【高频面试题】FullText 全文索引（MySQL）

普通索引：匹配完整字段值 ，like '%关键词%' 不走索引，扫描全表；

全文索引 FULLTEXT ：专门用来在**长文本（文章、标题、内容）**中搜索单词 / 短语，分词检索，支持语义相关度排序。

1. 基础概念

• 适用引擎：InnoDB（MySQL5.6 + 支持）、MyISAM
• 支持字段类型：CHAR、VARCHAR、TEXT
• 原理：把文本拆分成单词（token），建立单词 → 文档 ID 的倒排索引；搜索时按单词匹配，计算相关性分数。
• 默认分词规则（英文）：按空格、标点分割；中文默认不支持分词，需要插件（ngram 分词器）。

两个重要系统参数

1. innodb_ft_min_token_size：InnoDB 最小单词长度，默认3。 小于 3 个字符的词不会被收录。
2. ft_stopword_file：停用词列表（a,the,is，中文的 "的、了"），停用词不会进索引。

⚠️ 中文坑：原生全文索引不切中文词语，连续汉字当成一个字符串。

MySQL 提供 ngram 分词插件，按固定 N 元组切分中文。

2. 创建全文索引

建表时创建

CREATE TABLE article (
    id INT PRIMARY KEY AUTO_INCREMENT,
    title VARCHAR(200),
    content TEXT,
    FULLTEXT INDEX ft_article(title, content) -- 多字段联合全文索引
) ENGINE=InnoDB;

已有表添加索引

ALTER TABLE article ADD FULLTEXT INDEX ft_article(title,content);

删除全文索引

ALTER TABLE article DROP INDEX ft_article;

3. 查询语法：MATCH() AGAINST()

语法：

MATCH(字段1,字段2) AGAINST ('搜索词' [搜索模式])

MATCH 指定要检索哪些字段，AGAINST 指定搜什么词，以及用哪种搜索规则。

返回值：相关性分数，分数越高代表匹配度越高。

3 种搜索模式

① 自然语言模式（默认 IN NATURAL LANGUAGE MODE）

查找包含关键词的行，按相关性降序；不支持运算符。

SELECT id,title, MATCH(title,content) AGAINST ('java' IN NATURAL LANGUAGE MODE) AS score
FROM article
WHERE MATCH(title,content) AGAINST ('java');

规则：

• 词出现频率太高（超过 50% 文档）会被当成停用词，搜不到！
• 最小词长限制生效。

② 布尔模式 IN BOOLEAN MODE

支持 + - > < * "短语" 运算符，不计算相关性排序，只判定是否匹配。

符号	含义
+java	必须包含 java
-mysql	不能包含 mysql
java*	前缀匹配，java 开头单词 (java,javac)
"hello world"	精确短语，连续完整词组
>word	提高该词相关性
<word	降低该词相关性

示例：必须有 java，不能有 spring

SELECT * FROM article
WHERE MATCH(title,content) AGAINST ('+java -spring' IN BOOLEAN MODE);

③ 查询扩展模式 WITH QUERY EXPANSION

先根据关键词找到相关文档，再提取文档里高频词做二次搜索，适合概念扩展，容易引入无关数据。

MATCH(title,content) AGAINST ('数据库' WITH QUERY EXPANSION);

4. 中文使用：ngram 分词器

ngram：把中文按 N 个字符滑动切分，ngram_token_size 一般设 2（二元分词）。

建表指定 ngram 解析器

CREATE TABLE news(
    id INT PRIMARY KEY AUTO_INCREMENT,
    content TEXT,
    FULLTEXT INDEX ft_news(content) WITH PARSER ngram
) ENGINE=InnoDB;

注意：ngram_token_size=2，最小搜索长度是 2，不能搜单个汉字。

查询示例：

SELECT * FROM news WHERE MATCH(content) AGAINST ('深圳' IN NATURAL LANGUAGE MODE);

5. 全文索引优缺点

✅ 优点

1. 相比 like '%xxx%' 全表扫描，全文索引检索速度快很多；
2. 自带相关性打分，适合文章搜索场景；
3. 支持布尔语法、短语匹配。

❌ 缺点

1. 有最小词长限制，太短的词无法检索；
2. 高频词（超过半数文档存在）在自然语言模式会被忽略；
3. 中文原生不支持语义分词，ngram 会产生大量碎词，索引体积大；
4. DML 开销大：新增 / 修改文本，需要维护倒排索引，写入性能下降；
5. 不支持部分场景：不能用于ORDER BY以外复杂排序；不适合短字段精确匹配。

6. 什么时候不要用 MySQL FullText？

• 大量中文搜索、需要分词（人名、专有名词）、高亮、分页权重、同义词 → 推荐 Elasticsearch / Solr
• 只是简单模糊匹配短字符串 → 普通 B + 树索引 + like 'xxx%'（前缀匹配）

7. 常见踩坑

1. MATCH 的字段列表，必须和建立全文索引的字段完全一致，否则报错；
2. 自然语言模式下，如果关键词在超过一半数据里存在，查不出结果；
3. ngram 分词 token_size 一旦设置，不能在线修改，需要重建索引；
4. AGAINST里不要直接拼接用户输入，防止注入。