这是一个创建于 1050 天前的主题，其中的信息可能已经有所发展或是发生改变。
现在有一张 mysql 的 data 表有 300 个 varchar 字段：value1 到 value300 ，想要支持模糊查询，
想到的办法是建立一张索引表，
id,
data_id, data 表的 id
number, 数据在 data 表中的位置
value, 数据的值
然后加上索引 data_id,number,value ，但是这样只能加速前缀匹配
现在有个想法，比如value 等于"abcdefghi" 就往 index 表插入以下数据，
abcdefghi,
bcdefghi,
cdefghi,
defghi,
...
这样就能支持 "%ced%"的快速查询了,
但是数据量会很大，data 表数据百万的话，可能 index 就几十亿了，这种方案可行么？
大家有没更好的方案？比如说 index 表 用 elasticsearch?
 |
1
damai0419 2022-01-08 19:17:26 +08:00
mysql 有个全文检索索引。你可以调研下，能不能支持百万级数据。估摸着可以用。
|
 |
2
qaweqa 2022-01-08 19:19:53 +08:00
试试用 instr()
|
 |
3
enjoychen0318 OP  1
@damai0419 如果用全文索引我感觉 elasticsearch 会好很多，但是全文索引的分词会导致有些搜索不准确吧
|
|
4
enjoychen0318 OP @qaweqa 试了下。。百万行的数据查询好像和 like 差不多
|
 |
5
cha0sCat 2022-01-08 20:08:39 +08:00
pg 有一个 pg-trgm 索引的原理和你说的差不多
基本是把关键词 'abcd' 拆分成 ' a' ' ab' 'abc' 'bcd' 'cd ' 这样查询 |
 |
6
outdoorlife 2022-01-08 20:15:12 +08:00
@enjoychen0318
我同意你的用 ELK 来做 另外可以考虑直接做个只读库，只干这种非实时操作的。这是我们在没有 HADOOP 没有 ELK 的 2015 年前最常见的也是最有效的办法。 包括未来你要做数据 ETL 你也不可能主库抽，抽一次主库死了，只从从库抽。 |
 |
7
zhoudaiyu 2022-01-08 20:44:18 +08:00 via iPhone
不知道 Loki 能不能 cover 这种场景
|
 |
8
tinybaby365 2022-01-08 21:20:37 +08:00
优先用 elasticsearch ，想省钱就用 postgres 。
|
 |
9
dusu 2022-01-09 02:49:48 +08:00 via iPhone
manticoresearch 中小企业全文搜索伴侣
|
 |
10
WhereverYouGo 2022-01-09 13:11:23 +08:00
ES ，字段用 ngram 分词器，匹配时用 match_phrase 语句。
|
 |
11
ferstar 2022-01-09 15:18:10 +08:00 via Android
才百万，pg gin 索引了解下
|
 |
12
ospider 2022-01-09 19:02:23 +08:00
才百万……命令行用 fzf 都行
|
 |
13
SmiteChow 2022-01-10 09:25:34 +08:00
瞧不起 mysql 的索引吗？如果字段没有超过 255 字符，mysql 模糊查找没有任何问题。
超过了就不合适了，看你的描述也不需要分词那就上 mongodb 。 |
 |
14
DollarKiller 2022-01-10 09:51:06 +08:00
|
 |
15
MoYi123 2022-01-10 11:04:26 +08:00
你的想法叫做"后缀数组" https://oi-wiki.org/string/sa/
不过不需要把字符串真的完全切开,只需要存从 0,1,2,3... 开始的字符串的 rank 值即可, 查的时候用二分查找, 生成的时间复杂度是 O(n),查找是 O(m * log(n)), (n 是整个字符串的长度,m 是查询串的长度) 如果你很想在工作的代码里整活的话也不是不能用. 当然, 用上面说的各种方案肯定是更加靠谱的. |
Select Language