MySQL高级函数之：JSON_SEARCH()：JSON文档中查找值的应用 大家好，今天我们来深入探讨MySQL中一个非常强大的JSON函数：JSON_SEARCH()。 在现代Web开发中，JSON已经成为一种非常流行的数据交换格式。MySQL 5.7及更高版本原生支持JSON数据类型，并提供了一系列函数来操作JSON数据，JSON_SEARCH()就是其中之一。 它可以帮助我们在JSON文档中查找特定的值，并返回匹配路径，这对于复杂JSON数据的查询和分析非常有用。 1. JSON_SEARCH() 函数概述 JSON_SEARCH() 函数的基本语法如下： JSON_SEARCH(json_doc, one_or_all, search_string[, escape_char[, path] …]) 参数解释： json_doc: 要搜索的 JSON 文档。可以是 JSON 类型的列，也可以是包含 JSON 数据的字符串。 one_or_all: 指定搜索模式。 ‘one’：找到第一个匹配项后立即停止搜索并返回该路径。 ‘all’：返回所有匹配项的路径列表。 search …
MySQL高级函数之：`JSON_SEARCH()`：其在`JSON`文档中查找指定字符串时的路径返回。
MySQL高级函数之：JSON_SEARCH()：路径查找利器 大家好，今天我们来深入探讨MySQL中的一个非常有用的JSON函数：JSON_SEARCH()。 这个函数允许我们在JSON文档中查找特定的字符串，并返回匹配路径，为复杂JSON数据的查询和分析提供了强大的支持。 1. JSON_SEARCH() 函数概述 JSON_SEARCH() 函数用于在 JSON 文档中查找指定的字符串，并返回匹配该字符串的路径。 如果找到了多个匹配项，它会返回第一个匹配项的路径。如果没有找到任何匹配项，则返回 NULL。 语法: JSON_SEARCH(json_doc, one_or_all, search_string[, escape_char[, path …]]) 参数说明: json_doc: 要搜索的 JSON 文档。它可以是一个包含 JSON 值的列，或者一个 JSON 字符串。 one_or_all: 指定返回单个匹配项还是所有匹配项。 ‘one’ (默认): 返回第一个匹配项的路径。 ‘all’ : 返回所有匹配项的路径，以 JSON 数组的形式返回。 search_st …
MySQL高阶讲座之：`MySQL`的`Vector Search`：其在`AI`和相似性搜索中的应用。
各位老铁，双击666！ 今天咱们不聊八卦，来点硬核的！咱们来扒一扒MySQL的Vector Search，看看这玩意儿到底怎么在AI和相似性搜索里搅风搅雨。 开场白：啥是Vector Search？ 想象一下，你面前摆着一堆照片，让你找出最像“一只可爱的小猫咪”的那张。 你怎么找？ 大概就是凭感觉，看颜色、形状、姿势，然后在脑子里给每张照片打个分。 Vector Search 干的就是类似的事儿。 它先把你的数据（比如那些照片、文本、甚至音乐）变成一堆叫做“向量”的数字。 这些向量在空间里排兵布阵，距离越近的向量，就代表着数据越相似。 这样，你再想找“最像小猫咪”的照片，就变成了在向量空间里找距离最近的向量了。 这比传统数据库的精确匹配可灵活多了！ 传统的数据库只能告诉你“有没有完全一样的猫”，而Vector Search能告诉你“哪个最像”。 第一回合：向量化你的数据 要玩Vector Search，第一步就是把你的数据变成向量。 这步叫做“向量化（Embedding）”。 文本向量化： 如果你的数据是文本，可以用各种牛逼的模型来向量化，比如： Word2Vec： 这老哥比较经典，但 …
MySQL高阶讲座之：`MySQL`的`Fulltext Search`：其在`InnoDB`中的实现与`N-Gram`解析器。
