開放原始碼MySQL是非常歡迎的資料庫管理系統，但是當使用全文檢索的方式來搜尋中文字時，效能表現上似乎差強人意，為此本文將介紹一款MySQL的外掛程式Mroonga。結合Mroonga之後，MySQL伺服器就能夠提供高效能的中文全文檢索功能。
相信提起開源碼社群上的資料庫解決方案，許多人腦海裡的第一時間應該會浮現MySQL（官方網址：https://www.mysql.com/），挾其優異的性能，早已大量運用在資料庫解決方案上。但就筆者的使用經驗而言，MySQL對於使用全文檢索（Full Index）在搜尋中文字的應用上表現似乎比較不理想。因此，在本文中將說明如何利用Mroonga（官方網址為https://mroonga.org/）為MySQL伺服器加上高效能的中文全文檢索功能。
什麼是全文檢索
一般來說，若要增進資料庫的效率，最方便有效的方法就是利用索引（Index）的方式，先從原有資料中取出部分資料，再重新加以組織為索引資料，使其能對應到原始資料，在要尋找資料時即可採用搜尋索引資料的方式，再利用其對應的資訊來找到原始資料。
由於索引的資料量遠小於原始資料量，因此可大幅地提升搜尋的效率。就如同查詢字典的用法，如果要搜索字典中的某個單字時，若此字典未建立相關的索引資料（如拼音表或部首檢字表），那就只能整本字典從頭查詢到尾。
反之，如果有建立如部首檢字表的資料，便可利用查詢部首檢字表中的資訊，很快地查詢到相對應的資料。而全文檢索即是利用相同的概念，首先對原始資料進行分詞（亦即須區分原始資料中個別的單詞）並建立相關索引資訊，但因為須多增加儲存索引資料的額外空間，所以在儲存作業上會增加相關的處理時間及儲存空間等成本。但在建立完成後，就能夠有效地利用索引資料來增進查詢資料的效率。
上述的分詞作業，會因不同的語言，而面臨到不同的困難，因此通常會將自然語言分為以下兩種類型：
‧Use word delimiter language：此類語言單詞與單詞之間有天然的分隔符（Delimiter），以英語為例，在每個單字之間均以空格符號來區分。要處理此種語言僅須以空格符號來當做分隔符進行分詞（Tokenize）操作即可。
‧Ideographic language：不同於有天然的分隔符的語言，此類語言單詞之間沒有分隔符，例如CJK（Chinese、Japanese、Korean）語言，因此必須使用外掛的處理模組，才能有效地處理，如本文中所介紹的mroonga模組就能夠用來處理CJK語言的分詞。
全文檢索方式
在建立相關索引資料後，即可利用資料庫所提供的全文檢索指令來查詢資料，以MySQL為例，便提供了兩種全文檢索的方式，如下所述：
此為簡單的字串查詢，查詢資料庫內是否有符合關鍵字的紀錄，如下例即為以全文檢索的方式來查詢是否有符合關鍵字的紀錄：
SELECT * FROM [資料庫表格名稱] WHERE MATCH (“全文檢索的欄位”) AGAINST(“關鍵字”);
此種查詢表示可利用運算子（例如+或-）進行邏輯（如AND、OR）的查詢，如下例表示查詢符合關鍵字1及關鍵字2的紀錄：
SELECT * FROM [資料庫表格名稱] WHERE MATCH (全文檢索的欄位) AGAINST(“+關鍵 字1” “+關鍵字2 “ IN BOOLEAN MODE)
以下例子為表示查詢符合關鍵字1但不會包含關鍵字2的紀錄：
SELECT * FROM [資料庫表格名稱] WHERE MATCH (全文檢索的欄位) AGAINST(“+關鍵 字1” “-關鍵字2” IN BOOLEAN MODE)
在了解查詢模式後，接著可利用「show variables like 'ft%'」來查詢MySQL所提供的全文檢索組態設定值，如圖1所示，相關組態的說明如下：
圖1 查詢MySQL所提供的全文檢索組態設定值。
ft_boolean_syntax：表示在使用布林查詢所支援的運算子，例如加號（+）代表須符合而減號（-）代表不須符合。
