我有很多数据需要非常快速地进行模糊查询（当然，这是相对的，但对于约1亿个键，在几秒钟的范围内，但理想情况下更快）。它是键/值对的形式，其中键是唯一的字符串，值是字符串数组。这是实际数据的结构，但我可以自由地将其组织成任何数据结构，使查找更快。
键的值的查找不仅应包括该精确键的值，还应包括在预定阈值内的levenshtein距离内的所有键的值（例如，5）。 < / p>
例如，查找hello不仅应返回hello键下索引的所有值，还应返回Hello，hello!，{{1}的值}}，yello，helo等
当然，天真的解决方案是迭代每个键，计算其levenshtein距离，并包括其值，如果它在某个阈值内。但是，这个解决方案不能很好地扩展O（n）时间复杂度来迭代每个密钥，O（n-1）迭代每个密钥以将其与之进行比较，并且每个levenshtein计算得到O（n），从而导致查找O（n * n * n-1）的时间当然是不可接受的。
如何构建此数据以优化查找时间复杂度？空间复杂性，插入，删除和编辑运行时都是无关紧要的（但是，我更喜欢将插入保持在一秒以下，以避免出现瓶颈）。
有关数据的一些信息：
答案 0 :(得分：0)
我不确定这里使用的数据结构，但最简单的选择可能是使用ElasticSearch＆＃39; s fuzzy query或其亲属。从根本上说，它是使用具有良好优化的反向索引来执行模糊查询。