13518219792
国内五大论文数据库如下：
成都创新互联是一家专业提供大洼企业网站建设,专注与网站设计制作、成都网站设计、H5页面制作、小程序制作等业务。10年已为大洼众多企业、政府机构等服务。创新互联专业的建站公司优惠进行中。
一、中国知网提供的《中国学术期刊（光盘版）》
也称中国期刊全文数据库由清华同方股份有限公司出版。
收录1994年以来国内6 600种期刊，包括了学术期刊于非学术期刊，涵盖理工、农业、医药卫生、文史哲、政治军事与法律、教育与社会科学综合、电子技术与信息科学、经济与管理。
收录的学术期刊同时作为“中国学术期刊综合评价数据库统计源期刊”。
但是收录的期刊不很全面，一些重要期刊未能收录。
二、中国生物医学文献数据库（CBMDISC)
数据库是中国医学科学院信息研究所开发研制，收录了自1978年以来1 600余种中国生物医学期刊。
范围涉及基础医学、临床医学、预防医学、药学、中医学及中药学等生物医学的各个领域。
三、中文生物医学期刊数据库（CMCC)
由中国人民解放军医学图书馆数据库研究部研制开发。
收录了1994年以来国内正式出版发行的生物医学期刊和一些自办发行的生物医学刊物1 000余种的文献题录和文摘。
涉及的主要学科领域有：基础医学、临床医学、预防医学、药学、医学生物学、中医学、中药学、医院管理及医学信息等生物医学的各个领域。
并具有成果查新功能医学全在线
四、万方数据资源系统（China Info)
由中国科技信息研究所，万方数据股份有限公司研制。
该数据库收录的期刊学科范围广，包括了学术期刊于非学术期刊，提供约2 000种的电子期刊的全文检索。
被收录的学术期刊都获得了“中国核心期刊（遴选）数据库来源期刊”的收录证书。
个别期刊甚至将“遴选”改成“精选”，或者干脆去掉。
很多作者因此误以为这就是核心期刊。
五、维普数据库
也称中文科技期刊数据库，维普科技期刊数据库，由中国科学技术信息研究所重庆分所出版。
收录了1989年以来我国自然科学、工程技术、农业科学、医药卫生、经济管理、教育科学和图书情报等学科9 000余种期刊，包括了学术与非学术期刊。
收录期刊数量很大，但不足之处是部分国家新闻出版总署公布的非法期刊也被收录了。
一般的，学术期刊都能进入至少1个国内期刊数据库。
期刊据数据库不是期刊的评价体系，对科研处的期刊性质评价也就缺乏足够的意义，故不宜作为期刊性质评价的依据。
另外还有：
1、万方数据
万方数据提供中国大陆科技期刊检索，是万方数据股份有限公司建立的专业学术知识服务网站。
隶属于万方数据资源系统，对外服务数据由万方数据资源系统统一部署提供。
2、全国报刊索引
收录全国包括港台地区的期刊8000种左右，月报道量在1.8万条以上，年报道量在44万条左右，书本式用户有3500多家，现又出版光盘数据库。
反映了中国政治、经济、军事、科学、文化、文学艺术、历史地理、科技等方面的发展情况，提供了国内外最新学术进展信息。
该索引是我国收录报刊种类最多，内容涉及范围最广，持续出版时间最长，与新文献保持同步发展的权威性检索刊物，也是查找建国以来报刊论文资料最重要的检索工具。
正文采用分类编排，先后采用过《中国人民大学图书分类法》和自编的《报刊资料分类表》，1980年起，仿《中国图书馆图书分类法》分21类编排，1992年全面改用《中国图书资料分类法》（第三版）编排，2000年开始用《中国图书馆分类法》（第四版）标引，计算机编排。
在著录上，《全国报刊索引》从1991年起采用国家标准——《检索期刊条目著录规则》进行著录，包括题名、著译者姓名、报刊名、版本、卷期标识、起止页码、附注等项。
同时，“哲社版”采用电脑编排，增加了“著者索引”、“题中人名分析索引”、“引用报刊一览表”，方便了读者的使用。
3、超星数字图书馆
为目前世界最大的中文在线数字图书馆，提供大量的电子图书资源提供阅读，其中包括文学、经济、计算机等五十余大类，数十万册电子图书，300万篇论文，全文总量4亿余页，数据总量30000GB，大量免费电子图书，并且每天仍在不断的增加与更新。
覆盖范围：涉及哲学、宗教、社科总论、经典理论、民族学、经济学、自然科学总论、计算机等各个学科门类。
本馆已订购67万余册。
收录年限：1977年至今。
4、维普资讯
维普资讯是科学技术部西南信息中心下属的一家大型的专业化数据公司，是中文期刊数据库建设事业的奠基人，公司全称重庆维普资讯有限公司。
目前已经成为中国最大的综合文献数据库。
从1989年开始，一直致力于对海量的报刊数据进行科学严谨的研究、分析，采集、加工等深层次开发和推广应用。
5、中宏数据库
中宏数据库由国家发改委所属的中国宏观经济学会、中宏基金、中国宏观经济信息网、中宏经济研究中心联合研创。
