Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
ISO/IEC 13249-2:2004（CAN CSA ISO IEC 13249-2-04）《信息技术 数据库语言 SQL多媒体和应用包 第2部分：全文》标准解析
基于 SQL 的全文检索功能标准化及其技术实施指南
一、标准概况与适用范围
ISO/IEC 13249-2:2004（其加拿大等同采用版本为 CAN CSA ISO IEC 13249-2-04）是 信息技术 — 数据库语言 — SQL 多媒体和应用包（SQL/MM） 系列标准的第 2 部分，专门用于定义全文检索（Full-Text）功能。该标准于 2004 年首次发布，目前仍被许多数据库系统作为全文搜索功能的基础参考规范。
本标准适用于：
- 数据库管理系统（DBMS）中全文索引与检索功能的实现；
- 应用程序开发者使用 SQL 进行高效文本查询；
- 需要跨平台、可移植的全文搜索解决方案的系统集成；
- 标准合规性评估与测试。
它通过扩充 SQL 语法，提供了对文本内容的搜索、比较、排名等操作能力，同时保持了与 ISO/IEC 9075（SQL 标准）的高度兼容。
技术提示： 虽然标准编号中含有 “IEC 13249-2-04”，但该标准实质由 ISO/IEC JTC 1 制定，属于 ISO/IEC 联合标准。CSA（加拿大标准协会）将其采纳为国家标准，故文件名为 CAN CSA ISO IEC 13249-2-04。
二、主要技术内容与要求
2.1 全文检索数据类型
标准引入了用于表示全文文档及查询结果的专用类型：
- 全文文档类型（Full-Text Document）：用于存储文本内容，支持多种语言和字符集；
- 文本查询类型（Text Query）：用于表示查询表达式，包括关键词、短语、通配符等；
- 词汇表类型（Thesaurus）：管理词组关系，如同义词、上位词等。
2.2 核心检索函数与操作符
下表列出了标准中定义的主要全文检索函数：
| 函数/操作符 | 说明 | 示例 |
|---|---|---|
CONTAINS | 判断文档是否包含指定的查询条件 | WHERE CONTAINS(doc, 'sql') = 1 |
FULLTEXT | 对文档执行全文搜索并返回匹配结果 | SELECT * FROM T WHERE FULLTEXT(doc, 'database') |
SCORE | 计算匹配结果的相关性评分 | ORDER BY SCORE(doc, 'index') DESC |
STEM | 返回词语的词根形式（用于查询扩展） | STEM('running') 返回 'run' |
标准还要求数据库必须支持短语搜索、通配符检索、邻近搜索等高级文本匹配模式。
2.3 语言支持与词典机制
为实现多语言全文检索，ISO/IEC 13249-2 定义了三种语言资源：
- 停用词表（Stop Words List）：分词时自动过滤的常见词（如“的”、“a”、“the”）；
- 同义词词典（Synonym Dictionary）：将查询词扩展为其同义表达；
- 词根分析器（Stemmer）：用于将词汇还原为基础形式，提升查全率。
标准允许数据库实现提供默认词典，也允许用户自定义语言资源，并通过 SQL 语句注册或替换。
2.4 全文索引管理
全文索引是支持高效检索的物理结构。标准明确要求：
- 支持索引的自动增量更新（在 DML 操作后保持同步）；
- 支持索引重建（REINDEX）以优化查询性能；
- 索引必须感知语言设置，对不同语言采用不同的分析策略。
重要注意事项： 实现者应确保全文索引的更新不影响 OLTP 性能，建议采用异步更新策略。同时，对于非字母语言（如中文、日文），标准未强制要求分词算法，但鼓励实现支持基于语法的 token 化机制。
三、实施与应用要点
3.1 适配现有 SQL 环境
由于 ISO/IEC 13249-2 是对 SQL 标准的扩展，实施时应遵循以下原则：
- 所有新增函数和类型应作为可选包纳入数据库产品，不影响核心 SQL 语法；
- 建议使用
INFORMATION_SCHEMA视图来暴露全文检索的元数据（如词典列表、索引配置）； - 严格区分全文查询与普通字符串
