Як реалізується LIKE?

Чи може хтось пояснити, як оператор LIKE реалізується в сучасних системах баз даних (наприклад, MySQL або Postgres)? або вказати мені на деякі посилання, які пояснюють це?

Наївний підхід полягав би в тому, щоб перевірити кожен запис, виконавши регулярне вираження чи часткове збіг рядків на поле інтересу, але у мене є відчуття (сподівання), що ці системи роблять щось розумніше.

Ні, це майже все, що вони роблять. Тепер, якщо немає головного підстановки і поле індексується, що є звичайною ситуацією, двигун бази даних може застосувати регулярний вираз до індексу. Так, наприклад, якщо ви пишете

SELECT *
  FROM employees
 WHERE last_name LIKE 'Cav%'

база даних може використовувати індекс на, LAST_NAMEщоб знайти всі рядки, з яких починається прізвище "Cav". З іншого боку, якби у вас було щось подібне

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

база даних повинна буде сканувати всю таблицю (або весь індекс) і оцінити вираз по відношенню до повного LAST_NAMEзначення. Очевидно, що це дуже дорого.

Більшість кращих реляційних баз даних мають можливість здійснювати повнотекстовий пошук більш ефективним способом, будуючи різні види індексів та текстових каталогів, але в них не використовується ключове слово LIKE. Наприклад, ось приємна стаття, в якій обговорюється повнотекстовий пошук у PostgreSQL .

На додаток до того, що написав Джастін Кейв, оскільки після PostgreSQL 9.1 ви можете прискорити будь-який пошук за допомогою LIKE( ~~) або ILIKE( ~~*) і основних збігів регулярних виразів також ( ~). Використовуйте класи операторів, надані модулем pg_trgm з індексом GIN або GiST, для прискорення LIKEвиразів, які не ліворуковані . Щоб встановити розширення, запустіть один раз у базі даних:

CREATE EXTENSION pg_trgm;

Створіть індекс форми

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

Або:

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

Створення та підтримка індексу GIN або GiST несе в собі витрати, але якщо ваша таблиця не надто написана, це чудова функція для вас.

Депес написав чудову статтю у своєму блозі про нову функцію.

GIN або GiST?

Ці два цитати з посібника повинні дати певні вказівки

Вибір між індексацією GiST та GIN залежить від відносних характеристик продуктивності GiST та GIN, які обговорюються в інших місцях. Як правило, індекс GIN швидше шукати, ніж індекс GiST, але повільніше будувати або оновлювати; тому GIN краще підходить для статичних даних, а GiST - для часто оновлюваних даних.

Але для "найближчого сусіда" тип запитів із використанням оператора дистанції <->:

Це може бути досить ефективно реалізовано індексами GiST, але не індексами GIN.

Якщо говорити про MySQL, то позиція символу підключення (%) має значення. Якщо перша частина тексту вказана як where first_name like 'Sta%', то двигун БД буде шукати лише менший підмножина слів, що дивляться на S, потім переходять до St, а потім Sta і т. Д. Якщо ви робите щось на кшталт where first_name like '%stan%', то і ціле сканування стовпець буде потрібно. Ви також можете переглянути повнотекстові покажчики, що також здійснює пошук на природній мові. Ознайомтеся з документами MySQL тут.