全文索引的硬伤物业

想象这样一个场景：在DataBase_ble_name中有一个名为Title(标题)和Contents(内容)的字段，现在需要查询在Title或者Contents中包括“”字符的所有记录。

面对这样的一个场景，我们通常都会写这样一个脚本：SELECT * FROM DataBase_ble_name WHERE Title LIKE \'%%\' OR Contents LIKE \'%%\'; 没错，这也是我第一个想到的方法。但是我们需要思考的是：随着时间的推移，数据会越来越大，那个时候我们该如何提高我们的性能?用户随时都有可能再添加对Remark(备注)字段进行查找，难道我们就应该不厌其烦地修改程序代码?

需要指出的是：面对这样的查询条件，即使Title和Contents上都有索引，我们也无法使用到索引，因为在 \'%%\'的“”前面使用了通配符，所以无法使用到索引;如果查询的条件是\'%\'，那到是可以利用上索引。在许多数据库性能调优的文章上都说OR这个谓词可以使用SELECT UNION ALL SELECT这样的方式来提高性能，但是需要提醒大家的是：如果在一条记录中字段Title和Contents都同时存在“中国”字符的话，那么返回的结果就会出现两条相同的记录，如果你希望是唯一的记录，那么这个时候你就要注意了。

现在回到我们上面的问题，大概这个时候大家都应该想到了数据库的全文索引了。全文索引是一种特殊类型的基于标记的功能性索引，由 Microsoft SQL Server 全文引擎 (MSFTESQL) 服务创建和维护。创建全文索引的过程与创建其他类型的索引的过程差别很大。MSFTESQL 不是基于某一特定行中存储的值来构造 B 树结构，而是基于要索引的文本中的各个标记来创建倒排、堆积且压缩的索引结构。(摘自MSDN)

讲了那么久，硬伤在哪里呢?可能大家都怀疑我是不是标题党了，呵呵，马上就讲到，那就是这个全文索引能解决我们一开始提到的场景吗?回答是否定。为什么呢?因为它的分词和倒排索引造成了对字符串“”这样的内容进行‘“**”’这样的条件查询，上面那条记录是不会被返回的。它的分词应该是正向最大值的分词方法，它没有对方向再进行一次分词和索引，索引无法查询到。这个可能会被大家所忽略掉的。

主题的内容讲完了，下面附带讲一些创建全文索引的步骤和注意事项，懂的同学可以跳过。

设置全文索引的步骤

1：对着数据库点击右键-选择属性-选择文件，选中“使用全文索引”

2：对着表点击右键-全文索引-定义全文索引

3：点击下一步，如果这个表中没有唯一性索引就会出现下图所示

4：选择表列，选择断字符语言。

5：点击下一步，这里的选项要注意，如果不想再表、视图更改的时候更新全文索引，那就选择不跟踪更改;这样就可以选择是否在创建索引时启动完全填充了。

6：点击下一步创建索引要保存的目录，全文索引的索引文件是以文件的形式保存到硬盘上的。

7：之后就可以设置自动填充、手动跟踪更改，还有设置计划了。

全文索引需要注意：

所有的东西都不设防 表中必须有一个唯一性索引，当并不需要是主键。

一个表中只能有一个全文索引。

你需要告诉你的脚本你想使用全文索引，如何告诉呢?那就是使用关键字：CONTAINS、FULLTEXT、CONTAINSTABLE、FREETEXTTABLE。例如：SELECT * FROM table_name WHERE CONTAINS(fullText_column,\'\"search contents*\"\');需要记住CONTAINS等在不同场景、需求下的用法。

如果定义了变量作为传入值，那么就要注意是否需要在set字符的时候的前面加入N标识。

要对表设置全文索引，那就得先对数据库设置了全文索引，这样点击表右键的时候，“全文索引”选项才能用。

脚本在查找的时候是不区分大小写的。解决办法：SELECT * FROM Table_name WHERE Column_name=\'A\' COLLATE Chinese_PRC_CS_AI;或者SELECT * FROM Table_name WHERE ASCII(Column_name) = ASCII(\'A\');

Microsoft SQL Server 全文引擎 (MSFTESQL) 不是基于某一特定行中存储的值来构造 B 树结构，而是基于要索引的文本中的各个标记来创建倒排、堆积且压缩的索引结构。

全文索引并不一定能达到like这个谓词的效果，如LIKE \'%%\'。这正是本篇文章想要说明的。

如果数据库是在移动盘符上，好像就无法设置：数据库-属性-文件-“使用全文索引”了，这个时候chckbox是不可用的。(这个大家可以求证一下)

关于搜索结果的排序问题，全文索引并没有这个功能，也就是匹配度排序或者说是相似度排序。

Lucene中有一个Similarity类，Lucene Practical Scoring Function就包含了得分的计算公式，tf、idf。