SQL Server 全文索引的管理

全文索引不同于常见的聚集索引或非聚集索引，这些索引的内部实现是平衡树（B-Tree）结构，而全文索引在物理上是由一系列的内部表（Internal tables）构成的，这些内部表称作全文索引片段（Fragment），每一个索引片段也叫做一个倒转索引（Inverted index），也就是说，每一个倒转索引都是由一个内部表（Internal Table）实现的。

有一些好奇的朋友可能会发问：“为什么一个全文索引是由一系列的倒转索引构成的，而不是一个？为什么叫做倒转索引，把什么倒转了？”

当新建全文索引之后，全文索引只有一个索引片段（Fragment），索引片段中没有冗余的数据，从全文索引中执行contains命令时，只需要从这一个倒转索引中查找，返回结果即可。随着业务数据的更新，基础表（underlying table）的数据也会更新，这时，全文索引会创建新的倒转索引，但是，旧的数据没有被删除，这样会导致倒转索引的数量增加，也就是说，全文索引的片段增加，此时，全文索引就是由一系列的索引片段构成的。当全文索引的片段持续增多时，从全文索引中进行文本搜索需要查找更多的数据行，导致全文搜索的性能下降。在管理全文索引时，必须对索引片段进行重组（reorganize）或重建（rebuild），把已删除的数据从索引片段中物理删除，减少全文索引的片段数量，提高全文搜索的性能。

至于为什么称作倒转索引，这跟倒转索引存储的数据有关。

一，倒转索引的结构

为了便于描述，把全文索引中存储的一行数据叫做一个文档，每一个文档都使用唯一的文档ID（DocID）标识，这个DocID也就是在创建全文索引之前，必须创建的唯一索引键。

大家知道，全文索引中存储的不是整个文本，而是把文本分词之后，存储单个标记（Token）的信息，标记（Token）是分词，及其位置等信息的统称。在填充全文索引的时候，分词器（word breader）将字符串拆分成多个单词。如果单词是一个停用词（stopword），那么该分词被过滤掉，不会存储到倒转索引中，但是停用词的位置（position）会被考虑，一个分词在全文索引中的位置（Position）是该分词在源文本中的位置。简而言之，倒转索引中存储的数据是分词和DocID之间的映射。

由DocID来查询分词，是正向的；而由分词来定位DocID，是倒转的，这就是倒转索引名称的由来。

例如，一个基础表Document有两列，DocumentID和Title，在字段Title上创建全文索引：

全文引擎首先要对Title字段的文本进行分词，倒转索引中主要包含四个字段：

• Keyword字段：单个分词，从Title字段中抽取的一个标记（Token）。
• ColId字段：列序号，用于标记全文索引的列。
• DocId字段：文档ID，是8Byte的long类型，用于唯一标记当前的文档。如果唯一索引键是整数类型，那么DocID就是唯一索引键；如果唯一索引键不是整数类型，那么DocID经过中间的映射表、唯一映射到唯一索引键。因此，整数类型的唯一索引键能够优化全文查询的性能。
• Occurrence字段：分词的位置，或者叫做偏移量（Offset）。
• CreateTime字段：时间戳字段（timestamp ），用于记录倒转索引创建的时间。

例如，下图是Document表的索引片段Fragment1：

对于DocumentID=1的文档，分词器把Title字段拆分成5个分词，这5个分词分别是：Crank、Arm、and、Tire、Maintenance，出现的位置分别是1，2，3，4，5，由于分词and是一个停用词，过滤器会把分词and过滤掉，但是and分词的位置会计算在后续的分词上。因此，分词Tire的位置（Occurrence）是4，而不是3。

CREATE FULLTEXT STOPLIST stoplist_name
FROM SYSTEM STOPLIST;

ALTER FULLTEXT STOPLIST stoplist_name
ADD ‘stopword‘ LANGUAGE language_term;

ALTER FULLTEXT INDEX 
ON table_name
SET STOPLIST =stoplist_name
[WITH NO POPULATION];

sys.dm_fts_parser(‘query_string‘, lcid, stoplist_id, accent_sensitivity)

SELECT fp.keyword,
    fp.group_id,
    fp.phrase_id,
    fp.occurrence,
    fp.special_term,
    fp.display_term,
    case fp.expansion_type 
        when 0 then N‘Single word case‘
        when 2 then N‘Inflectional expansion‘
        when 4 then N‘Thesaurus expansion/replacement‘
    end as expansion_type,
    fp.source_term
FROM sys.dm_fts_parser (‘ "The Microsoft business analysis" or "MS revenue" or "multi-million" ‘, 1033, 0, 0) as fp

