной таблицы в MyISAM. Как известно MyISAM достаточно неплохо поддерживает полнотекстовый поиск и это можно использовать. В эту дополнительную таблицу будут копироваться все данные из основной таблицы (users). Синхронизация будет обеспечиваться за счет триггеров. В новой таблице добавим поля login, name, surname, city, country. Таким образом, мы создадим «зеркало» основной таблицы, и работать будем с ним. Для возможности полнотекстового поиска добавим туда FULLTEXT индекс по всем 5 полям вместе:

CREATE TABLE search(
id INT(11) DEFAULT NULL,
login VARCHAR(255) DEFAULT NULL,
name VARCHAR(255) DEFAULT NULL,
surname VARCHAR(255) DEFAULT NULL,
country VARCHAR(255) DEFAULT NULL,
city VARCHAR(255) DEFAULT NULL,
FULLTEXT INDEX IX_search (city, country, login, name, surname)
)
ENGINE = MYISAM

Для синхронизации данных между основной таблицей и таблицей-«зеркалом» на users установим триггеры на запись, изменение и чтение:
Триггер на запись:

CREATE 
TRIGGER `insert`
AFTER INSERT
ON users
FOR EACH ROW
BEGIN 
insert INTO search (`id`,`login`,`name`,`surname`,`country`,`city` ) VALUES(
NEW.`id`, 
NEW.`login`,
NEW.`name`,
NEW.`surname`, 
NEW.`country`,
NEW.`city` 
);
END

Триггер на изменение:

CREATE 
TRIGGER `update`
AFTER UPDATE
ON users
FOR EACH ROW
BEGIN 
DELETE FROM `search` WHERE `id`= NEW.`id`;
insert INTO `search` (`id`,`login`,`name`,`surname`,`country`,`city` ) VALUES(
NEW.`id`, 
NEW.`login`,
NEW.`name`,
NEW.`surname`, 
NEW.`country`,
NEW.`city` 
);
END

И простой триггер на удаление:

CREATE 
TRIGGER `delete`
AFTER DELETE
ON users
FOR EACH ROW
BEGIN
DELETE FROM `search` WHERE `id`= OLD.`id`;
END

Поиск осуществляется с помощью следующего запроса:

SELECT `users`.* FROM `users` 
INNER JOIN `search` 
ON `search`.`id` = `users`.`id` 
WHERE 
MATCH(`search`.city, `search`.country, `search`.login, `search`.name, `search`.surname) AGAINST (' Владимир Тупин Санкт-Петербург ' IN BOOLEAN MODE) >0
ORDER BY MATCH(`search`.city, `search`.country, `search`.login, `search`.name, `search`.surname) AGAINST (' Владимир Тупин Санкт-Петербург ' IN BOOLEAN MODE) DESC

Здесь поиск данных происходит в таблице search, результат сортируется по релевантности, и на выходе мы получаем соответствующие записи из таблицы users.

Главный плюс такого подхода — это гибкость поиска за счет добавления дополнительных индексов и составления новых комбинаций поиска (страна+город или логин + имя + фамилия). Таким образом, мы можем свободно формировать новые наборы для поиска и правила релевантности.

Минусы этого способа (как и всех способов с созданием «зеркала») – это избыточное хранение данных. Поэтому его целесообразно использовать при небольших объемах данных как в нашем примере.

С помощью таблицы-«зеркала» в MyISAM с кэшированными данными

Второй способ также заключается в создании зеркала данных, однако здесь мы будем хранить данные только в одном поле. В поставленной задаче поиск осуществляется сразу по группе полей и мы попробуем объединить их в одно текстовое поле, разделив пробелами. Таким образом, целому набору данных в таблице users будет соответствовать одно единственное поле. Создадим таблицу search с двумя полями id и text. Id – будет соответствовать id основной таблицы (users), text – это наши «кэшированные» данные.

CREATE TABLE search(
id INT(11) DEFAULT NULL,
`text` TEXT DEFAULT NULL,
FULLTEXT INDEX IX_search_text (`text`)
)
ENGINE = MYISAM

Синхронизация также осуществляется с помощью триггеров:
Добавление:

CREATE 
TRIGGER `insert`
AFTER INSERT
ON users
FOR EACH ROW
BEGIN
insert INTO search (`id`, `text`) VALUES(NEW.`id`, 
LOWER( 
CONCAT_WS(' ', 
NEW.`name`,
NEW.`surname`, 
NEW.`login`, 
NEW.`country`, 
NEW.`city`
)
)
);
END

Изменение:

CREATE 
TRIGGER `update`
AFTER UPDATE
ON users
FOR EACH ROW
BEGIN
DELETE FROM search WHERE `id` = NEW.`id`;
insert INTO search (`id`, `text`) VALUES(NEW.`id`, 
LOWER( 
CONCAT_WS(' ', 
NEW.`name`,
NEW.`surname`, 
NEW.`login`, 
NEW.`country`, 
NEW.`city`
)
)
);
END CREATE

Удаление:

TRIGGER `delete`
AFTER DELETE
ON users
FOR EACH ROW
BEGIN
DELETE FROM search WHERE `id` = OLD.`id`;
END

Поисковый запрос выглядит так:

SELECT `users`.* FROM `users` 
INNER JOIN `search` 
ON `search`.`id` = `users`.`id` 
WHERE 
MATCH(`search`.`text`) AGAINST ('Владимир Тупин Санкт-Петербург' IN BOOLEAN MODE) >0
ORDER BY MATCH(`search`.`text`) AGAINST ('Владимир Тупин Санкт-Петербург' IN BOOLEAN MODE) DESC

Этот способ не такой гибкий как предыдущий, однако как мы увидим дальше он выигрывает в скорости при большом числе разнообразных запросов.