ft_max_word_len：表示能夠用來分詞的最長索引字串，預設為84個字元，在修改此組態值後，必須再重新建立索引檔案。
ft_min_word_len：表示能夠用來分詞的最短索引字串，預設為4個字元，在修改此組態值後，必須再重新建立索引檔案。
ft_stopword_file：設定不進行全文檢索的過濾詞資料，而相關的過濾詞並不會被全文檢索所搜尋，可利用下列指令來查看目前系統上的過濾詞資料（圖2）：
圖2 查看目前系統上的過濾詞資料。
SELECT * FROM INFORMATION_SCHEMA. INNODB_FT_DEFAULT_STOPWORD
何謂Groonga
從系統架構來說，或許可將Mroonga視為Groonga（https://groonga.org/）的外接介面，當Mroonga接收到要求時，便會透過Groonga來完成相關的要求。
Groonga是一套從2012年開始發展，並支援行欄位面向（Column-oriented）的儲存方式及中日韓（CJK）語言全文檢索功能的搜尋引擎。
首先來說明什麼是行欄位面向，資料庫的儲存方式可分為列欄位面向（Row-oriented）和行欄位面向（Column-oriented），相關說明簡述如下：
列欄位面向（Row-oriented）
這是一般最熟悉的資料庫儲存方式，一筆紀錄即為一列儲存完整的資訊，如以個人資料（包含id、姓名及電話欄位）為例：
每一列就是一筆完整的紀錄，在運用上可以快速取得整筆完整紀錄的場合，以此而言，使用者可以id欄位來快速取得整筆完整紀錄。一般熟悉的資料庫如MySQL、MSSQL，均是採用此種的資料儲存方式。
行欄位面向（Column-oriented）
不同於列面向的儲存方式，行欄位面向是以單個欄位的方式來儲存。以上例而言，便會單獨地將「姓名」、「電話」等資料個別儲存起來，未來在取用資料時，就不必像列欄位面向的資料一樣，每次均須掃描整列資料後才能取到相關的資料，因此可大幅減少資料查詢的時間。
除此之外，一般在對資料庫做資料分析時，通常僅會針對某些欄位做分析，而行欄位面向的資料會將資料儲存在不同的檔案或文件，所以在做分析時可直接取得所要的資訊，因此處理資料的效率較高。
認識Mroonga
簡單說明Groonga後，接著繼續來說明Mroonga。Mroonga提供了以存儲引擎模式（Storage Mode）及外接介面模式（Wrapper）的方式來運作，相關說明如下：
存儲模式
本文即是利用將Mroonga實作成MySQL伺服器存儲引擎（如同InnoDB、MyISAM）的方式來存取Mroonga的全文檢索功能，此種方式可完整地與MySQL結合，支援大部分的資料庫操作，並以優異的效能取代如like指令（模糊查詢）。
但要特別注意的是，Mroonga並非為真實的存儲引擎，因此相關的資料，實際上並不會直接儲存在MySQL資料庫上，而是儲存在Groonga中。除此之外，此模式並不支援事務性（Transaction）操作。因此，若有事務性功能需求的作業，並不適用此種模式。
外接介面模式
在此模式下，Mroonga將作為SQL處理模組（SQL Handler）與存儲引擎之間的一個外接介面，並且會處理全文檢索指令，當使用者下達SQL指令後，如果為全文檢索指令，就會將相關指令轉發到Mroonga執行，其他的指令則照原有的流程執行。
安裝Mroonga
在介紹Mroonga後，接著示範如何安裝Mroonga。這裡將以存儲引擎的方式來安裝Mroonga，因此必須先取得MySQL的原始碼，以8.0.26版本為例進行示範。連結至MySQL官方網站取得該版本的原始碼，並且到Mroonga的官方網站（https://packages.groonga.org/source/mroonga/）下載原始碼，（本文使用的版本為11.13）。
在解壓縮後，執行下列指令進行安裝（其中#為註解）：
