我們經(jīng)常在數(shù)據(jù)庫(kù)中使用 LIKE 操作符來(lái)完成對(duì)數(shù)據(jù)的模糊搜索，LIKE 操作符用于在 WHERE 子句中搜索列中的指定模式。

如果需要查找客戶表中所有姓氏是“張”的數(shù)據(jù)，可以使用下面的 SQL 語(yǔ)句：

SELECT * FROM Customer WHERE Name LIKE '張%'

如果需要查找客戶表中所有手機(jī)尾號(hào)是“1234”的數(shù)據(jù)，可以使用下面的 SQL 語(yǔ)句：

SELECT * FROM Customer WHERE Phone LIKE '%123456'

如果需要查找客戶表中所有名字中包含“秀”的數(shù)據(jù)，可以使用下面的 SQL 語(yǔ)句：

SELECT * FROM Customer WHERE Name LIKE '%秀%'

以上三種分別對(duì)應(yīng)了：左前綴匹配、右后綴匹配和模糊查詢，并且對(duì)應(yīng)了不同的查詢優(yōu)化方式。

數(shù)據(jù)概覽

現(xiàn)在有一張名為 tbl_like 的數(shù)據(jù)表，表中包含了四大名著中的全部語(yǔ)句，數(shù)據(jù)條數(shù)上千萬(wàn)：

左前綴匹配查詢優(yōu)化

如果要查詢所有以“孫悟空”開(kāi)頭的句子，可以使用下面的 SQL 語(yǔ)句：

SELECT * FROM tbl_like WHERE txt LIKE '孫悟空%'

SQL Server 數(shù)據(jù)庫(kù)比較強(qiáng)大，耗時(shí)八百多毫秒，并不算快：

我們可以在 txt 列上建立索引，用于優(yōu)化該查詢：

CREATE INDEX tbl_like_txt_idx ON [tbl_like] ( [txt] )

應(yīng)用索引后，查詢速度大大加快，僅需 5 毫秒：

由此可知：對(duì)于左前綴匹配，我們可以通過(guò)增加索引的方式來(lái)加快查詢速度。

右后綴匹配查詢優(yōu)化

在右后綴匹配查詢中，上述索引對(duì)右后綴匹配并不生效。使用以下 SQL 語(yǔ)句查詢所有以“孫悟空”結(jié)尾的數(shù)據(jù)：

SELECT * FROM tbl_like WHERE txt LIKE '%孫悟空'

效率十分低下，耗時(shí)達(dá)到了 2.5秒：

我們可以采用“以空間換時(shí)間”的方式來(lái)解決右后綴匹配查詢時(shí)效率低下的問(wèn)題。

簡(jiǎn)單來(lái)說(shuō)，我們可以將字符串倒過(guò)來(lái)，讓右后綴匹配變成左前綴匹配。以“防著古海回來(lái)再抓孫悟空”為例，將其倒置之后的字符串是“空悟?qū)O抓再來(lái)回海古著防”。當(dāng)需要查找結(jié)尾為“孫悟空”的數(shù)據(jù)時(shí)，去查找以“空悟?qū)O”開(kāi)頭的數(shù)據(jù)即可。

具體做法是：在該表中增加“txt_back”列，將“txt”列的值倒置后，填入“txt_back”列中，最后為 “txt_back”列增加索引。

ALTER TABLE tbl_like ADD txt_back nvarchar(1000);-- 增加數(shù)據(jù)列UPDATE tbl_like SET txt_back = reverse(txt); -- 填充 txt_back 的值CREATE INDEX tbl_like_txt_back_idx ON [tbl_like] ( [txt_back] );-- 為 txt_back 列增加索引

數(shù)據(jù)表調(diào)整之后，我們的 SQL 語(yǔ)句也需要調(diào)整：

SELECT * FROM tbl_like WHERE txt_back LIKE '空悟?qū)O%'

此番操作下來(lái)，執(zhí)行速度就非常迅速了：

由此可知：對(duì)于右后綴匹配，我們可以建立倒序字段將右后綴匹配變成左前綴匹配來(lái)加快查詢速度。

模糊查詢優(yōu)化

在查詢所有包含“悟空”的語(yǔ)句時(shí)，我們使用以下的 SQL 語(yǔ)句：

SELECT * FROM tbl_like WHERE txt LIKE '%悟空%'