是由18类大库、74类中库组成，涵盖了九十年代以来宏观经济、区域经济、产业经济、金融保险、投资消费、世界经济、政策法规、统计数字、研究报告等方面的详尽内容，是目前国内门类最全，分类最细，容量最大的经济类数据库。
发展现状
在数据库的发展历史上，数据库先后经历了层次数据库、网状数据库和关系数据库等各个阶段的发展，数据库技术在各个方面的快速的发展。特别是关系型数据库已经成为目前数据库产品中最重要的一员，80年代以来，几乎所有的数据库厂商新出的数据库产品都支持关系型数据库，
即使一些非关系数据库产品也几乎都有支持关系数据库的接口。这主要是传统的关系型数据库可以比较好的解决管理和存储关系型数据的问题。随着云计算的发展和大数据时代的到来，关系型数据库越来越无法满足需要，
这主要是由于越来越多的半关系型和非关系型数据需要用数据库进行存储管理，以此同时，分布式技术等新技术的出现也对数据库的技术提出了新的要求，于是越来越多的非关系型数据库就开始出现，这类数据库与传统的关系型数据库在设计和数据结构有了很大的不同，
它们更强调数据库数据的高并发读写和存储大数据，这类数据库一般被称为NoSQL（Not only SQL）数据库。而传统的关系型数据库在一些传统领域依然保持了强大的生命力。
以上内容参考：百度百科——数据库
因为索引多。同一条个数据，NOSQL占用空间是一般SQL数据库的3-5倍。
你可以理解成NOSQL默认开启全字段索引和全文索引什么的。
其实在十万级以下的数据，只要SQL建好索引的情况并不比NOSQL慢。NOSQL主要是用于千万上亿级的时候。
使用索引是数据库性能优化的必备技能之一。在MySQL数据库中，有四种索引：聚集索引(主键索引)、普通索引、唯一索引以及我们这里将要介绍的全文索引(FULLTEXT INDEX)。
全文索引(也称全文检索)是目前搜索引擎使用的一种关键技术。它能够利用「分词技术「等多种算法智能分析出文本文字中关键字词的频率及重要性，然后按照一定的算法规则智能地筛选出我们想要的搜索结果。在这里，我们就不追根究底其底层实现原理了，现在我们来看看在MySQL中如何创建并使用全文索引。
在MySQL中，创建全文索引相对比较简单。例如，我们有一个文章表(article)，其中有主键ID(id)、文章标题(title)、文章内容(content)三个字段。现在我们希望能够在title和content两个列上创建全文索引，article表及全文索引的创建SQL语句如下：
--创建article表
CREATE TABLE article (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR(200),
content TEXT,
FULLTEXT (title, content) --在title和content列上创建全文索引
);
上面就是在创建表的同时建立全文索引的SQL示例。此外，如果我们想要给已经存在的表的指定字段创建全文索引，同样以article表为例，我们可以使用如下SQL语句进行创建：
--给现有的article表的title和content字段创建全文索引
--索引名称为fulltext_article
ALTER TABLE article
ADD FULLTEXT INDEX fulltext_article (title, content)
在MySQL中创建全文索引之后，现在就该了解如何使用了。众所周知，在数据库中进行模糊查询是使用LIKE关键字进行查询，例如：
SELECT * FROM article WHERE content LIKE '%查询字符串%'
那么，我们使用全文索引也是这样用的吗？当然不是，我们必须使用特有的语法才能使用全文索引进行查询。例如，我们想要在article表的title和content列中全文检索指定的查询字符串，可以如下编写SQL语句：
SELECT * FROM article WHERE MATCH(title, content) AGAINST('查询字符串')
强烈注意：MySQL自带的全文索引只能用于数据库引擎为MyISAM的数据表，如果是其他数据引擎，则全文索引不会生效。此外，MySQL自带的全文索引只能对英文进行全文检索，目前无法对中文进行全文检索。如果需要对包含中文在内的文本数据进行全文检索，我们需要采用Sphinx(斯芬克斯)/Coreseek技术来处理中文。本站将会在后续文章中对Sphinx以及Coreseek进行介绍。
备注1：目前，使用MySQL自带的全文索引时，如果查询字符串的长度过短将无法得到期望的搜索结果。MySQL全文索引所能找到的词的默认最小长度为4个字符。另外，如果查询的字符串包含停止词，那么该停止词将会被忽略。
