--- title: "全文索引 - OceanBase 数据库 V4.6.0 | OceanBase 文档中心" description: 全文索引 在 OceanBase 数据库的 MySQL 模式下，全文索引可以应用于 CHAR 、 VARCHAR 和 TEXT 类型的列。此外，OceanBase 数据库允许在主表上建立多个全文索引，并且对于同一列也可以建立多个全文索引。 非分区表和分区表上有无主键都可以创建全文索引，创建全文索引限制如下： 全文索引… --- 切换语言 - 中文站 - 简体中文 - International - English - 日本站 - 日本語 文档反馈![](https://mdn.alipayobjects.com/huamei_22khvb/afts/img/A*P8CuR4UJ_FkAAAAAAAAAAAAADiGDAQ/original) OceanBase 数据库分布式版 - V 4.6.0 # 全文索引 更新时间：2026-07-03 13:47:04 [编辑](https://github.com/oceanbase/oceanbase-doc/edit/V4.6.0/zh-CN/700.reference/100.oceanbase-database-concepts/400.database-objects/200.database-objects-of-mysql-mode/300.index-of-mysql-mode/320.full-text-indexes-of-mysql-mode-in-concepts.md) 在 OceanBase 数据库的 MySQL 模式下，全文索引可以应用于 `CHAR`、`VARCHAR` 和 `TEXT` 类型的列。此外，OceanBase 数据库允许在主表上建立多个全文索引，并且对于同一列也可以建立多个全文索引。 非分区表和分区表上有无主键都可以创建全文索引，创建全文索引限制如下： - 全文索引仅支持应用于 `CHAR`、`VARCHAR` 和 `TEXT` 类型的列。 - 当前版本只支持创建局部（`LOCAL`）全文索引。 - 创建全文索引时不可以指定 `UNIQUE` 关键字。 - 如果要创建涉及多列的全文索引，则必须确保这些列具有相同的字符集。 通过使用这些语法和规则，OceanBase 数据库的全文索引功能提供了对文本数据的高效搜索和检索能力。 ## DML 操作 对于已创建包含全文索引的表，支持 `INSERT INTO ON DUPLICATE KEY`、`REPLACE INTO`、多表的更新/删除、以及可更新视图等复杂 DML 操作。 **示例如下：** - INSERT INTO ON DUPLICATE KEY： ```sql INSERT INTO articles VALUES ('OceanBase', 'Fulltext search index support insert into on duplicate key') ON DUPLICATE KEY UPDATE title = 'OceanBase 4.3.3'; ``` - REPLACE INTO： ```sql REPLACE INTO articles(title, context) VALUES ('Oceanbase 4.3.3', 'Fulltext search index support replace'); ``` - 多表的更新/删除。 1. 创建表 `tbl1`。 ```sql CREATE TABLE tbl1 (a int PRIMARY KEY, b text, FULLTEXT INDEX(b)); ``` 2. 创建表 `tbl2`。 ```sql CREATE TABLE tbl2 (a int PRIMARY KEY, b text); ``` 3. 多个表的更新（`UPDATE`）语句。 ```sql UPDATE tbl1 JOIN tbl2 ON tbl1.a = tbl2.a SET tbl1.b = 'dddd', tbl2.b = 'eeee'; ``` ```sql UPDATE tbl1 JOIN tbl2 ON tbl1.a = tbl2.a SET tbl1.b = 'dddd'; ``` ```sql UPDATE tbl1 JOIN tbl2 ON tbl1.a = tbl2.a SET tbl2.b = tbl1.b; ``` 4. 多个表的删除（`DELETE`）语句。 ```sql DELETE tbl1, tbl2 FROM tbl1 JOIN tbl2 ON tbl1.a = tbl2.a; ``` ```sql DELETE tbl1 FROM tbl1 JOIN tbl2 ON tbl1.a = tbl2.a; ``` ``` - 可更新视图 DML。 1. 创建视图 `fts_view`。 ```sql CREATE VIEW fts_view AS SELECT * FROM tbl1; ``` 2. `INSERT` 语句用于可更新视图。 ```sql INSERT INTO fts_view VALUES(3, 'cccc'), (4, 'dddd'); ``` 3. `UPDATE` 语句用于可更新视图。 ```sql UPDATE fts_view SET b = 'dddd'; ``` ```sql UPDATE fts_view JOIN normal ON fts_view.a = tbl2.a SET fts_view.b = 'dddd', tbl2.b = 'eeee'; ``` 4. `DELETE` 语句用于可更新视图。 ```sql DELETE FROM fts_view WHERE b = 'dddd'; ``` ```sql DELETE tbl1 FROM fts_view JOIN tbl1 ON fts_view.a = tbl1.a AND 1 = 0; ``` ## 全文索引的分词器 OceanBase 的全文索引功能支持多种内置分词器，帮助用户根据业务场景选择最优的文本分词策略。默认分词器为 **Space分词器**，其他分词器需通过`WITH PARSER`参数显式指定。 **分词器列表**： - **Space 分词器** - **Basic English 分词器** - **IK 分词器** - **Ngram 分词器** - **jieba 分词器** **配置方法示例**： 在创建或修改表时，通过 `CREATE TABLE/ALTER TABLE` 语句在为表创建全文索引时，设置参数 `WITH PARSER tokenizer_option`，指定全文索引的分词器类型。更多分词器的属性参数设置参考 [创建索引](https://www.oceanbase.com/docs/common-oceanbase-database-cn-1000000002015436)。 ```sql CREATE TABLE tbl2(id INT, name VARCHAR(18), doc TEXT, FULLTEXT INDEX full_idx1_tbl2(name, doc) WITH PARSER NGRAM PARSER_PROPERTIES=(ngram_token_size=3)); -- 修改现有表的全文索引分词器 ALTER TABLE tbl2(id INT, name VARCHAR(18), doc TEXT, FULLTEXT INDEX full_idx1_tbl2(name, doc) WITH PARSER NGRAM PARSER_PROPERTIES=(ngram_token_size=3)); -- Ngram示例 ``` ### Space 分词器（默认） **概念**： - 以空格、标点符号（如逗号、句号）或非字母数字字符（除下划线 `_` 外）为分隔符拆分文本。 - 分词结果仅包含长度在 `min_token_size`（默认 3）到 `max_token_size`（默认 84）之间的有效词元。 - 中文字符被视为单个字符处理。 **适用场景**： - 英文等以空格分隔的语言（如 “apple watch series 9”）。 - 中文以人工添加分隔符的场景（如 “南京 长江大桥”）。 **分词效果**： ```shell OceanBase（rooteoceanbase）>select tokenize("南京市长江大桥有1千米长,详见www.XXX.COM, 邮箱xx@OB.COM，一平方公里也很小 hello-word h_name", 'space'); +-------------------------------------------------------------------------------------------------------------+ | tokenize("南京市长江大桥有1千米长,详见www.XXX.COM, 邮箱xx@OB.COM，一平方公里也很小 hello-word h_name", 'space') | +-------------------------------------------------------------------------------------------------------------+ |［"详见www", "一平方公里也很小", "xxx", "南京市长江大桥有1千米长", "邮箱xx", "word", "hello”, "h_name"］ | +-------------------------------------------------------------------------------------------------------------+ ``` **示例说明**： - 空格、逗号、句号等符号作为分隔符，中文连续字符视为单词。 ### Basic English（Beng）分词器 **概念**： - 与 Space 分词器类似，但不保留下划线 `_`，将其视为分隔符。 - 适用于英文短语分隔，但对无空格术语（如 “iPhone15”）切分效果有限。 **适用场景**： - 英文文档的基础检索（如日志、评论）。 **分词效果**： ```shell OceanBase（rooteoceanbase）>select tokenize("南京市长江大桥有1千米长,详见WWW.XXX.COM, 邮箱xx@OB.COM, 一平方公里也很小 hello-word h_name", 'beng'); +-----------------------------------------------------------------------------------------------------------------------+ | tokenize("南京市长江大桥有1千米长,详见WWW.XXX.COM，邮箱xx@OB.COM, 一平方公里也很小 hello-word h_name", 'beng') | +-----------------------------------------------------------------------------------------------------------------------+ |["详见www", "一平方公里也很小", "xxx", "南京市长江大桥有1千米长", "邮箱xx", "word", "hello", "name"] | +-----------------------------------------------------------------------------------------------------------------------+ ``` **示例说明**： - 下划线`_`被切分，与Space分词器的核心差异在于对`_`的处理。 ### Ngram 分词器 **概念**： - **固定n值分词**：默认 `n=2`，将连续非分隔符字符拆分为长度为 `n` 的子序列。 - 分隔符判定规则同 Space 分词器（保留 `_` 和数字字母）。 - **不支持长度限制参数**，输出所有可能的 `n` 长度词元。 **适用场景**： - 短文本模糊匹配（如用户 ID、订单号）。 - 需要固定长度特征提取的场景（如密码策略分析）。 **分词效果**： ```shell OceanBase（rooteoceanbase）>select tokenize("南京市长江大桥有1千米长,详见WWW.XXX.COM, 邮箱xx@OB.COM, 一平方公里也很小 hello-word h_name", 'ngram'); +---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | tokenize("南京市长江大桥有1千米长,详见WWW.XXX.COM, 邮箱xx@OB.COM, 一平方公里也很小 hello-word h_name", 'ngram') | +---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ |［"邮箱", "ww", "大桥", “ob", "me", "里也", "or", "_n", "千米", "很小", "米长", "ll", "箱x", "公里", "见w", "co", "也很", "1千", "京市", "lo", "江大", "el", "rd", "一平", "方公", "he", "am", "南京", "h_", "市长", "wo", "xx", "长江", "有1", "na", "详见", "平方", "om", "桥有" | +---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ ``` **示例说明**： - 默认 `n=2` 时，输出所有连续2字符的词元，包括重叠部分。 ### Ngram2 分词器 **概念**： - 支持**动态n值范围**：通过 `min_ngram_size` 和 `max_ngram_size` 参数设置词元长度范围。 - 适用于需要多长度词元覆盖的场景。 **适用场景**： 同时需要多个固定长度词元的场景。 #### 说明 用 ngram2 分词器时，需注意其内存占用较高，比如设置 `min_ngram_size` 和 `max_ngram_size` 参数范围较大时，会生成大量词元组合，可能导致资源消耗过大。 **分词效果**： ```sql OceanBase（rooteoceanbase）>select tokenize("南京市长江大桥1千米", 'ngram2', '[{"additional_args":[{"min_ngram_size": 4},{"max_ngram_size": 6}]}]'); +----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | tokenize("南京市长江大桥1千米", 'ngram2', '[{"additional_args":[{"min_ngram_size": 4},{"max_ngram_size": 6}]}]') | +----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | ["长江大桥", "大桥1千", "江大桥1千", "市长江大桥", "京市长江", "江大桥1", "南京市长", "市长江大", "大桥1千米", "江大桥1千米", "市长江大桥1", "长江大桥1", "南京市长江", "桥1千米", "南京市长江大", "长江大桥1千", "京市长江大桥", "京市长江大" | +----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ ``` **示例说明**： - 输出长度在4-6字符的所有连续子序列，且词元可重叠。 ### IK 分词器 **概念**： - 基于开源工具 IK Analyzer 的中文分词器，支持两种模式： - **Smart 模式**：优先输出长词，减少切分数量（如“南京市”不切分为“南京”“市”）。 - **Max Word 模式**：输出所有可能的短词（如“南京市”切分为“南京”“市”）。 - 自动识别英文单词、邮箱、URL（不含 `://`）、IP 地址等格式。 **适用场景**：中文分词 **业务场景**： - 电商商品描述搜索（如“华为Mate60”精准匹配）。 - 社交媒体内容分析（如用户评论的关键词提取）。 - **Smart 模式**：会保证一个字符只会归属一个词汇，没有任何交叠，且保证组成单个词的长度尽可能长，组成的词汇尽可能少。会尝试将数词和量词组合起来，作为一个词汇输出。 ```sql OceanBase（rooteoceanbase）>select tokenize("南京市长江大桥有1千米长,详见WWW.XXX.COM, 邮箱xx@OB.COM 192.168.1.1 http://www.baidu.com hello-word hello_word", 'IK', '[{"additional_args":[{"ik_mode": "smart"}]}]'); +---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | tokenize("南京市长江大桥有1千米长,详见WWW.XXX.COM, 邮箱xx@OB.COM 192.168.1.1 http://www.baidu.com hello-word hello_word", 'IK', '[{"additional_args":[{"ik_mode": "smart"}]}]') | +---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ |["邮箱", "hello_word", "192.168.1.1", "hello-word", "长江大桥", "www.baidu.com", "www.xxx.com", "xx@ob.com", "长", "http", "1千米", "详见", "南京市", "有"] | +---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+ ``` - **max_word 模式**： 会把同一个字符包含到不同的分词中， 尽可能多的提供可能的词汇。 ```sql OceanBase（rooteoceanbase）>select tokenize("南京市长江大桥有1千米长,详见WWW.XXX.COM, 邮箱xx@OB.COM", 'IK', '[{"additional_args":[{"ik_mode": "max_word"}]}]'); +-----------------------------------------------------------------------------------------------------------------------------------------------------------------------+ | tokenize("南京市长江大桥有1千米长,详见WWW.XXX.COM, 邮箱xx@OB.COM", 'IK', '[{"additional_args":[{"ik_mode": "max_word"}]}]') | +-----------------------------------------------------------------------------------------------------------------------------------------------------------------------+ |["米", "长江大桥", "市长", "干", "南京市", "南京", "千米", "xx", "www.xxx.com", "长", "www", "xx@ob.com", "长江", "ob", "XXX", "com", "详见", "l", "有", "大桥", "邮箱"] | +-----------------------------------------------------------------------------------------------------------------------------------------------------------------------+ ``` ### jieba 分词器 **概念**：基于 Python 生态开源工具 `jieba` 的分词器，支持精准、全模式及搜索引擎模式。 **特点**： - **精准模式**：严格按词典切分（如“不能”不切分为“不”“能”）。 - **全模式**：列出所有可能的切分组合。 - **搜索引擎模式**：平衡精准与召回率（如“南京市长江大桥”→“南京”“市长”“长江大桥”）。 - 支持自定义词典和新词发现，兼容多语言（中文、英文、日文等）。 **适用场景**： - 医疗/科技领域术语分析（如“人工智能”精准切分）。 - 多语言混合文本处理（如中英混杂的社交媒体内容）。 jieba 分词器插件需要您自行安装，编译机安装步骤，详见[分词器插件](https://www.oceanbase.com/docs/common-oceanbase-database-cn-1000000005682242)。 #### 注意 当前分词器插件为实验特性，暂不建议在生产环境使用。 ### 分词器选择策略 | **业务场景** | **推荐分词器** | **理由** | | --- | --- | --- | | 英文商品标题搜索 | **Space 或 Basic English** | 简单高效，符合英文分词习惯。 | | 中文商品描述检索 | **IK 分词器** | 精准识别中文术语，支持自定义词典。 | | 日志模糊匹配（如错误代码） | **Ngram 分词器** | 无需词典，覆盖无空格文本的模糊查询需求。 | | 科技论文关键词提取 | **jieba 分词器** | 支持新词发现与复杂模式切换。 | ## 相关文档 有关创建全文索引的详细信息，参见 [创建索引](https://www.oceanbase.com/docs/common-oceanbase-database-cn-1000000005683141) 中的 **创建全文索引** 章节。 上一篇 下一篇 ![有帮助](https://gw.alipayobjects.com/mdn/ob_asset/afts/img/A*y6ocSqN8cqsAAAAAAAAAAAAAARQnAQ)![无帮助](https://gw.alipayobjects.com/mdn/ob_asset/afts/img/A*BG9IQJyLHF8AAAAAAAAAAAAAARQnAQ)![反馈](https://gw.alipayobjects.com/mdn/ob_asset/afts/img/A*eTWdQKCRKHwAAAAAAAAAAAAAARQnAQ)[AI](https://www.oceanbase.com/obi) 咨询热线