索引SQL表以查找最佳匹配字符串的最佳方法

假设我有一个SQL表，它有一个

int

PK列和一个

nvarchar（max）

。在

nvarchar（max）

列中，我有一组表项，它们都是这样的：

SOME_PEOPLE_LIKE_APPLES
SOME_PEOPLE_LIKE_APPLES_ON_TUESDAY
SOME_PEOPLE_LIKE_APPLES_ON_THE_MOON
SOME_PEOPLE_LIKE_APPLES_ON_THE_MOON_CAFE
SOME_PEOPLE_LIKE_APPLES_ON_THE_RIVER
.
.
.
SOME_ANTS_HATE_SYRUP
SOME_ANTS_HATE_SYRUP_WITH_STRAWBERRIES

这里有数百万行-假设我的目标是找到一个输入项重叠最多的行

searchTerm

-因此在这种情况下，如果我输入

一些人喜欢月亮山上的苹果

，返回的条目将是上表中的第三个条目，

一些人喜欢月亮上的苹果

我有一个非常天真的SPROC，它贯穿整个表，如下所示：

SELECT DISTINCT phrase, len(phrase) l, [id] FROM X WHERE searchTerm LIKE phrase + '%'

-- phrase is the row entry being searched against
-- searchTerm is the phrase we're searching for

然后我按长度排序，只选择顶部

有没有一种方法可以加速这个过程，也许是通过建立索引

如果这令人困惑，请将其视为

tableRowEntry+wildcard=searchTerm

---

我在MSSQL 2008上，如果这有什么不同的话

如果你的NVARCHAR列a

上有一个像'Something%'这样的索引

-搜索将能够使用它，而且应该非常快

如果一开始有一个通配符，你就不走运了。但是，在你的情况下，这应该是可行的

您可以使用索引的持久计算列来存储字符串的长度。在这种情况下，通过过滤掉所有短字符串或长字符串，您可以极大地减少工作负载

如果搜索词中有某些词经常出现，但并非无处不在，则可以再次使用边栏并进行筛选，如

和inlcudepople=1和IncludeMOON=1

更新 这里有一个例子

CREATE TABLE Phrase(ID INT IDENTITY
                   ,Phrase NVARCHAR(100)
                   ,PhraseLength AS LEN(Phrase) PERSISTED);
CREATE INDEX IX_Phrase_Phrase ON Phrase(Phrase);
CREATE INDEX IX_Phrase_PhraseLength ON Phrase(PhraseLength);

INSERT INTO Phrase
VALUES
 ('SOME_PEOPLE_LIKE_APPLES')
,('SOME_PEOPLE_LIKE_APPLES_ON_TUESDAY')
,('SOME_PEOPLE_LIKE_APPLES_ON_THE_MOON')
,('SOME_PEOPLE_LIKE_APPLES_ON_THE_MOON_CAFE')
,('SOME_PEOPLE_LIKE_APPLES_ON_THE_RIVER')
,('SOME_ANTS_HATE_SYRUP')
,('SOME_ANTS_HATE_SYRUP_WITH_STRAWBERRIES');

DECLARE @SearchTerm NVARCHAR(100)=N'SOME_PEOPLE_LIKE_APPLES_ON_THE_MOON_MOUNTAIN';

--这使用索引（对照执行计划检查）

--这可能更好，检查您的高行数

SELECT TOP 1 *
FROM Phrase
WHERE Phrase=LEFT(@SearchTerm,PhraseLength)
ORDER BY PhraseLength DESC;
GO

--清理

---

这里的最佳解决方案是创建全文搜索索引：

全文搜索针对此任务进行了优化，创建索引后，您可以使用包含全文功能的全文查询来高效查找匹配项：

SELECT DISTINCT phrase, len(phrase) l, [id] FROM X WHERE CONTAINS(phrase, searchPhrase)

---

全文搜索不仅允许通过查询提示进行自定义优化，如

OPTIMIZE FOR

，还允许搜索词中的AND AND OR等停止词，以及各种其他文本搜索优点，如能够自动查找同一单词的拼写变体并按相关性过滤等

你的查询应该使用

searchTerm

上的索引，假设

phrase

确实是一个常量参数。Matt，请参见我的更新示例…IMHO，OP无法筛选太长或太短的结果，因为他正在寻找最接近的匹配项。如果最接近的匹配在长度上不是完全匹配怎么办？@KamilG。嗯，有必要定义最近的。。。应该对过长的字符串进行分类——至少我是这样理解的……我相信当搜索词只有一个匹配项，并且它的长度与搜索短语的距离很大时，会出现边缘情况，但它仍然应该考虑到这一点。例如：搜索短语len=10，只找到一个len=1000的匹配项。@KamilG。我刚刚添加了一些示例（没有长度检查，这可能需要额外完成，具体取决于实际的业务案例）。谢谢，我理解了您之前的观点。一些对我不感兴趣的事情是在应用限制之前过滤掉——我相信有很多情况下你不能指定。

DROP TABLE Phrase;

SELECT DISTINCT phrase, len(phrase) l, [id] FROM X WHERE CONTAINS(phrase, searchPhrase)