通过 4000 万个名称创建最适合通配符搜索的索引

Question

任务：在具有约 4000 万个名称的数据库中使用通配符搜索名称搜索的最佳匹配结果。例如query='John' 结果可能是 'John'、'Johnny'、'Smith John'、'ajohn'
候选人：MySQL 全文、Sphinx 和 Lucene。
观察：我认为它们都使用倒排索引，这对于如此短的“文档”（名称）可能不是最佳解决方案，而 trie 可能更合适。

假设这个观察是正确的，这些工具的配置是否更适合我的情况？还有其他可以轻松集成到 PHP 中的工具吗？

谢谢。

Answer 1

我只能为斯芬克斯说话。它确实有一个专门启用通配符搜索的“min_prefix_len”。

它有两种模式，

1) 单词的每个前缀都是单独存储的（例如，Johnny 与 Johnny、Johnn、John、Joh、Jo、J 一起存储）因此每个前缀都会匹配。真正快速的查找，但以索引大小和索引速度为代价。

和

2) 原始单词被实际存储，前缀与这些匹配。更紧凑的索引和快速索引。但是搜索速度不是很好（sphinx 还没有实现优化——例如将单词列表存储在 trie 中。所以在这种模式下，一个专用的解决方案可以很好地胜过 sphinx。

建议在模式 1 中，sphinx 将友好地执行您的任务 - 并且比 mysql 更好。 （但不知道它与 Lucene 相比如何）