SELECT fp.keyword,
    fp.group_id,
    fp.phrase_id,
    fp.occurrence,
    fp.special_term,
    fp.display_term,
    case fp.expansion_type 
        when 0 then N‘Single word case‘
        when 2 then N‘Inflectional expansion‘
        when 4 then N‘Thesaurus expansion/replacement‘
    end as expansion_type,
    fp.source_term
FROM sys.dm_fts_parser (‘FORMSOF(INFLECTIONAL,run ) ‘, 1033, 0, 0) as fp

SELECT fp.keyword,
    fp.group_id,
    fp.phrase_id,
    fp.occurrence,
    fp.special_term,
    fp.display_term,
    case fp.expansion_type 
        when 0 then N‘Single word case‘
        when 2 then N‘Inflectional expansion‘
        when 4 then N‘Thesaurus expansion/replacement‘
    end as expansion_type,
    fp.source_term
FROM sys.dm_fts_parser (‘FORMSOF(THESAURUS,run ) ‘, 1033, 0, 0) as fp

1，查看数据库中的全文索引

select 
    object_name(i.object_id) as TableName,
    i.unique_index_id,
    i.fulltext_catalog_id,
    c.name as fulltext_catalog_name,
    i.is_enabled,
    i.change_tracking_state_desc,
    i.crawl_type_desc,
    i.has_crawl_completed,
    iif(i.has_crawl_completed=1,datediff(minute,i.crawl_start_date,i.crawl_end_date),0) as crawl_duration_minute,
    i.crawl_start_date,
    i.crawl_end_date,
    i.incremental_timestamp,
    i.stoplist_id,
    i.data_space_id,
    ds.name as data_space_Name,
    ds.type_desc as data_sapce_type
from  sys.fulltext_indexes i
inner join sys.data_spaces ds 
    on i.data_space_id=ds.data_space_id
inner join sys.fulltext_catalogs c
    on i.fulltext_catalog_id=c.fulltext_catalog_id

View Code

2，查看全文索引的所有分词

declare @db_id int
declare @table_id int 

set @db_id=db_id()
set @table_id=object_id(N‘schema_name.table_name‘,N‘U‘)

select kw.keyword,
    kw.display_term,
    kw.column_id,
    kw.document_count
from sys.dm_fts_index_keywords(@db_id,@table_id) as kw

View Code

3，查看当个文档的分词

declare @db_id int
declare @table_id int 

set @db_id=db_id()
set @table_id=object_id(N‘meetup.Events‘,N‘U‘)

select kw.keyword,
    kw.display_term,
    kw.column_id,
    kw.document_id,
    kw.occurrence_count
from sys.dm_fts_index_keywords_by_document(@db_id,@table_id) as kw

View Code

4，查看全文索引的内部表（Internal Tables）

SELECT SCHEMA_NAME(itab.schema_id) AS [schema]
    ,itab.name AS internal_table_name
    ,typ.name AS column_data_type 
    ,col.name as column_name
    ,col.column_id
    ,OBJECT_NAME(itab.parent_object_id) as base_table_name
FROM sys.internal_tables AS itab
INNER JOIN sys.columns AS col ON itab.object_id = col.object_id
INNER JOIN sys.types AS typ ON typ.user_type_id = col.user_type_id
where itab.internal_type_desc=N‘FULLTEXT_COMP_FRAGMENT‘
ORDER BY itab.name, col.column_id;

View Code

5，查看每一个倒转索引的大小和包含的数据行数

select object_name(table_id) as base_table_name,
    object_name(fragment_object_id) as fragment_table_name,
    fragment_id as Ordinal,
    status,
    data_size,
    row_count,
    [timestamp]
from sys.fulltext_index_fragments

View Code

字段 Status 表示索引片段的状态：

• 0 = Newly created and not yet used
• 1 = Being used for insert during fulltext index population or merge
• 4 = Closed. Ready for query
• 6 = Being used for merge input and ready for query
• 8 = Marked for deletion. Will not be used for query and merge source.

当状态值为4或6时，表示索引片段已经是全文索引的一部分，可以被查询，字段Timestamp表示该索引片段创建的时间戳，时间较晚的索引碎片中存储的是最新的数据，而时间较早的索引片段中存储的是被删除/淘汰的数据。在执行全文查询时，返回的结果中会丢弃被淘汰的数据。

参考文档：

Create and Manage Full-Text Indexes

Manage Full-Text Indexes

Improve the Performance of Full-Text Indexes

sys.dm_fts_parser (Transact-SQL)