MySQL 內建 Fulltext 僅支援拉丁語系斷詞,對中文無效。mysqlcft 作為 MySQL 5.1 插件式中文全文索引方案,採用創新的「三字節交叉切分算法」,無需詞庫即可實現高精度中文檢索。本文為系列首篇,解析核心原理與特性矩陣。
| 維度 | 特性 | 評價 |
|---|---|---|
| 算法核心 | 三字節交叉切分 | ✅ 無詞庫依賴、精度接近 LIKE %...% |
| 查詢速度 | 比 LIKE 快 3-50 倍 | ✅ 利用倒排索引,避免全表掃描 |
| 架構模式 | MySQL 5.1 標準插件 | ✅ 不修改源碼、熱載入、版本快速跟進 |
| 支援版本 | MySQL 5.1.22 RC ~ 5.1.25 RC | ⚠️ 僅限 5.1 RC 系列,GA 版需重新編譯 |
| 字元集支援 | GBK/GB2312/UTF-8/Latin1/BIG5 | ✅ 主流中文編碼全覆蓋 |
| 架構相容 | i386 + x86_64 | ✅ 32/64 位 Linux 全支援 |
| 分布式適配 | Slave 架構零詞庫同步成本 | ✅ 極適合讀寫分離集群 |
| 表引擎限制 | 僅支援 MyISAM | ❌ InnoDB 不支援 (MySQL 5.6+ InnoDB FTS 原生支援中文) |
| 安裝限制 | 禁用靜態編譯 MySQL | ❌ 需動態載入插件支援 |
| 索引體積 | .MYI 約為 .MYD 2-5 倍 | ⚠️ 大於分詞算法索引,但可接受 |
例:「全文索引」 (4 個漢字 = 8 字節) 或 「1台x光機」 (混合編碼 8 字節)
字節序號: 0 1 2 3 4 5 6 7
切分窗口: [0-2] [1-3] [2-4] [3-5] [4-6] [5-7]
生成 Token: 012 123 234 345 456 567
倒排索引: Token → 文檔ID 列表
每 3 字節滑動窗口生成一個 Token,N 字節文本生成 N-2 個 Token。
案例 1:連續關鍵字「文索」(字節 2-5)
查詢切分: 234, 345
匹配索引: 找到包含 234 和 345 的文檔 → 命中
案例 2:混合關鍵字「x光機」(字節 3-7)
查詢切分: 345, 456, 567
匹配索引: 命中
案例 3:離散關鍵字「1台 光機」(字節 0-2 + 4-7)
查詢切分: 012, 456, 567
匹配索引: 多 Token AND 邏輯 → 命中
5.1.22-rc 至 5.1.25-rc (需確認具體小版本相容性)./configure --with-plugins=max --without-docs (動態插件支援)MyISAMmysqlcft 在 MySQL 5.1 時代填補了中文全文檢索的空白,其「三字節交叉切分」算法思想極具啟發性。雖然隨著 MySQL 5.6+ 內建 ngram parser 及 Elasticsearch 等專業搜尋引擎普及,mysqlcft 歷史使命已畢,但其「無詞庫、字節級、倒排索引」的設計哲學,對理解現代全文檢索架構仍具參考價值。