MySQL中文全文索引的mysqlcft外掛程式(1/5)

MySQL中文全文索引外掛程式mysqlcft的特點：
　　1、優點：
　　①、精準度很高：採用自創的“三位元組交叉切分演算法”，對中文語句進行分割，無中文分詞詞庫，搜尋精準度遠比中文分詞演算法高，能達到LIKE '%...%"的準確率。
　　②、查詢速度快：查詢速度比LIKE '%...%"搜尋快3～50倍，文章末尾有測試結果；
　　③、標準外掛程式式：以MySQL 5.1全文索引的標準外掛程式形式開發，不修改MySQL原始碼，不影響MySQL的其他功能，可快速跟進MySQL新版本；
　　④、支援版本多：支援所有的MySQL 5.1 Release Candidate版本，即MySQL 5.1.22 RC～最新的MySQL 5.1.25 RC；
　　⑤、支援字元集：支援包括GBK、GB2312、UTF-8、Latin1、BIG5在內的MySQL字元集（其他字元集沒有測試過）；
　　⑥、系統相容好：具有i386和x86_64兩個版本，支援32位（i386）和64位（x86_64）CPU及Linux系統；
　　⑦、適合分布式：非常適合MySQL Slave分布式系統架構，無詞庫維護成本，不存在詞庫同步問題。

　　2、缺點：
　　①、mysqlcft中文全文索引只適用於MyISAM表，因為MySQL只支援對MyISAM表建立FULLTEXT索引；
　　②、MySQL不能靜態編譯安裝，否則無法安裝mysqlcft外掛程式；
　　③、基於“三位元組交叉切分演算法”的索引檔案會比海量、ft-hightman等基於“中文分詞演算法”的索引檔案稍大，但不是大很多。根據我的測試，mysqlcft全文索引的.MYI索引檔案是.MYD資料檔案的2～5倍。


　　二、mysqlcft的核心思想──“三位元組交叉切分演算法”

　　

　　註：本文以0～7數字序號代表“英文”、“數字”和“半個漢字”，以便說明。
　　1、按三位元組對中文語句進行切分，建立全文索引：
　　例如：“全文索引”或“1台x光機”四個字會被交叉分拆為6份，建立反向索引：
　　012　　123　　234　　345　　456　　567

　　2、按三位元組對搜尋的關鍵字進行切分，在全文索引中找出對應資訊：
　　例①：搜尋索引鍵“文索”，用數字序號表示就是“2～5”，那麼它將被切分成：
　　234　　345
　　這樣，就與全文索引對上了。

　　例②：搜尋索引鍵“x光機”，用數字序號表示就是“3～7”，那麼它將被切分成：
　　345　　456　　567
　　這樣，也與全文索引對上了。

　　例③：搜尋索引鍵“1台 光機”，用數字序號表示就是“0～2”和“4～7”，那麼它將被切分成：
　　012　　456　　567
　　這樣，多關鍵字搜尋也與全文索引對上了。

首頁 1 2 3 4 5 末頁