使用全文索引的全文搜索
全文索引是一种实验性的 二级索引，为 String 或 FixedString 列提供快速的文本搜索功能。全文索引的主要思想是存储“术语”到包含这些术语的行的映射。“术语”是字符串列的标记单元。例如，字符串单元“I will be a little late”默认被标记为六个术语“I”、“will”、“be”、“a”、“little”和“late”。另一种标记器是 n-gram。例如，3-gram 标记化的结果将是 21 个术语“I w”、“ wi”、“wil”、“ill”、“ll “、 “l b”、“ be”等。输入字符串被标记的粒度越细，生成的全文索引就越大，但也越有用。
全文索引是实验性的，目前不应在生产环境中使用。将来可能会以向后不兼容的方式进行更改，例如在 DDL/DQL 语法或性能/压缩特性方面。
使用
要使用全文索引，首先在配置中启用它们：
可以使用以下语法在字符串列上定义全文索引：
在早期版本的 ClickHouse 中，对应的索引类型名称为 inverted。
其中 N 指定标记器：
full_text(0)（或更短的full_text()）将标记器设置为“tokens”，即沿着空格拆分字符串，full_text(N)其中N介于 2 和 8 之间将标记器设置为 “ngrams(N)”
每个发布列表的最大行数可以作为第二个参数指定。该参数可用于控制发布列表的大小，以避免生成巨大的发布列表文件。存在以下变体：
full_text(ngrams, max_rows_per_postings_list)：使用给定的 max_rows_per_postings_list（假设不为 0）full_text(ngrams, 0)：发布列表的最大行数没有限制full_text(ngrams)：使用默认的最大行数，默认为 64K。
作为一种跳过索引，全文索引可以在创建表后添加或删除到列中：
使用索引时，不需要特殊的函数或语法。典型的字符串搜索谓词会自动利用该索引。举例来说，考虑以下示例：
该全文索引还适用于类型为 Array(String)、Array(FixedString)、Map(String) 和 Map(String) 的列。
如同其他二级索引，每个列部分都有其自己的全文索引。此外，每个全文索引在内部分为“段”。段的存在和大小通常对用户是透明的，但段的大小决定了在索引构建期间的内存消耗（例如，当两个部分合并时）。配置参数“max_digestion_size_per_segment”（默认：256 MB）控制在创建新段之前从基础列中读取的消耗数据量。增加该参数提高了索引构建过程中间内存消耗，但也改善了查找性能，因为通常需要检查的段更少，从而评估查询。
Hacker News 数据集的全文搜索
让我们看看在一个包含大量文本的大型数据集上，全文索引的性能提升。我们将使用热门 Hacker News 网站上 2870 万行评论。以下是没有全文索引的表：
2870 万行数据位于 S3 的 Parquet 文件中 - 让我们将它们插入到 hackernews 表中：
考虑在 comment 列中寻找术语 ClickHouse（及其多种大小写）的简单查询：
注意执行该查询需要 3 秒：
我们将使用 ALTER TABLE 并在小写的 comment 列上添加一个全文索引，然后使其物化（这可能需要一些时间 - 等待它物化）：
我们运行相同的查询……
……发现查询执行速度快了 4 倍：
我们还可以搜索一个或多个术语，即，析取或合取：
与其他二级索引不同，全文索引（目前）映射到行号（行 ID）而不是颗粒 ID。此设计的原因是性能。在实践中，用户经常同时搜索多个术语。例如，筛选谓词 WHERE s LIKE '%little%' OR s LIKE '%big%' 可以直接使用全文索引通过形成术语“little”和“big”的行 ID 列的并集来评估。这也意味着提供给索引创建的参数 GRANULARITY 没有意义（它可能会在未来从语法中移除）。