該語(yǔ)句無(wú)法利用到索引，所以查詢非常慢，需要 2.7 秒：

遺憾的是，我們并沒(méi)有一個(gè)簡(jiǎn)單的辦法可以優(yōu)化這個(gè)查詢。但沒(méi)有簡(jiǎn)單的辦法，并不代表沒(méi)有辦法。解決辦法之一就是：分詞+倒排索引。

分詞就是將連續(xù)的字序列按照一定的規(guī)范重新組合成詞序列的過(guò)程。我們知道，在英文的行文中，單詞之間是以空格作為自然分界符的，而中文只是字、句和段能通過(guò)明顯的分界符來(lái)簡(jiǎn)單劃界，唯獨(dú)詞沒(méi)有一個(gè)形式上的分界符，雖然英文也同樣存在短語(yǔ)的劃分問(wèn)題，不過(guò)在詞這一層上，中文比之英文要復(fù)雜得多、困難得多。

倒排索引源于實(shí)際應(yīng)用中需要根據(jù)屬性的值來(lái)查找記錄。這種索引表中的每一項(xiàng)都包括一個(gè)屬性值和具有該屬性值的各記錄的地址。由于不是由記錄來(lái)確定屬性值，而是由屬性值來(lái)確定記錄的位置，因而稱為倒排索引(inverted index)。帶有倒排索引的文件我們稱為倒排索引文件，簡(jiǎn)稱倒排文件(inverted file)。

以上兩段讓人摸不著頭腦的文字來(lái)自百度百科，你可以和我一樣選擇忽略他。

我們不需要特別高超的分詞技巧，因?yàn)闈h語(yǔ)的特性，我們只需“二元”分詞即可。

所謂二元分詞，即將一段話中的文字每?jī)蓚€(gè)字符作為一個(gè)詞來(lái)分詞。還是以“防著古海回來(lái)再抓孫悟空”這句話為例，進(jìn)行二元分詞之后，得到的結(jié)果是：防著、著古、古海，海回，回來(lái)，來(lái)再，再抓，抓孫，孫悟，悟空。使用 C# 簡(jiǎn)單實(shí)現(xiàn)一下：

public static List Cut(String str){ var list = new List(); var buffer = new Char[2]; for (int i = 0; i < str.Length - 1; i++) { buffer[0] = str[i]; buffer[1] = str[i + 1]; list.Add(new String(buffer)); } return list;}

測(cè)試一下結(jié)果：

我們需要一張數(shù)據(jù)表，把分詞后的詞條和原始數(shù)據(jù)對(duì)應(yīng)起來(lái)，為了獲得更好的效率，我們還用到了覆蓋索引：

CREATE TABLE tbl_like_word ( [id] int identity, [rid] int NOT NULL, [word] nchar(2) NOT NULL, PRIMARY KEY CLUSTERED ([id]));CREATE INDEX tbl_like_word_word_idx ON tbl_like_word(word,rid);-- 覆蓋索引(Covering index)

以上 SQL 語(yǔ)句創(chuàng)建了一張名為 ”tbl_like_word“的數(shù)據(jù)表，并為其 ”word“和“rid”列增加了聯(lián)合索引。這就是我們的倒排表，接下來(lái)就是為其填充數(shù)據(jù)。

我們需要先用 LINQPad 自帶的數(shù)據(jù)庫(kù)鏈接功能鏈接至數(shù)據(jù)庫(kù)，之后就可以在 LINQPad 中與數(shù)據(jù)庫(kù)交互了。首先按 Id 順序每 3000 條一批讀取 tbl_like 表中的數(shù)據(jù)，對(duì) txt 字段的值分詞后生成 tbl_like_word 所需的數(shù)據(jù)，之后將數(shù)據(jù)批量入庫(kù)。完整的 LINQPad 代碼如下：