备注2：如果可能，请尽量先创建表并插入所有数据后再创建全文索引，而不要在创建表时就直接创建全文索引，因为前者比后者的全文索引效率要高。
或如何了解缺少哪些官方文件
如果我不得不用一个短语来描述Elasticsearch，我会说：
目前，Elasticsearch在十大最受欢迎的开源技术中。 公平地说，它结合了许多本身并不独特的关键功能，但是，当结合使用时，它可以成为最佳的搜索引擎/分析平台。
更准确地说，由于以下功能的结合，Elasticsearch变得如此流行：
· 搜索相关性评分
· 全文搜索
· 分析（汇总）
· 无模式（对数据模式无限制），NoSQL，面向文档
· 丰富的数据类型选择
· 水平可扩展
· 容错的
通过与Elasticsearch进行合作，我很快意识到，官方文档看起来更像是所谓文档的"挤压"。 我不得不在Google上四处搜寻，并且大量使用stackowerflow，所以我决定编译这篇文章中的所有信息。
在本文中，我将主要撰写有关查询/搜索Elasticsearch集群的文章。 您可以通过多种不同的方式来实现大致相同的结果，因此，我将尝试说明每种方法的利弊。
更重要的是，我将向您介绍两个重要的概念-查询和过滤器上下文-在文档中没有很好地解释。 我将为您提供一组规则，以决定何时使用哪种方法更好。
在阅读本文后，如果我只想让您记住一件事，那就是：
当我们谈论Elasticsearch时，总会有一个相关性分数。 相关性分数是严格的正浮点数，表示每个文档满足搜索标准的程度。 该分数是相对于分配的最高分数的，因此，分数越高，文档与搜索条件的相关性越好。
但是，过滤器和查询是您在编写查询之前应该能够理解的两个不同概念。
一般来说，过滤器上下文是一个"是/否"选项，其中每个文档都与查询匹配或不匹配。 一个很好的例子是SQL WHERE，后面是一些条件。 SQL查询总是返回严格符合条件的行。 SQL查询无法返回歧义结果。
另一方面，Elasticsearch查询上下文显示了每个文档与您的需求的匹配程度。 为此，查询使用分析器查找最佳匹配。
经验法则是将过滤器用于：
· 是/否搜索
· 搜索精确值（数字，范围和关键字）
将查询用于：
· 结果不明确（某些文档比其他文档更适合）
· 全文搜索
此外，Elasticsearch将自动缓存过滤器的结果。
在第1部分和第2部分中，我将讨论查询（可以转换为过滤器）。 请不要将结构化和全文与查询和过滤器混淆-这是两件事。
结构化查询也称为术语级查询，是一组查询方法，用于检查是否应选择文档。 因此，在很多情况下，没有真正必要的相关性评分-文档匹配或不匹配（尤其是数字）。
术语级查询仍然是查询，因此它们将返回分数。
名词查询 Term Query
返回字段值与条件完全匹配的文档。 查询一词是SQL select * from table_name where column_name =...的替代方式
名词查询直接进入倒排索引，这可以使其快速进行。 在处理文本数据时，最好仅将term用于keyword字段。
名词查询默认情况下在查询上下文中运行，因此，它将计算分数。 即使所有返回的文档的分数相同，也将涉及其他计算能力。
带有过滤条件的 名词 查询
如果我们想加速名词查询并使其得到缓存，则应将其包装在constant_score过滤器中。
还记得经验法则吗？ 如果您不关心相关性得分，请使用此方法。
现在，该查询没有计算任何相关性分数，因此，它更快。 而且，它是自动缓存的。
快速建议-对文本字段使用匹配而不是名词。
请记住，名词查询直接进入倒排索引。名词查询采用您提供的值并按原样搜索它，这就是为什么它非常适合查询未经任何转换存储的keyword字段。
多名词查询 Terms query
如您所料，多名词查询使您可以返回至少匹配一个确切名词的文档。
多名词查询在某种程度上是SQL select * from table_name where column_name is in...的替代方法
重要的是要了解，Elasticsearch中的查询字段可能是一个列表，例如{“ name”：[“ Odin”，“ Woden”，“ Wodan”]}。如果您执行的术语查询包含以下一个或多个，则该记录将被匹配-它不必匹配字段中的所有值，而只匹配一个。
与名词查询相同，但是这次您可以在查询字段中指定多少个确切术语。
您指定必须匹配的数量-一，二，三或全部。 但是，此数字是另一个数字字段。 因此，每个文档都应包含该编号（特定于该特定文档）。
返回查询字段值在定义范围内的文档。
等价于SQL select * from table_name where column_name is between...
