使用代码逻辑实现业务中的模糊查询

前言

实际工作中，与C端交互的需求常会涉及到模糊查询，解决思路一般有如下几种：

1. 数据库实现：like语句，全文索引；
2. ES实现；
3. 代码逻辑实现；

三种解决方案在针对不同场景往往能得到很好的运行效果，本文主要介绍第三种。

---

一、适用场景

已有的功能上忽然要加一些筛选条件，并且还要求支持模糊查询，此时如果使用数据库必然要考虑在原有表设计上加一些索引，但如果使用like语法还不能有效利用到索引，这时就可以考虑在已查出的大范围数据下使用业务逻辑来进行筛选，可以想到的筛选方法有如下几种:

• 条件字段拼接后使用indexOf()方法；
• 条件字段拼接后使用contains()方法；
• 使用List的contains()方法；
• 使用Map的containsKey()方法；
  下面对四种方法一一就行实现和比较。

二、数据筛选

1.分析

四种实现方式，实现1与2可以进行模糊查询，其余两种只能进行精确匹配，用字符串实现最好使用一个分隔符进行隔开（当然最好使用一个特别的，保证不会与实际内容冲突的标识），隔开的目的是防止多个字符串拼接后得到本不应该存在的内容，如：用户查手机号为18899776600的内容，而作为筛选的字段分别有账号：2021070018899，昵称：776600CSDN，若不用分割，拼接后的内容为“2021070018899776600CSDN”，此时我们发现用户想要查找的内容出现在了拼接字符串中，所以字段分割是一定要做的。

2.实现

条件字段拼接后使用indexOf()方法：

long begin = System.currentTimeMillis();
        for (int i = 0; i < 10000; i++) {
            StringBuilder queryStr = new StringBuilder();
            queryStr.append("测试人员");
            queryStr.append("-");
            queryStr.append("13680001111");
            queryStr.append("-");
            queryStr.append("1610413816458");
            queryStr.append("-");
            queryStr.append("1098713809878");
            int index = queryStr.indexOf("109871");
            queryStr.reverse();
        }
        System.out.println("用时:" + (System.currentTimeMillis() - begin));

条件字段拼接后使用contains()方法：

long begin1 = System.currentTimeMillis();
        for (int i = 0; i < 10000; i++) {
            StringBuilder queryStr = new StringBuilder();
            queryStr.append("测试人员");
            queryStr.append("-");
            queryStr.append("13680001111");
            queryStr.append("-");
            queryStr.append("1610413816458");
            queryStr.append("-");
            queryStr.append("1098713809878");
            boolean result = queryStr.toString().contains("109871");
            queryStr.reverse();
        }
        System.out.println("用时:" + (System.currentTimeMillis() - begin1));

使用List的contains()方法：

long begin2 = System.currentTimeMillis();
        for (int i = 0; i < 10000; i++) {
            StringBuilder queryStr = new StringBuilder();
            queryStr.append("测试人员");
            queryStr.append("-");
            queryStr.append("13680001111");
            queryStr.append("-");
            queryStr.append("1610413816458");
            queryStr.append("-");
            queryStr.append("1098713809878");
            String[] conditionArr = queryStr.toString().split("-");
            List<String> conditonList = Arrays.asList(conditionArr);
            boolean result = conditonList.contains("1098713809878");
            queryStr.reverse();
            conditonList = null;
            conditionArr = null;
        }
        System.out.println("用时:" + (System.currentTimeMillis() - begin2));

使用Map的containsKey()方法：

long begin3 = System.currentTimeMillis();
        Map<String, String> queryConditions = Maps.newHashMap();
        for (int i = 0; i < 10000; i++) {
            queryConditions.put("测试人员", "测试人员");
            queryConditions.put("13680001111", "13680001111");
            queryConditions.put("1610413816458", "1098713809878");
            queryConditions.put("1098713809878", "1098713809878");
            boolean result = queryConditions.containsKey("1098713809878");
            queryConditions.clear();
        }
        System.out.println("用时:" + (System.currentTimeMillis() - begin3));

3.对比

从表中不难发现，方法1和2的性能是差不多的，因为两种方法的底层实现其实是一致的，当筛选数据达到10万的时候，使用Map实现的方式性能优势开始显现，而到100万，性能远超其他方式，不过方法1和2仍然可以保持在500ms内，正常的业务场景也是可以接受的。

处理数量	处理方式	用时（ms）
1000	1	2
1000	2	2
1000	3	6
1000	4	33
10000	1	7
10000	2	14
10000	3	20
10000	4	21
100000	1	49
100000	2	51
100000	3	96
100000	4	30
1000000	1	368
1000000	2	488
1000000	3	1073
1000000	4	149

---

三、总结

总而言之，并不是只要涉及到数据查询我们就要考虑数据库或者其他存储工具，在恰当的时候合理的使用内存和数据结构，也可以很好地满足当下的业务需要。