各位观众老爷，大家好！欢迎来到“MySQL高阶讲座”！今天，咱们要聊聊MySQL里的文本搜索大杀器——Fulltext Search。不过，今天咱们要玩点高级的，深入到InnoDB存储引擎的底层，再扒一扒N-Gram解析器的皮。准备好了吗？Let’s go！ 一、 Fulltext Search：文本搜索，so easy? 话说，当咱们需要在一个文本字段里找东西的时候，LIKE ‘%keyword%’是不是大家的第一反应？ 这招在数据量小的时候勉强凑合，但一旦数据量上去了，那查询速度，简直就是蜗牛爬。 为啥？因为LIKE是全表扫描啊，一条条记录比对，效率低得令人发指。 Fulltext Search就是来拯救大家的。它通过建立倒排索引（Inverted Index），大大提高了文本搜索的速度。 简单来说，倒排索引就是把文档里出现的词语（term）和包含这些词语的文档ID对应起来。 这样，当咱们搜索某个词语时，直接从索引里找到包含这个词语的文档ID，然后取出对应的文档，速度自然就快多了。 举个例子，假设咱们有个articles表，包含id和content两个字段： CREAT …
继续阅读“MySQL高阶讲座之：`MySQL`的`Fulltext Search`：其在`InnoDB`中的实现与`N-Gram`解析器。”
MySQL高阶讲座之：`MySQL`的`Fulltext Search`：其索引实现与`TF-IDF`算法。
各位好，我是你们今天的MySQL Fulltext Search专题讲座主持人。今天咱们不讲“Hello, World!”，直接来点硬核的——聊聊MySQL的全文本搜索，特别是它的索引实现和TF-IDF算法。保证让你听完之后，感觉自己也能手撸一个搜索引擎似的！ 一、Fulltext Search：告别Like的慢生活 你肯定用过LIKE ‘%keyword%’来做模糊查询吧？ 慢吧？特别慢吧？ 数据量一大，简直是灾难现场。 LIKE是全表扫描，效率低到尘埃里。 Fulltext Search就是来拯救世界的。 它可以建立全文索引，然后通过索引来快速定位包含关键词的文档。 二、Fulltext Index：索引的秘密花园 Fulltext Index就像一个倒排索引（Inverted Index）。 倒排索引是啥？别怕，其实很简单。 假设我们有三句话： Document 1: "The quick brown fox" Document 2: "The quick gray fox" Document 3: "Fox jumped ove …
继续阅读“MySQL高阶讲座之：`MySQL`的`Fulltext Search`：其索引实现与`TF-IDF`算法。”
MySQL高级讲座篇之：探讨MySQL的`Vector Search`功能：如何处理向量数据以支持相似性搜索？
各位观众老爷，大家好！我是今天的主讲人，一个在代码堆里摸爬滚打多年的老码农。今天咱们不聊虚的，直接上硬货：MySQL的Vector Search功能，聊聊如何用它来处理向量数据，支持那些让人心动的相似性搜索。 开场白：告别“大海捞针”的传统搜索 话说，在信息爆炸的时代，传统的关键词搜索就像大海捞针，捞上来的可能全是水草。比如，你想找一张“夕阳下的海滩”的照片，用关键词搜出来的可能全是卖泳装的广告。 但有了向量搜索，情况就不一样了。它能理解图片、文本、甚至视频的“语义”，然后根据语义的相似度来找东西。这就像找一个“感觉像夕阳下的海滩”的东西，而不是非得包含那几个关键词。 第一部分：什么是向量搜索？别怕，没那么玄乎 别被“向量”这两个字吓跑，其实它就是一个包含数字的列表。这些数字代表了数据的一些特征。比如，一张图片可以用一个包含几百甚至几千个数字的向量来表示，这些数字编码了图片的颜色、形状、纹理等等信息。 1.1 向量嵌入（Embedding）：把数据变成数字 要把图片、文本变成向量，我们需要用到一个叫做“嵌入模型（Embedding Model）”的东西。你可以把它想象成一个黑盒子，你扔 …
继续阅读“MySQL高级讲座篇之：探讨MySQL的`Vector Search`功能：如何处理向量数据以支持相似性搜索？”
Redis `Vector Search` 在 AI 大模型中的应用潜力