С помощью таблицы из ключевых слов в MyISAM

Третий способ основан на создании списка «ключевых слов» — поисковых тегов. Ключевые слова – это поля в таблице users. Например, для пользователя с полями (id=2144; login= leo; name=Лев;surname=Толстой;city=’Ясная Поляна’;country=Россия;[email protected];password=;) ключевыми словами будут («leo»; «Лев»; «Толстой»; «Ясная Поляна»; «Россия»). Все эти слова мы будем записывать в отдельную таблицу MyISAM, в которой будут два поля id и text. Id соответствует id основной таблицы (users). А text – это поле, в которое будут записываться ключевые слова-теги. Каждому пользователю из таблицы users будут соответствовать 5 записей в новой таблице search. Таким образом, мы получили таблицу тегов каждого пользователя.

CREATE TABLE search(
id INT(11) DEFAULT NULL,
`text` VARCHAR(255) DEFAULT NULL,
FULLTEXT INDEX IX_search_text (`text`)
)
ENGINE = MYISAM

Синхронизация данных осуществляется также за счет триггеров:
Создание:

CREATE 
TRIGGER `insert`
AFTER INSERT
ON users
FOR EACH ROW
BEGIN
insert INTO search (`id`,`text`) VALUES
(NEW.`id`, NEW.`login`),
(NEW.`id`, NEW.`name`),
(NEW.`id`, NEW.`surname`), 
(NEW.`id`, NEW.`country`),
(NEW.`id`, NEW.`city`);
END

Изменение:

CREATE 
TRIGGER `update`
AFTER UPDATE
ON users
FOR EACH ROW
BEGIN
DELETE FROM search WHERE `id` = NEW.`id`; 
INSERT INTO search (`id`,`text`) VALUES
(NEW.`id`, NEW.`login`),
(NEW.`id`, NEW.`name`),
(NEW.`id`, NEW.`surname`), 
(NEW.`id`, NEW.`country`),
(NEW.`id`, NEW.`city`);
END

Удаление:

CREATE 
TRIGGER `delete`
AFTER DELETE
ON users
FOR EACH ROW
BEGIN
DELETE FROM search WHERE `id` = OLD.`id`; 
END

Поисковый запрос:

SELECT `users`.* FROM `users` 
INNER JOIN `search` 
ON `search`.`id` = `users`.`id`
WHERE
MATCH(`search`.`text`) AGAINST(' Владимир Тупин Санкт-Петербург ' IN BOOLEAN MODE) > 0 
GROUP BY `search`.`id`
ORDER BY COUNT(*) DESC

Обратите внимание, что если раньше релевантность определялась встроенным механизмом поиска MyISAM, то в этом случае ее определяем сами. В результате поиска мы получили только те теги, которые соответствуют запросу. И чем больше тегов одного пользователя, тем выше он в выборке.

Приведенный пример имеет недостаток: при равном числе тегов у нескольких записей происходит естественная сортировка, что не всегда верно с точки зрения релевантности. Однако у этого метода есть высокий потенциал для дальнейшего развития. Во-первых, мы можем добавить в сортировку ORDER BY сумму оценок релевантностей от запроса MATCH AGAINST. Тем самым указанный выше недостаток будет устранен. Во-вторых, мы можем добавить в эту таблицу дополнительное поле веса тега weight, и каждому полю основной таблицы поставить в соответствие значение этого веса. Таким образом, мы можем добавить сортировку с учетом значимости (веса) отдельных полей. Это дает нам возможность делать акцент на каких то полях без ухудшения качества поиска.

Разбора запроса и прямой поиск в InnoDB

Четвертый способ суров и не использует MyISAM как предыдущие. В нем также нет дополнительных таблиц и триггеров. Мы будем просто искать по существующей таблице. Для начала нам необходимо проиндексировать все поля, в которых будет осуществляться поиск.

