Question

我有一个拥有（目前）3500万行的人名的数据库。我需要知道快速搜索这些名称的最佳方法是什么。当前的系统（不是我设计的），只是将索引的名字和姓氏列使用“LIKE”查询以及使用SOUNDEX的附加选项（虽然我不确定这实际上是用得多）。性能一直是该系统的一个问题，因此目前搜索限制为200个结果（运行时间仍然太长）。所以，我有几个问题：

全文索引是否适用于专有名称？
如果是这样，查询专有名称的最佳方法是什么？（CONTAINS，FREETEXT等）
是否有其他系统（如Lucene.net）更好？

仅供参考，我使用Fluent NHibernate进行数据访问，因此首选的方法将是首选。我目前正在使用SQL Server 2008。

编辑我想补充一点，我对处理常见拼写错误名称等问题的解决方案非常感兴趣，例如'smythe'，'smith'，以及名字，例如' tomas'，'thomas'。

查询计划

  |--Parallelism(Gather Streams)
       |--Nested Loops(Inner Join, OUTER REFERENCES:([testdb].[dbo].[Test].[Id], [Expr1004]) OPTIMIZED WITH UNORDERED PREFETCH)
            |--Hash Match(Inner Join, HASH:([testdb].[dbo].[Test].[Id])=([testdb].[dbo].[Test].[Id]))
            |    |--Bitmap(HASH:([testdb].[dbo].[Test].[Id]), DEFINE:([Bitmap1003]))
            |    |    |--Parallelism(Repartition Streams, Hash Partitioning, PARTITION COLUMNS:([testdb].[dbo].[Test].[Id]))
            |    |         |--Index Seek(OBJECT:([testdb].[dbo].[Test].[IX_Test_LastName]), SEEK:([testdb].[dbo].[Test].[LastName] >= 'WHITDþ' AND [testdb].[dbo].[Test].[LastName] < 'WHITF'),  WHERE:([testdb].[dbo].[Test].[LastName] like 'WHITE%') ORDERED FORWARD)
            |    |--Parallelism(Repartition Streams, Hash Partitioning, PARTITION COLUMNS:([testdb].[dbo].[Test].[Id]))
            |         |--Index Seek(OBJECT:([testdb].[dbo].[Test].[IX_Test_FirstName]), SEEK:([testdb].[dbo].[Test].[FirstName] >= 'THOMARþ' AND [testdb].[dbo].[Test].[FirstName] < 'THOMAT'),  WHERE:([testdb].[dbo].[Test].[FirstName] like 'THOMAS%' AND PROBE([Bitmap1003],[testdb].[dbo].[Test].[Id],N'[IN ROW]')) ORDERED FORWARD)
            |--Clustered Index Seek(OBJECT:([testdb].[dbo].[Test].[PK__TEST__3214EC073B95D2F1]), SEEK:([testdb].[dbo].[Test].[Id]=[testdb].[dbo].[Test].[Id]) LOOKUP ORDERED FORWARD)

上面的SQL：

SELECT * FROM testdb.dbo.Test WHERE LastName LIKE 'WHITE%' AND FirstName LIKE 'THOMAS%'

根据Mitch的建议，我创建了一个这样的索引：

CREATE INDEX IX_Test_Name_DOB
ON Test (LastName ASC, FirstName ASC, BirthDate ASC)
INCLUDE (and here I list the other columns)

我的典型搜索（最后，第一次和出生日期）的搜索速度非常快。

Answer 1

取决于您的LIKE查询的样子。

如果您正在搜索LIKE '%abc%'，则无法使用索引，而在搜索LIKE 'abc%'时，可以使用索引。此外，如果First和Last名称上的索引未“覆盖”发出的查询，则将执行密钥查找（书签查找）并显着影响性能。

您的索引是否定期重建？

您是否有示例查询计划？

更新：查询的覆盖索引是可用于执行WHERE条件的索引，还包含满足查询其余部分所需的所有列，例如SELECT列列表

Using Covering Indexes to Improve Query Performance

更新：即使您在(Lastname, Firstname)上创建了一个复合索引（因为lastname应该更具选择性），查找所有其他列（'*'列列表）仍然需要进入表聚集索引。

Answer 2

我不喜欢soundex。我认为算法的更新迭代更好，但是你将英语中的每个单词都哈希到一个相当小的哈希值。随着时间的推移，这往往会产生大量的错误匹配。我已经阅读过metaphone并且它的后继双音素电话更好，但我没有直接经验。

米奇对like的报道非常透彻，所以我不打算再重复一遍。

Answer 3

如果您在名字和姓氏列上创建索引，那么使用LIKE的完全匹配搜索和前缀搜索将变得非常快。

（在MySQL中，“如果LIKE的参数是一个不以通配符开头的常量字符串，索引也可以用于LIKE比较。”我认为MS SQL有一个类似的规则，但是检查MS SQL文档以确定。）

要加速SoundEx搜索，请存储名字和姓氏新列的SoundEx版本，并在这些列上创建索引。

SQL Server搜索正确命名全文索引与LIKE + SOUNDEX

3 个答案: