MySQL实现近似匹配搜索的业界实践及工具选型咨询

一、主流实现方案 #

• Elasticsearch：基于Lucene封装的分布式搜索引擎，完美适配数据库字符串的索引与近似搜索场景。只需将MySQL的username字段同步到Elasticsearch，就能借助它的模糊匹配、前缀匹配、分词匹配等能力实现类似Facebook账号名称的搜索，依赖倒排索引提供远优于数据库原生查询的性能。
• Apache Solr：同样基于Lucene，和Elasticsearch定位类似，具备成熟的全文搜索能力，自带数据同步插件，可快速对接MySQL等关系型数据库，适合构建账号名称这类实体的近似搜索功能。
• MySQL原生优化方案：若不想引入外部工具，可尝试以下两种方式：
  • 使用FULLTEXT索引（支持MyISAM和InnoDB引擎），配合MATCH AGAINST语法实现模糊匹配，但近似匹配能力有限，仅适用于简单场景；
  • 前缀匹配场景下，用LIKE 'xxx%'并给username字段建普通B-tree索引，可避免全表扫描，但无法处理中间或后缀匹配的需求。

二、关于Lucene的场景适配 #

Lucene并非仅用于网页索引，它是通用的底层索引库。你可以开发自定义同步程序，定期从MySQL拉取username数据构建倒排索引，实现针对数据库字段的近似搜索。不过直接使用Elasticsearch或Solr这类封装好的工具会更高效，省去大量底层开发工作。

三、SQL查询是否必然触发全表扫描？ #

并非必然，分以下情况：

• 若使用LIKE '前缀%'形式的前缀匹配，且username字段建有普通B-tree索引，MySQL会走索引查询，不会全表扫描；
• 若使用FULLTEXT索引配合MATCH AGAINST语法，会走全文索引，也不会触发全表扫描；
• 但如果是LIKE '%关键词%'这类前后通配的模糊查询，或者没有合适索引的近似匹配操作，就会触发全表扫描，数据量较大时性能极差。

内容的提问来源于stack exchange，提问作者jumbodrawn