范围查询具有自己的语法：
· gt 大于
· gte 大于或等于
· lt 小于
· lte 小于或等于
一个示例，该字段的值应≥4且≤17
范围查询也可以很好地与日期配合使用。
正则表达式查询返回其中字段与您的正则表达式匹配的文档。
如果您从未使用过正则表达式，那么我强烈建议您至少了解一下它是什么以及何时可以使用它。
Elasticsearch的正则表达式是Lucene的正则表达式。 它具有标准的保留字符和运算符。 如果您已经使用过Python的re软件包，那么在这里使用它应该不是问题。 唯一的区别是Lucene的引擎不支持^和$等锚运算符。
您可以在官方文档中找到regexp的完整列表。
除正则表达式查询外，Elsticsearch还具有通配符和前缀查询。从逻辑上讲，这两个只是regexp的特殊情况。
不幸的是，我找不到关于这三个查询的性能的任何信息，因此，我决定自己对其进行测试，以查看是否发现任何重大差异。
在比较使用rehexp和通配符查询时，我找不到性能上的差异。如果您知道有什么不同，请给我发消息。
由于Elasticsearch是无模式的（或没有严格的模式限制），因此当不同的文档具有不同的字段时，这是一种很常见的情况。 结果，有很多用途来了解文档是否具有某些特定字段。
全文查询适用于非结构化文本数据。 全文查询利用了分析器。 因此，我将简要概述Elasticsearch的分析器，以便我们可以更好地分析全文查询。
每次将文本类型数据插入Elasticsearch索引时，都会对其进行分析，然后存储在反向索引中。根据分析器的配置方式，这会影响您的搜索功能，因为分析器也适用于全文搜索。
分析器管道包括三个阶段：
总有一个令牌生成器和零个或多个字符和令牌过滤器。
1）字符过滤器按原样接收文本数据，然后可能在对数据进行标记之前对其进行预处理。 字符过滤器用于：
· 替换与给定正则表达式匹配的字符
· 替换与给定字符串匹配的字符
· 干净的HTML文字
2）令牌生成器将字符过滤器（如果有）之后接收到的文本数据分解为令牌。 例如，空白令牌生成器只是将文本分隔为空白（这不是标准的）。 因此，Wednesday is called after Woden， 将被拆分为[Wednesday, is, called, after, Woden.]。 有许多内置标记器可用于创建自定义分析器。
删除标点符号后，标准令牌生成器将使用空格分隔文本。 对于绝大多数语言来说，这是最中立的选择。
除标记化外，标记化器还执行以下操作：
· 跟踪令牌顺序，
· 注释每个单词的开头和结尾
· 定义令牌的类型
3）令牌过滤器对令牌进行一些转换。您可以选择将许多不同的令牌过滤器添加到分析器中。一些最受欢迎的是：
· 小写
· 词干（存在多种语言！）
· 删除重复
· 转换为等效的ASCII
· 模式的解决方法
· 令牌数量限制
· 令牌的停止列表（从停止列表中删除令牌）
标准分析器是默认分析器。 它具有0个字符过滤器，标准令牌生成器，小写字母和停止令牌过滤器。 您可以根据需要组成自定义分析器，但是内置分析器也很少。
语言分析器是一些最有效的即用型分析器，它们利用每种语言的细节来进行更高级的转换。 因此，如果您事先知道数据的语言，建议您从标准分析器切换为数据的一种语言。
全文查询将使用与索引数据时使用的分析器相同的分析器。更准确地说，您查询的文本将与搜索字段中的文本数据进行相同的转换，因此两者处于同一级别。
匹配查询是用于查询文本字段的标准查询。
我们可以将匹配查询称为名词查询的等效项，但适用于文本类型字段（而在处理文本数据时，名词应仅用于关键字类型字段）。
默认情况下，传递给查询参数的字符串（必需的一个）将由与应用于搜索字段的分析器相同的分析器处理。 除非您自己使用analyzer参数指定分析器。
当您指定要搜索的短语时，将对其进行分析，并且结果始终是一组标记。默认情况下，Elasticsearch将在所有这些标记之间使用OR运算符。这意味着至少应该有一场比赛-更多的比赛虽然会得分更高。您可以在运算符参数中将其切换为AND。在这种情况下，必须在文档中找到所有令牌才能将其返回。
