高效模糊搜索：应对mysql千万级数据查询难题
在MySQL千万级数据环境下，实现select * from table where title like %关键词% limit 100这样的毫秒级模糊搜索，是一个巨大的挑战。由于模糊匹配无法利用索引，全表扫描导致查询速度缓慢，常常耗时数秒甚至更久。本文将探讨几种优化方案，并分析其优劣。
文章作者曾尝试elasticsearch、MySQL分词索引、手动维护索引表以及分库分表等方法，但都未能完全满足毫秒级查询的需求。内存加载数据虽然速度快，却受限于服务器内存（仅512M Java堆内存），无法缓存所有数据。
核心问题是如何在内存受限的情况下，实现高效的模糊搜索。 everything软件的高效搜索能力启发我们寻找类似的解决方案。
一种可行方案是构建类似倒排索引的结构，但这与简单的分词索引有所不同。 我们构建一个“词语对索引表”，将文本内容拆分成词语对，并记录每个词语对对应的原始记录主键ID。例如，“MySQL千万级数据如何快速搜索？”会被拆分成（“MySQL”，“千万”）、（“千万”，“级”）等词语对，并分别存储其对应的记录主键ID。
搜索时，通过连接多个子查询实现。例如，搜索“快速搜索”，会查找“快”、“速”、“搜”、“索”四个词，并通过主键ID连接，最终得到包含“快速搜索”的记录。这种方法将模糊搜索转化为精确匹配，显著提高效率。
此方案需要预先构建并定期维护索引表，增加一定系统开销，但相比全表扫描，效率提升巨大。 更重要的是，它完全在MySQL数据库层面实现，无需第三方中间件。
基于词语对的索引方法避免了全表扫描，通过精确匹配快速定位目标记录，有效解决了百万级数据模糊搜索的效率问题。 其性能取决于索引表的规模、设计和查询语句的优化，需要根据实际情况进行调整。
