THÍCH được thực hiện như thế nào?

Bất cứ ai cũng có thể giải thích cách toán tử THÍCH được triển khai trong các hệ thống cơ sở dữ liệu hiện tại (ví dụ: MySQL hoặc Postgres)? hoặc chỉ cho tôi một số tài liệu tham khảo giải thích nó?

Cách tiếp cận ngây thơ sẽ là kiểm tra từng bản ghi, thực hiện một biểu thức chính quy hoặc một phần chuỗi khớp trên lĩnh vực quan tâm, nhưng tôi có cảm giác (hy vọng) rằng các hệ thống này làm điều gì đó thông minh hơn.

Không, đó là những gì họ đang làm. Bây giờ, nếu không có ký tự đại diện hàng đầu và trường được lập chỉ mục, đó là tình huống thông thường, công cụ cơ sở dữ liệu có thể áp dụng biểu thức chính quy cho chỉ mục. Vì vậy, ví dụ, nếu bạn viết

SELECT *
  FROM employees
 WHERE last_name LIKE 'Cav%'

cơ sở dữ liệu có thể sử dụng chỉ mục trên LAST_NAMEđể tìm tất cả các hàng nơi tên cuối cùng bắt đầu 'Cav'. Mặt khác, nếu bạn có một cái gì đó như

SELECT *
  FROM employees
 WHERE last_name LIKE '%av%'

cơ sở dữ liệu sẽ phải quét toàn bộ bảng (hoặc toàn bộ chỉ mục) và đánh giá biểu thức dựa trên LAST_NAMEgiá trị đầy đủ . Rõ ràng, điều đó rất tốn kém.

Hầu hết các cơ sở dữ liệu quan hệ tốt hơn đều có phương tiện để thực hiện tìm kiếm toàn văn một cách hiệu quả hơn bằng cách xây dựng các loại chỉ mục và danh mục văn bản khác nhau nhưng chúng không sử dụng từ khóa THÍCH. Ví dụ, đây là một bài viết hay thảo luận về tìm kiếm toàn văn bản trong PostgreSQL .

Ngoài những gì Justin Cave đã viết, kể từ PostgreQuery 9.1, bạn có thể tăng tốc bất kỳ tìm kiếm nào với LIKE( ~~) hoặc ILIKE( ~~*) và các biểu thức chính quy cơ bản khớp ( ~). Sử dụng các lớp toán tử được cung cấp bởi mô-đun pg_trgm với chỉ số GIN hoặc GiST để tăng tốc các LIKEbiểu thức không được neo trái. Để cài đặt tiện ích mở rộng, hãy chạy một lần cho mỗi cơ sở dữ liệu:

CREATE EXTENSION pg_trgm;

Tạo một chỉ mục của biểu mẫu

CREATE INDEX tbl_col_gin_trgm_idx ON tbl USING gin (col gin_trgm_ops);

Hoặc là:

CREATE INDEX tbl_col_gist_trgm_idx ON tbl USING gist (col gist_trgm_ops);

Tạo và duy trì chỉ số GIN hoặc GiST mang lại chi phí, nhưng nếu bảng của bạn không được viết nhiều, đây là một tính năng tuyệt vời cho bạn.

Depesz đã viết một bài báo xuất sắc trong blog của mình về tính năng mới.

GIN hay GiST?

Hai trích dẫn từ hướng dẫn sẽ cung cấp một số hướng dẫn

Sự lựa chọn giữa lập chỉ mục GiST và GIN phụ thuộc vào đặc tính hiệu suất tương đối của GiST và GIN, được thảo luận ở nơi khác. Theo nguyên tắc thông thường, chỉ mục GIN tìm kiếm nhanh hơn chỉ số GiST, nhưng chậm hơn để xây dựng hoặc cập nhật; vì vậy GIN phù hợp hơn với dữ liệu tĩnh và GiST cho dữ liệu thường được cập nhật.

Nhưng đối với loại truy vấn "hàng xóm gần nhất" với toán tử khoảng cách <->:

Điều này có thể được thực hiện khá hiệu quả bởi các chỉ mục GiST, nhưng không phải bởi các chỉ mục GIN.

Nói về MySQL, vị trí của ký tự đại diện (%) tạo nên sự khác biệt. Nếu phần đầu tiên của văn bản được chỉ định như thế where first_name like 'Sta%', thì công cụ DB sẽ chỉ tìm kiếm một tập hợp nhỏ hơn các từ đang nhìn chằm chằm vào S, sau đó chuyển đến St, và sau đó là Sta, v.v. Nếu bạn làm một cái gì đó như where first_name like '%stan%', sau đó và quét toàn bộ cột sẽ được yêu cầu. Bạn cũng có thể xem xét các chỉ mục toàn văn cũng tìm kiếm ngôn ngữ tự nhiên. Kiểm tra các tài liệu MySQL ở đây.