void Main(){ var maxId = 0; const int limit = 3000; var wordList = new List(); while (true) { $"開(kāi)始處理：{maxId} 之后 {limit} 條".Dump("Log"); //分批次讀取 var items = Tbl_likes .Where(i => i.Id > maxId) .OrderBy(i => i.Id) .Select(i => new { i.Id, i.Txt }) .Take(limit) .ToList(); if (items.Count == 0) { break; } //逐條生產(chǎn) foreach (var item in items) { maxId = item.Id; //單個(gè)字的數(shù)據(jù)跳過(guò) if (item.Txt.Length < 2) { continue; } var words = Cut(item.Txt); wordList.AddRange(words.Select(str => new Tbl_like_word { Rid = item.Id, Word = str })); } } "處理完畢，開(kāi)始入庫(kù)。".Dump("Log"); this.BulkInsert(wordList); SaveChanges(); "入庫(kù)完成".Dump("Log");}// Define other methods, classes and namespaces herepublic static List Cut(String str){ var list = new List(); var buffer = new Char[2]; for (int i = 0; i < str.Length - 1; i++) { buffer[0] = str[i]; buffer[1] = str[i + 1]; list.Add(new String(buffer)); } return list;}

以上 LINQPad 腳本使用 Entity Framework Core 連接到了數(shù)據(jù)庫(kù)，并引用了 NuGet 包“EFCore.BulkExtensions”來(lái)做數(shù)據(jù)批量插入。

之后，就可以把查詢安排上，先查詢倒排索引，然后關(guān)聯(lián)到主表：

SELECT TOP 10 * FROM tbl_like WHERE id IN (SELECT rid FROM tbl_like_word WHERE word IN ('悟空'))

查詢速度很快，僅需十幾毫秒：

因?yàn)槲覀儗⑺械恼Z(yǔ)句分成了二字符詞組，所以當(dāng)需要對(duì)單個(gè)字符模糊查詢時(shí)，直接使用 LIKE 是一個(gè)更加經(jīng)濟(jì)的方案。如果需要查詢的字符多于兩個(gè)時(shí)，就需要對(duì)查詢?cè)~進(jìn)行分詞。如需查詢“東土大唐”一詞，構(gòu)造出的查詢語(yǔ)句可能會(huì)是這樣：

SELECT TOP 10*FROM tbl_like WHERE id IN (SELECT rid FROM tbl_like_word WHERE word IN ('東土','土大','大唐'))

但是，該查詢并不符合我們的預(yù)期，因?yàn)槠鋵⒅话巴链蟆钡恼Z(yǔ)句也篩選了出來(lái)：

我們可以采取一些技巧來(lái)解決這個(gè)問(wèn)題，比如先 GROUP 一下：

SELECT TOP 10 *FROM tbl_likeWHERE id IN ( SELECT rid FROM tbl_like_word WHERE word IN ( '東土', '土大', '大唐' ) GROUP BY rid HAVING COUNT ( DISTINCT ( word ) ) = 3 )

在上述 SQL 語(yǔ)句中，我們對(duì) rid 進(jìn)行了分組，并篩選出了不重復(fù)的詞組數(shù)量是三個(gè)(即我們的查詢?cè)~數(shù)量)的。于是，我們可以得到正確的結(jié)果：

由此可知：對(duì)于模糊查詢，我們可以通過(guò)分詞+倒排索引的方式優(yōu)化查詢速度。

后記

雖然在講述時(shí)使用的是 SQL Server 數(shù)據(jù)庫(kù)，但是以上優(yōu)化經(jīng)驗(yàn)對(duì)大部分關(guān)系型數(shù)據(jù)庫(kù)來(lái)說(shuō)是通用的，比如 MySQL、Oracle 等。

如果你和筆者一樣在實(shí)際工作中使用 PostgreSQL 數(shù)據(jù)庫(kù)，那么在做倒排索引時(shí)可以直接使用數(shù)組類型并配置 GiN 索引，以獲得更好的開(kāi)發(fā)和使用體驗(yàn)。需要注意的是，雖然 PostgreSQL 支持函數(shù)索引，但是如果對(duì)函數(shù)結(jié)果進(jìn)行 LIKE 篩選時(shí)，索引并不會(huì)命中。

對(duì)于 SQLite 這種小型數(shù)據(jù)庫(kù)，模糊搜索并不能使用到索引，所以左前綴搜索和右后綴搜索的優(yōu)化方式對(duì)其不生效。不過(guò)，一般我們不會(huì)使用 SQLite 去存儲(chǔ)大量的數(shù)據(jù)，盡管分詞+倒排索引的優(yōu)化方式也可以在 SQLite 中實(shí)現(xiàn)。

總結(jié)

以上是生活随笔為你收集整理的android 数据库模糊查询语句_单表千万行数据库：LIKE 搜索优化手记的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。