大量短字符串模糊匹配用什么方法比较合适啊？

[fardream]

想写一个和 everything 差不多的东西，目前试了用 mysql ，插了 130 万个文件名进去，引擎用 MyISAM ，ngram 索引，最短长度设置为 2 ，然后匹配".py",大概 48W 个结果,执行时间长达 5 秒。 有没有什么更加适合干这事的数据库或者方法。elastic search 这种特别重量级的就不考虑了。

[securityCoding]

速刷一下 leetcode 字符串匹配。。。

[foolishcrab]

你需要的是一个全文搜索引擎
大部分语言都有轻量级实现
比如 java 有个 lucene

[fardream]

@securityCoding 我想要的是基于索引的...

[haiku]

ES 的 Go/Rust 轻量级替代品，Meilisearch ZincSearch

[xupefei]

手写 AC 自动机😂

[henix]

手写后缀树

[netnr]

duckdb

[tyrantZhao]

手写 kmp 。。。qaq

[netnr]

写了个示例

创建表 files(id,name)
插入 200 万数据，耗时：00:00:04.1143475
查找 .py 结尾的文件共 368640 条，耗时：00:00:00.9355087

[jorneyr]

Redis 有全文索引

[fugu37]

性能慢的不正常，查询有问题，可能没有走索引

[fardream]

@fugu37 不建全文索引都没法调用 match 啊..
```
SELECT id
FROM files
WHERE MATCH(name) AGAINST('".py"' IN BOOLEAN MODE)
;
```
搜索 bpy apy 只有几百条，都能在 1s 内完成，cpy ，.py 都是十几万条，就掉到 3S 以上了

[fardream]

emmmmm 把 ngram 索引换成普通的索引，查询时间变成了 700ms,想不懂为什么..........

[fugu37]

@fardream #12

".py" 中的 "." 有问题

Fulltext index match string with period (.) mysql

https://stackoverflow.com/questions/43319480/fulltext-index-match-string-with-period-mysql

[fardream]

@fugu37 emmm 我搜索"pyc" / "py"也是一样的慢，完全无法理解为什么。我全部 select 到内存里，golang 直接暴力搜也才花了 98ms.....

[Gitmeeri]

19 亿数据在 35s 内完成查询

[coder001]

才 130 万，就算每个条目 1KB 也才 1.3GB ，完全可以全部载入再用循环去筛选，按照当下的处理器速度应该不会太慢🐶

[netabare]

我也想知道这东西该怎么设计，想给自己 blog 做一个。随便搜一下满屏幕的 ES 、Redis 和布隆真是让人绷不住。

我自己一开始的想法是 edit distance ，但这个数据集太大的话效率感人。

跟人讨论的结论似乎是先建索引，也有查到倒排索引之类的东西，对我的使用场景应该足够，但如果有上百万条数据的话我不好说。

[mmdsun]

Java 用 lucene ，不想用 es 的话