如果要在OR和AND之间输入某些内容，则可以指定minimum_should_match参数，该参数指定应匹配的子句数。 可以数字和百分比指定。
模糊参数（可选）可让您忽略错别字。 Levenshtein距离用于计算。
如果您将匹配查询应用于关键字keyword字段，则其效果与词条查询相同。 更有趣的是，如果将存储在反向索引中的令牌的确切值传递给term查询，则它将返回与匹配查询完全相同的结果，但是会更快地返回到反向索引。
与匹配相同，但顺序和接近度很重要。 匹配查询不了解序列和接近度，因此，只有通过其他类型的查询才能实现词组匹配。
match_phrase查询具有slop参数（默认值为0），该参数负责跳过术语。 因此，如果您指定斜率等于1，则短语中可能会省略一个单词。
多重比对查询的功能与比对相同，唯一的不同是多重比对适用于多个栏位
· 字段名称可以使用通配符指定
· 默认情况下，每个字段均加权
· 每个领域对得分的贡献都可以提高
· 如果没有在fields参数中指定任何字段，那么将搜索所有符合条件的字段
有多种类型的multi_match。 我不会在这篇文章中描述它们，但是我将解释最受欢迎的：
best_fields类型（默认值）更喜欢在一个字段中找到来自搜索值的令牌的结果，而不是将搜索的令牌分配到不同字段中的结果。
most_fields与best_fields类型相反。
phrase类型的行为与best_fields相同，但会搜索与match_phrase类似的整个短语。
我强烈建议您查阅官方文档，以检查每个字段的得分计算准确度。
复合查询将其他查询包装在一起。 复合查询：
· 结合分数
· 改变包装查询的行为
· 将查询上下文切换到过滤上下文
· 以上任意一项
布尔查询将其他查询组合在一起。 这是最重要的复合查询。
布尔查询使您可以将查询上下文中的搜索与过滤器上下文搜索结合在一起。
布尔查询具有四个可以组合在一起的出现（类型）：
· must或"必须满足该条款"
· should或"如果满足条款，则对相关性得分加分"
· 过滤器filter或"必须满足该条款，但不计算相关性得分"
· must_not或“与必须相反”，不会有助于相关度得分
必须和应该→查询上下文
过滤器和must_not→过滤器上下文
对于那些熟悉SQL的人，必须为AND，而应为OR运算符。 因此，必须满足must子句中的每个查询。
对于大多数查询，提升查询与boost参数相似，但并不相同。 增强查询将返回与肯定子句匹配的文档，并降低与否定子句匹配的文档的得分。
如我们在术语查询示例中先前看到的，constant_score查询将任何查询转换为相关性得分等于boost参数（默认值为1）的过滤器上下文。
让我知道是否您想阅读另一篇文章，其中提供了所有查询的真实示例。
我计划在Elasticsearch上发布更多文章，所以不要错过。
你已经读了很长的内容，所以如果你阅读到这里：
综上所述，Elasticsearch符合当今的许多用途，有时很难理解什么是最佳工具。
如果不需要相关性分数来检索数据，请尝试切换到过滤器上下文。
另外，了解Elasticsearch的工作原理也至关重要，因此，我建议您始终了解分析器的功能。
Elasticsearch中还有许多其他查询类型。 我试图描述最常用的。 我希望你喜欢它。
(本文翻译自kotartemiy ✔️的文章《Deep Dive into Querying Elasticsearch. Filter vs Query. Full-text search》，参考：)
好处上面已经说了。最大的优点其实就是检索速度快，对服务器的负荷降低
缺点，如果说有的话，就是需要进行填充
上一次填充后，你增加的内容，直到你再次增量填充，否则是检索不到的。
你可以根据自己更新内容的频率设置调度来自动执行。