好的，没问题，直接进入正题！ 各位老铁，大家好！我是今天的主讲人，一位略懂编程的专家（不敢自称大师，怕被打）。今天咱们聊点硬核的，但保证通俗易懂，那就是Redis Vector Search在AI大模型中的应用潜力。 啥是AI大模型？简单说，就是那些参数贼多，能干很多事儿的神经网络，比如生成文本、翻译、写代码等等。 这些模型需要海量的数据才能训练出来，训练好了之后，怎么用它来快速找到我们想要的信息，这就是个大问题。 传统数据库，像MySQL，找精确匹配还行，但要找“相似”的东西，就有点力不从心了。 这时候，Vector Search就派上用场了。 一、 什么是向量搜索？别怕，不难！ 向量搜索，顾名思义，就是把东西都变成向量，然后在向量空间里找距离最近的。 向量是什么？ 向量就是一个数字列表。比如，[1.2, 3.4, -0.5, 0.8]就是一个4维向量。 怎么把东西变成向量？ 这就得靠AI模型了。 比如，你可以用一个文本嵌入模型（比如Sentence Transformers）把一段文本变成一个向量，这个向量就代表了这段文本的含义。 类似的，图像、音频、视频也都可以通过相应的模型变成 …
Redis Search (RediSearch) 高级索引与查询语法
大家好，欢迎来到今天的 Redis Search (RediSearch) 高级索引与查询语法“脱口秀”！我是你们今天的“段子手”兼技术指导。今天咱们不搞虚的，直接上干货，保证让大家听完之后，感觉 Redis Search 不再是“别人家的孩子”，而是你手中一把锋利的“屠龙刀”。 第一幕：索引的艺术 – 超越基础，玩转高级索引 首先，咱们来聊聊索引。别以为索引就是简单的 FT.CREATE 一下，然后就万事大吉了。RediSearch 的索引可是个“百变怪”，可以根据你的需求，变出各种花样。 SCHEMA 的进阶之路 SCHEMA 定义了你的索引结构，决定了哪些字段可以被搜索。 除了基本的 TEXT、NUMERIC、TAG 之外，还有很多高级选项等着你： WEIGHT 加权: 想象一下，你的商品描述里，商品名称的重要性肯定比“颜色”要高吧？ WEIGHT 就是用来控制这个的。 FT.CREATE my_index SCHEMA product_name TEXT WEIGHT 5.0 description TEXT WEIGHT 1.0 color TAG 这样，搜索 红 …
Redis `Vector Search`：向量相似度搜索与 AI 应用
好，让我们开始这场关于 Redis Vector Search 的技术讲座，主题是：向量相似度搜索与 AI 应用。 各位观众，各位朋友，各位未来的人工智能大师们，大家好！今天咱们不整虚的，直接上干货，聊聊 Redis Vector Search 这玩意儿，看看它到底能帮咱们在 AI 的道路上走多远。 第一部分：啥是向量，啥是相似度？ 在深入 Redis Vector Search 之前，咱们得先搞明白两个概念：向量和相似度。 向量 (Vector)： 别一听这词儿就觉得高大上，其实它就是一堆数字。比如，你可以用一个向量 [0.2, 0.5, 0.1, 0.8] 来表示一篇文章，每个数字代表某个关键词在这篇文章里的重要程度。图像、音频、甚至用户行为，都可以转换成向量。关键在于，向量能把复杂的东西变成计算机能理解的数字。 相似度 (Similarity)： 有了向量，我们就能算相似度了。相似度就是衡量两个向量有多像的指标。常用的相似度算法有： 余弦相似度 (Cosine Similarity)： 这是最常用的。它计算的是两个向量夹角的余弦值。余弦值越接近 1，向量越相似；越接近 -1，向量 …
全文搜索（Full-Text Search）的索引创建与查询优化
好的，各位听众，朋友们，今天咱们来聊聊一个听起来高大上，实际上接地气儿的技术——全文搜索（Full-Text Search）。各位每天都在用的搜索引擎，背后就少不了它的身影。别害怕，咱们不搞学术报告，就当茶余饭后唠嗑，保证你听完能跟人吹牛皮，哦不，是侃侃而谈！😎 一、开场白：大海捞针的苦恼 想象一下，你是个图书馆管理员，馆里藏书百万册，突然有人跑来跟你说：“我要找一本内容里提到‘宇宙飞船’的书！” 你咋办？ 笨办法： 一本一本翻，效率低到令人发指，估计找到黄花菜都凉了。 聪明办法： 建立一个目录，记录每本书里都讲了啥，这样就能快速定位。 这“聪明办法”背后的思路，就是全文搜索的核心思想：预先处理数据，建立索引，然后通过索引快速查找。 二、索引的“前世今生”：从倒排索引说起 全文搜索的灵魂人物，当属倒排索引（Inverted Index）。 别被这名字吓住，其实它很简单，就是个“反过来”的索引。 正向索引： 传统索引，通过文档ID找到文档内容。 就像咱们图书馆的图书编号，通过编号找到对应的书。 倒排索引： 通过关键词找到包含该关键词的文档ID列表。 就像咱们图书馆的关键词目录，通过关键词 …