LIKE操作，避免性能错配。
3.2 性能调优策略
| 场景 | 建议策略 |
|---|---|
| 大量文本插入 | 使用延迟索引更新或批量重建 |
| 混合查询（全文+关系条件） | 确保全文索引选择率高于行级过滤 |
| 多语言环境 | 为每个语言创建独立全文索引或使用分区 |
| 高频同义词扩展 | 缓存词典映射，减少运行时查询开销 |
3.3 兼容性与测试
开发者在集成全文检索功能时，应参考标准中定义的 最小合规性要求：
- 必须实现
CONTAINS和FULLTEXT函数； - 必须支持至少一种语言的分词和停用词过滤；
- 可选功能（如
SCORE、STEM）应在文档中明确标注支持程度。
标准实施收益： 遵循 ISO/IEC 13249-2 可使全文功能具备跨数据库的可移植性，降低应用迁移成本，同时利用标准化的函数接口简化开发复杂度。
四、与其他标准的关系
ISO/IEC 13249-2 是 SQL/MM 系列 的一部分，与以下标准紧密相连：
- ISO/IEC 9075（SQL 标准）：全文检索扩展以 SQL 用户定义类型（UDT）和例程为基础，完全遵循 SQL 框架；
- ISO/IEC 13249-1（SQL/MM 框架）：定义了所有 SQL/MM 部分的共同架构和术语；
- ISO/IEC 13249-3（空间） 和 -5（仍像）：其他多媒体应用包，共享相同的数据类型设计模式。
此外，标准中的词典机制与 ISO 24610（语言资源管理） 有一定关联，但未直接引用。2026 年修订版本可能会进一步引入基于机器学习的排序模型——不过截至 2026 年，CAN CSA ISO IEC 13249-2-04 仍是官方稳定的版本。
安全与合规要求： 实施全文检索时，必须注意 SQL 注入风险。标准虽未规定具体防范措施，但强烈建议对用户输入的查询参数进行预处理，仅允许安全的通配符和转义序列。任何绕过词典或索引的直接字符串拼接都可能被攻击者利用。
常见问题（FAQ）
问： “IEC 13249-2-04” 与 “ISO/IEC 13249-2:2004” 是同一个标准吗？
答： 是的。IEC 与 ISO 联合发布了该标准，文件名为 CAN CSA ISO IEC 13249-2-04 是加拿大国家标准机构 CSA 采纳的编号，内容与 ISO/IEC 13249-2:2004 完全相同，仅增加了国家层面的前言或附录。
答： 是的。IEC 与 ISO 联合发布了该标准，文件名为 CAN CSA ISO IEC 13249-2-04 是加拿大国家标准机构 CSA 采纳的编号，内容与 ISO/IEC 13249-2:2004 完全相同，仅增加了国家层面的前言或附录。
问： 该标准是否支持中文全文检索？
答： 标准本身是语言中立的，但未强制规定中文分词算法。实现者可以扩展自定义词典与 tokenizer 来支持中文。市面上多数商业数据库（如 Oracle、SQL Server）的全文检索实现参考了该标准，并提供了中文分词插件。
答： 标准本身是语言中立的，但未强制规定中文分词算法。实现者可以扩展自定义词典与 tokenizer 来支持中文。市面上多数商业数据库（如 Oracle、SQL Server）的全文检索实现参考了该标准，并提供了中文分词插件。
问： 标准中是否定义了全文索引的物理存储结构？
答： 没有。标准只定义了逻辑接口和语义，索引的具体实现（如倒排索引、B‑树、位图等）由数据库厂商自行决定。这保证了灵活性，但也要求开发者通过性能测试来验证实现效率。
答： 没有。标准只定义了逻辑接口和语义，索引的具体实现（如倒排索引、B‑树、位图等）由数据库厂商自行决定。这保证了灵活性，但也要求开发者通过性能测试来验证实现效率。
问： 2026 年是否有计划发布该标准的修订版？
答： 截至 2026 年，ISO/IEC JTC 1 正在考虑对 SQL/MM 系列进行技术勘误，但尚未发布正式修订。建议关注 ISO 官网以获取最新版本信息。
答： 截至 2026 年，ISO/IEC JTC 1 正在考虑对 SQL/MM 系列进行技术勘误，但尚未发布正式修订。建议关注 ISO 官网以获取最新版本信息。