./configure --with-mysql-source=[mysql原 始碼的位置] --with-mysql-config=[mysql_ config所在位置] make #編譯相關程式 make install #安裝至MySQL的模組 （plugin）目錄
成功安裝後，將會在MySQL的模組目錄下產生名稱為「ha_mroonga.so」等檔案。接著，重新啟動MySQL伺服器以便載入mroonga模組。
最後，再匯入Mroonga所提供的install.sql（位於「data」目錄下），來新增相關需要的資料庫表格（Table）。
整個安裝完成後，利用「show engines」指令來查詢MySQL伺服器是否已新增mroonga型態的存儲引擎，如圖3所示。
圖3 查詢MySQL伺服器是否已新增mroonga型態的存儲引擎。
接著執行「SHOW VARIABLES LIKE 'mroonga%'」指令，取得Mroonga所提供相關的組態資訊，如圖4所示。
圖4 取得Mroonga所提供相關的組態資訊。
Mroonga常用組態
以下簡單說明幾個Mroonga常用的組態資訊：
設定當Mroonga運作發生錯誤時，所要執行的動作，提供下列四種選項：
ERROR：當發生錯誤時，僅會告警錯誤而不會將相關資訊記錄下來。
ERROR_AND_LOG：此為預設的選項，在發生錯誤時，不僅告警錯誤，並且會將相關資訊記錄下來。
IGNORE：在發生錯誤時不執行任何動作，即不告警錯誤也不記錄相關資訊。
IGNORE_AND_LOG：在發生錯誤時，僅記錄相關資訊但不會告警錯誤。
設定是否要將資料實際寫入至Mroonga的資料庫。預設為OFF，表示要實際將資料寫入至資料庫，一般來說，除非是要進行測試，否則並不須要更改此組態選項。
設定Mroonga資料庫名稱是否要使用前置詞（Prefix），預設為off，這代表不使用。
是否啟用回復Groonga資料庫的記錄操作。預設為ON，表示啟用回復功能，在更動相關設定後，須使用FLUSH TABLES讓設定生效。
是否啟用Groonga效能最佳化設定功能，預設為ON，表示啟用最佳化功能。
設定是否要支援lz4資料壓縮演算法。
設定是否要支援zlib資料壓縮演算法。
顯示Mroonga的版本資訊。
設定儲存Mroonga相關紀錄（Log）資訊的檔案位置。
顯示記錄資訊的層級（Level），提供下列層級：
NONE：表示不記錄任何的資料。
EMERG：僅記錄如資料庫毁損等緊急事件資訊的紀錄。
ALERT：記錄如內部發生錯誤等事件資訊的紀錄。
CRIT：記錄如系統發生嚴重錯誤事件資訊的紀錄。
ERROR：將會記錄系統一般錯誤等級的資訊。
WARNING：記錄系統所發生警告等級，但尚未到錯誤等級的資訊。
NOTICE：記錄系統所發生注意等級，但尚未到警告等級的資訊。
INFO：記錄系統所發生的一般資訊。
DEBUG：記錄偵錯所需要的資訊。
DUMP：記錄全部的資訊。
實際測試
安裝至此，MySQL伺服器應已具備Mroonga全文檢索功能，可以實際新建測試資料庫表格來驗證。以下示範便是新建一個具有全文檢索欄位且為mroonga類型的資料庫表格：
CREATE TABLE fulltestable ( id INT NOT NULL AUTO_INCREMENT, title VARCHAR(255) NOT NULL, body TEXT, PRIMARY KEY (id), FULLTEXT KEY (body) #設定body為全文檢 索欄位) ENGINE = mroonga ; #設定此資料庫表格 為mroonga類型
然後，利用相關的全文檢索指令「SELECT * FROM fulltestable WHERE MATCH (body) AGAINST('關鍵字');」來確認是否已成功安裝Mroonga，到這裡就算大功告成了。
＜本文作者：吳惠麟，多年資安經驗，喜好利用開源碼建構相關解決方案，著有「資訊安全原理與實驗」等書。＞