Question

搜索具有不匹配的词组的短语的最佳方法是什么，例如：

description = "a cell phone that have an external memory"

我想搜索：

search = "a good phone"

是否有使用mongodb的提示，或者我使用python中的Knuth-Morris-Pratt字符串匹配（会杀死服务器）？

Answer 1

MongoDB并不适合这种shannenigans。我建议您使用SphinxSearch或Solr等外部服务来满足您的搜索需求。

Answer 2

您可以使用MapReduce构建搜索索引，然后搜索生成的集合。

您的地图功能会首先将描述拆分为单个单词。应该丢弃像“a”或“the”这样的常用词。然后它会按字发出。键是单词，值是当前处理文档的_id。

然后，您的reduce函数将用于收集包含每个单词的所有文档。它将返回密钥，所有数组合并为一个并删除重复项。

此MapReduce作业的结果集合将包含一个文档，用于描述中显示的每个单词。这些文档将包含单词和一个数组，其中包含出现的文档的_id。添加索引时，您可以非常快速地进行搜索。

此MapReduce作业需要执行一次才能构建搜索索引。当数据库中已有大量数据时，这需要一段时间。每当添加或删除文档或更改文档描述时，您都必须执行增量MapReduce来更新搜索索引。这个增量MapReduce将比初始MapReduce快得多，因此自动执行此操作应该是可行的。

Answer 3

避免使用Map Reduce和Regex等无法扩展的方法的一个好方法是在文档中实际存储关键字数组。

您将决定如何填写等词以及您想要删除的词语，一旦完成，您只需将其推入文档本身的大数组中。

Map reduce有时被认为是一种不好的方法，因为它只是因为性能和线程原因以及正则表达式而胜利，因为它在90％的情况下使用索引非常糟糕，除非有前缀。我已经看到一个简单的正则表达式杀死了很多mongodb服务器，所以我知道它可以被解开多么糟糕。

我确实同意其他所有人，但你应该真正研究一下外部FTS技术。我个人崇拜Sphinx：http://sphinxsearch.com/因为它的速度，可扩展性和灵活性。但是我使用过像Solr这样的其他搜索技术，它们都非常好。

Answer 4

只想添加Elastic Search的插件。它们有client libraries吨，包括几个用于python。

Solr和ElasticSearch都是基于Apache Lucene构建的，但ElasticSearch比Solr，IMO有一些优势，首先是它使用JSON而不是XML。

Answer 5

对于mongo db字段的简单正则表达式搜索，您可以将find与"$regex"查询表达式一起使用。

在pymongo中db.your_collection.find({"description": {"$regex": "<insert regex here>"}})。

这将帮助您入门。正如其他人所说，MongoDB并不一定会感谢你这样打败它。您可能需要考虑更强大的解决方案来进行大量搜索。

请考虑在数据库中进行正则表达式搜索的性能影响。