你有没有想过如何使用搜索功能在所有整站中实现！互联网博客和网站，大多数都采用MySQL数据库。MySQL提供了一个美妙的方式实施一个小的搜索引擎，在您的网站（全文检索）。所有您需要做的是拥有的MySQL 4.x及以上。MySQL提供全文检索功能，我们可以用它来 ??实现搜索功能。
首先，让我们为我们的例子中设置一个示例表。我们将创建一个名为第一个表。
CREATE TABLE articles (
id INT UNSIGNED AUTO_INCREMENT NOT NULL PRIMARY KEY,
title VARCHAR(200),
body TEXT,
FULLTEXT (title,body)
);
在此表中还可以添加一些示例数据。执行后，插入查询。
INSERT INTO articles (title,body) VALUES
('MySQL Tutorial','DBMS stands for DataBase ...'),
('How To Use MySQL Well','After you went through a ...'),
('Optimizing MySQL','In this tutorial we will show ...'),
('1001 MySQL Tricks','1. Never run mysqld as root. 2. ...'),
('MySQL vs. YourSQL','In the following database comparison ...'),
('MySQL Security','When configured properly, MySQL ...');
一旦样本数据是准备好，我们可以开始我们的全文检索功能。
自然语言全文搜索
尝试我们的示例表上执行下面的SELECT查询。
SELECT * FROM articles
WHERE MATCH (title,body) AGAINST ('database');
你就能看到结果如下：
在下面的数据库比较5 MySQL与YourSQL的...
MySQL教程DBMS 1代表数据库...
我们在上面的SQL查询（标题，正文）反对（“数据库”）的比赛，选择所有的记录，列标题和正文进行全文搜索。
您可以修改该查询，并创建您自己的版本，以自己的数据库中执行全文搜索。
布尔全文搜索
它可能发生，你要指定某些关键字在您的搜索条件。此外，您可能要忽略某些关键字。布尔全文搜索可以用来执行这些要求的全文检索。
检查下面的SELECT查询。
SELECT * FROM articles WHERE MATCH (title,body)
AGAINST ('+MySQL -YourSQL' IN BOOLEAN MODE);
如果您发现上述选择查询，我们增加了布尔MODE反对（）。这个查询将获取MySQL的关键字，但不YourSQL关键字的所有记录。请注意+和-我们以前指定的关键字！
在执行此功能，MySQL使用什么有时也被称为布尔逻辑作为暗示，其中：+代表与-代表不是[无操作员]暗示或
以下是几个例子布尔搜索条件。
“苹果香蕉
查找行至少包含两个词之一。
“+苹果+果汁”
寻找包含两个单词的行。
“+苹果Macintosh
查找行包含“苹果”，但排名的行，如果它们也包含“麦金塔”。
“+苹果Macintosh的”
查找行包含“苹果”这个词，而不是“麦金塔”。
'+苹果Macintosh的“
查找包含单词“苹果”的行，但如果该行也包含单词“麦金塔”，速度比如果行不低。这是“软”比“+苹果Macintosh电脑”，为“麦金塔”的存在，导致该行不能在所有返回的搜索。
'+苹果+（营业额馅饼）“
行包含“苹果”和“营业额”，或“苹果”和“馅饼”（任何顺序）的话，但排名“苹果的营业额”比“苹果馅饼“。
限制
支持全文检索的MyISAM表只。MySQL 4.1中，使用多个字符设置一个单一的表内的支持。然而，在一个FULLTEXT索引的所有列，必须使用相同的字符集和校对规则。MATCH（）列列表必须匹配完全在一些列清单表的FULLTEXT索引定义，除非这场比赛（）是在布尔模式。布尔模式搜索，可以做非索引列，虽然他们很可能是缓慢的。
