亿级订单表 要对物流追踪号支持 LIKE %123% 这样的前后缀都模糊查询 的细节补充

[drymonfidelia]

/t/1086192 这个需求已经有非常多用户反馈了，产品经理一直在催上线，所以我周末晚上来发帖。昨天太晚了（不在国内）发完就去睡觉了，没看大佬们的讨论，因为已经快 70 条回复了，所以新开一贴补充细节

这套系统是给其它网店用的 SaaS ，总订单量有几亿条，需求是各店需要能模糊搜索自己店的物流追踪号。各店的订单量不固定，有的店有几千万条，有的店是来测试系统的只有几条
因为用户经常反馈问题的时候是直接扔张截图甚至模糊不清的照片，OCR 也不太好处理，所以需要模糊搜索追踪号

总结了下大家的评论一共几种方案：

单独用一张表存自己店追踪号：这样查询效率为什么会比从总表查高呢？不是一样还是不能走索引，如果是 SELECT 一家店的全部追踪号再筛选，和从总表 SELECT 有什么区别呢？
单独用一张表存逆序的追踪号：产品经理那边测试了同行的产品，确实支持从追踪号中间搜索，不知道是怎么实现
ClickHouse 和 MySQL 全文索引：有人提到这种方案依赖分词而追踪号不能分词

[giantreaper0]

ngram 切片，即每三个字符创建一项索引，比如 abcdefg ，就有 abc, bcd, cde, efg 四套。ES 好像是支持这种分词的

[giantreaper0]

@giantreaper0 补充一下，不是三个，是自定义 n 个，例子里是 3

[Gilfoyle26]

单独存一张表，不用 innodb

[czjxy881]

es 里 ngram 分词器，支持配置 min_gram 和 max_gram, 若 min=1,max=4 对于 abcd 就会变成 a,b,c,d,ab,bc,cd,abc,bcd,abcd 这么多 term ，对于随便一个命中的，都可以做到毫秒级召回亿级数据。本质上是用空间换时间。 若是不想空间占用过多，也可以 xgram 后用 match_phrase_prefix

[BanShe]

@czjxy881 感谢