PostgreSQL，查找差异为n个字符的字符串

假设我有一张这样的桌子

id  data
1   0001
2   1000
3   2010
4   0120
5   0020
6   0002

id

是主键，

data

是固定长度的字符串，其中字符可以是0、1、2

有没有一种方法可以建立索引，这样我就可以快速找到与给定字符串相差n个字符的字符串？比如字符串

0001

和

n=1

我想得到第6行

谢谢。

这是附加模块提供的功能。它完全符合您的要求：

SELECT *
FROM   a
WHERE  levenshtein(data, '1110') = 1;

但它不是很快。使用大表时速度较慢，因为它不能使用索引

使用附加模块提供的相似性或距离运算符，您可能会有收获。这些可以使用链接手册页面中详细说明的三元索引。我没有取得任何进展，模块使用了不同的“相似性”定义

总的来说，这个问题似乎符合实际情况

如果您的案例与问题中的示例一样简单，您可以将

LIKE

与trigram GIN索引结合使用，这对于大表来说应该相当快：

SELECT *
FROM   a
WHERE  data <> '1110'
AND   (data LIKE '_110' OR
       data LIKE '1_10' OR
       data LIKE '11_0' OR
       data LIKE '111_');

选择*
从
其中数据“1110”
和（数据如“_110”或
数据如“1_10”或
类似“11_0”或
数据如“111"”；

显然，如果字符串较长且差异大于

1

，这种技术很快就变得不可行

但是，由于字符串很短，任何查询都会匹配相当大比例的基表。因此，指数支持几乎不会给你买任何东西。大多数情况下，Postgres按顺序扫描会更快

---

我测试了10k和100k行，有和没有三角图索引。由于约19%符合给定测试用例的标准，因此顺序扫描速度更快，

levenshtein（）

仍然获胜。对于匹配少于约5%行（取决于）的更具选择性的查询，使用索引的查询速度更快。

对于

n=1

您应该只找到第6行。第2行和第5行在两个地方不同。哎呀，更正了，谢谢@Erwinbrandstetter如果n=2，那么ID将是3和4？@Roms应该是5和2是的，我想是关于levenshtein的，但我想它不是很快：（我现在正在检查三联图。）