CREATE TABLE users(
id INT(11) NOT NULL,
login VARCHAR(255) DEFAULT NULL,
`password` VARCHAR(255) DEFAULT NULL,
name VARCHAR(255) DEFAULT NULL,
surname VARCHAR(255) DEFAULT NULL,
email VARCHAR(255) NOT NULL,
country VARCHAR(255) DEFAULT NULL,
city VARCHAR(255) DEFAULT NULL,
PRIMARY KEY (id),
INDEX city (city),
INDEX country (country),
INDEX email (email),
INDEX login (login),
INDEX name (name),
INDEX password (password),
INDEX surname (surname)
)
ENGINE = INNODB

В InnoDB поиск можем осуществлять только с помощью оператора LIKE, но для его эффективной работы необходимо разбить запрос на слова, иначе запросы, состоящие из нескольких слов, останутся без результата. Для разбиения на слова и составления запроса напишем функцию:

CREATE 
FUNCTION search(str VARCHAR(255))
RETURNS varchar(255) CHARSET cp1251
BEGIN
DECLARE output VARCHAR(255) DEFAULT '';
DECLARE temp_str VARCHAR(255);
DECLARE first_part VARCHAR(255) DEFAULT "CONCAT_WS(' ',`name`,`surname`,`login`,`country`,`city`) LIKE '%";
DECLARE last_part VARCHAR(255) DEFAULT "%'";

WHILE LENGTH(str) != 0 DO 
SET temp_str = SUBSTRING_INDEX (str, ' ', 1);
IF temp_str = str
THEN
SET str = '';
ELSE
SET str = SUBSTRING(str, LENGTH(temp_str) + 2);
END IF;
IF output != ''
THEN
SET output = CONCAT(output, ' OR ');
END IF;

SET output = CONCAT(output, first_part, temp_str, last_part);

END WHILE;
RETURN output;
END

Функция возвращает нам фрагмент сформированного поискового запроса, который просто нужно подставить и выполнить:

SET @where = CONCAT('SELECT * FROM `users` WHERE ', search ('Хабра Хабрович'));
PREPARE prepared FROM @where;
EXECUTE prepared;

Также можно использовать временные таблицы, они дадут ощутимое удобство при обработке результатов запроса.

Использование сторонних решений

Существует ряд сторонних решений для полнотекстового поиска. Наиболее популярные платформы это Sphinx и проекты на базе Apache Lucene. Их использование лишено смысла при небольших объемах данных (таких как в нашем примере), а иногда просто невозможно в связи с ограничениями (хостер, злой админ, кривые руки и т. д.).

Сравнение

Сравним показанные способы полнотекстового поиска (кроме сторонних решений) на скорость выполнения типовых запросов. Сравнивать будем на примере выполнения 50 запросов различной сложности. Для этого напишем PHP-скрипт, который будет объективно подсчитывать среднюю скорость выполнения поиска каждым из приведенных методов. Для того чтобы приблизить измерения к реальным условиям проведем второе контрольное измерение, в котором будут использованы те же самые поисковые запросы. Здесь можно будет оценить, насколько хорошо в каждом методе используются кэширующие механизмы MySQL. Сравнение скорости выполнения поисковых запросов в базе данных MySQL в таблице InnoDB различными методами:

Метод	Средняя скорость выполнения одного запроса (сек.)	Средняя скорость выполнения одного повторного запроса (сек.)
С помощью таблицы-«зеркала» в MyISAM	0.029738	0.011974
С помощью таблицы-«зеркала» в MyISAM с кэшированными данными	0.025652	0.012027
С помощью таблицы из ключевых слов в MyISAM	0.027876	0.008866
Разбора запроса и прямой поиск в InnoDB	0.136091	0.09541

Взято с habrahabr.ru

« Назад

SAPE все усложнил?

MainLink - простая и прибыльная продажа ссылок!

Последние поступления:

Стишки пирожки про Олега⁠⁠

Размещена 20 июня 2024 года

Олег купил презервативы
Проник в семидесятый год
И подарил их папе с мамой
Такой нелепый суицид

Размещена 10 августа 2020 года

Я по ТВ видел, что через 10 лет мы будем жить лучше, чем в Германии...
Я не понял, что это они с Германией сделать хотят?!

ТехЗадание на Землю

Размещена 14 марта 2018 года

Пpоект Genesis (из коpпоpативной пеpеписки)

Шпаргалка по работе с Vim

Размещена 05 декабря 2017 года

Vim довольно мощный редактор, но работа с ним не всегда наглядна.
Например если нужно отредактировать какой-то файл например при помощи crontab, без знания специфики работы с viv никак.

Ошибка: Error: Cannot find a valid baseurl for repo

Размещена 13 сентабря 2017 года

Если возникает ошибка на centos 5 вида
YumRepo Error: All mirror URLs are not using ftp, http[s] or file.
Eg. Invalid release/

FPublisher

Web-технологии: База знаний

Полнотекстовый поиск в InnoDB

С помощью таблицы-«зеркала» в MyISAM

С помощью таблицы-«зеркала» в MyISAM с кэшированными данными

С помощью таблицы из ключевых слов в MyISAM

Разбора запроса и прямой поиск в InnoDB

Использование сторонних решений

Сравнение

Последние поступления:

Стишки пирожки про Олега⁠⁠

ТехЗадание на Землю

Шпаргалка по работе с Vim

Ошибка: Error: Cannot find a valid baseurl for repo

Поиск / Карта сайта

Наши друзья

Статистика