最近在看全文检索+分词，头都大了。

[ota]

like不能索引，但模糊搜索是非常有必要的，比如搜索2ex，你想结果中会包含v2ex，这比较符合需求是吧。

现在尝试了几个，mysql-ftppc , sphinx 等。无果，主要还是词库不行。比如sphinx for chinese，词库没办法实现复合分词，意味着，搜索 特别申明 有结果，单独搜索 申明 没结果的尴尬。这彻底打消了我想加入智能学习的方案，来对词库进行增量。

P.S 有人吐槽，你不会直接用coreseek啊！不能用，不要问原因。

数据库是mysql，条目大概4w。算小型应用，如果不丢失模糊搜索，又能顺利索引呢？查阅了一些文章，说是建立反向索引+缓存，索引词，连续词，以及句子。然后缓存热门。

搞了几天了。技术和运维也头大了。

实在搞不定，我也只能砸硬件了。不研究这玩意了。主要也是实验性质，为以后项目策略留个备胎，涨点经验。真心不想遇到事情就硬件升级，说真的，无非就是增加一台mysql读而已。但技术不会有太大进步。嘛，我有点太考虑远期目标了。

话说aws的cloudsearch是虾米玩意？这东西是所谓的云搜索？让第三方托管？这延迟。。。说是堪称毫秒级别的，不过走外网的吧。这玩意能有多少实用性？

[aszxqw]

为什么搜索2ex结果就得出来v2ex？
如果真的需求是这样的话，就搞个同义词词典呗。

[binux]

『比如搜索2ex，你想结果中会包含v2ex，这比较符合需求是吧』
不是吧

[aszxqw]

至少我百度2ex了没出来v2ex

[ota]

@aszxqw coreseek可以实现同义词，来达到复合分词的效果。不过有一些原因，无法使用coreseek。
还有其他解决方案不？当前在摸索mroonga，分词方法太多了。正在尝试。
@binux 好吧，我这个例子有些脑残。比如ffer，我想结果里包含offer。这不算反人类的要求吧。话说用惯了like后，突然告诉我分词库依赖，我实在无法接受。

[decken]

@aszxqw
放狗搜 2ex也没出来v2ex

[ota]

@decken 比如搜索 建的更
百度似乎结果更本地化，但并不一定是要的结果，比如 “建设 建设得 建设+更加” 很多不是连续性的。
谷歌对这类片段的没啥意义的词似乎倾向于作为单个分词处理，搜索结果更多的是“建的更”，时不时还发现有“bigram”类型的，“建的 and 的更”，多数也比较符合要求。感觉谷歌更贴切想要的结果。

[firldlove]

Elasticsearch非常好用

[xi4oh4o]

coreseek 为什么不能用呢？
Elastisearch + jdbc river + ik

[em70]

才4W，用like有多大问题

[ota]

@em70 不光是只有4w，而且机器用的是1650 v3 ddr4 ssd s3700
问题就是搜索非常频繁。流量很大，虽然站小库也小。

[em70]

@ota 测试过吗，like需要多长时间，搜索关键词集中吗，如果很集中加缓存就行了。

你得分析一下需求，这种2ex搜索v2ex的场景是否频繁发生？如果只是极端案例，可以用MySQL全文索引，先match搜索，如果搜索不到再用like，并缓存

[sunsol]

条目才4w，直接grep就行了。

[sunsol]

如果条目经常更新同时担心效率的话，就用sqlite装载为内存数据库，直接用like简单粗暴。