今天去面试，这个公司的业务需要模糊查询数据，之前他们通过mongodb来存储数据，但他们说会有丢数据的问题，我从业务上了解到，显然对他们公司而言，丢数是绝对不能允许的。

 

另外，他们说之前也用过SQL Server的全文检索，但速度不够快，不如用mongodb快，当然我不太清楚他们所谓快的具体定义，比如查询只需要1秒，还是1分钟。他们的系统现在采用的是SQL Server，通过复制来实现高可用性，因为他们说备份数据库需要很长时间。我在想，这确实解决了可用性问题，但没解决性能问题，可以考虑分表，把大的表拆分到多个数据库，每个数据库可以通过复制来实现可用性。

 

我觉得他们可能更需要一个架构师，来决定采用何种技术解决他们现在的技术问题，因为这种技术问题，显然不是靠DBA的优化就能解决的；其次才是需要DBA，让DBA来管理、维护、优化系统。


当时在面试的时候，我表示虽然在博客里也写了一篇关于SQL Server全文索引的文章，但在实际工作中确实也没有用到。回去以后，我想了想，觉得这个问题还是可以通过SQL Server的全文索引来尝试一下。


引用自己之前写的一篇全文检索的文章:   http://blog.csdn.net/yupeigu/article/details/7792955


上面的文章是去年写的，当时在看《SQL Server 2008 实战》这本书，看完后，觉得不能只是看书，不然很快就会忘记，于是在空闲的时候，把书上的东西实践了一下，算是装模做样的把书上的代码抄写了一遍，就算是实践过了，放心了。但其实很快就忘记了，就算抄写10遍，也会忘记，学了不用等于不学。不过这也没办法，因为学了这个全文检索，公司里也用不到。


现在回想一下，这种实践有点像以前小学和初中时抄写错别字一下，字写错了，老师会说：“你把这个句子抄写100遍”，一开始抄写的时候，还挺认真的，但写了一会，手就开始酸了。

于是手上握着5支笔，开始抄写，这样就能一次抄写5遍，效率提高了好多倍，现在想想这个是偷工减料，但也包含了优化的思想，那就是同时用更多的资源(这里是5支笔)来做事。


但再想想，其实这种学习效率其实是很差的，本质上就是做了不少的无用功，没必要抄写那么多遍，所以就有另一种优化，那就是少做无用之事，少做无用功。


言归正传，现在有这样一个问题，有个字段，文本型的，可能会有上万个文字，现在要从表中，通过这个字段的文本，找到复合要求的记录，那么从SQL Server数据库的角度，有什么方法呢？

我觉得通过使用全文检索，能少做不少的无用功。下面是例子。


首先是普通的方法：

set statistics io on set statistics time on   create database wc   use wc go   create table tbl_word ( i int not null primary key identity(1,1), v nvarchar(max)   --存储大量文字 ) go --delete from tbl_word  insert into tbl_word values('我的一个兴趣是看电影。'),       ('我的一个爱好是看电影和电视剧')  insert into tbl_word values(replicate('我的一个爱好是看电影和电视剧',1000) + '兴趣' +        replicate('我的爱好是看电视剧和film和动漫',1500))  go 1000  insert into tbl_word values('我的一个兴趣是看电影。'),       ('我的一个爱好是看电影和电视剧')  go 100  insert into tbl_word values(replicate('我的一个爱好是看电影和电视剧',1000) + 'haha' +        replicate('我的爱好是看电视剧和film和动漫',1500))  go   /* SQL Server 分析和编译时间:     CPU 时间 = 0 毫秒，占用时间 = 3 毫秒。  (1 行受影响) 表 'tbl_word'。扫描计数 1，逻辑读取 1509 次，物理读取 0 次，预读 0 次，lob 逻辑读取 5 次，lob 物理读取 0 次，lob 预读 0 次。   SQL Server 执行时间:    CPU 时间 = 484 毫秒，占用时间 = 490 毫秒。 */ select * from tbl_word where v like '%haha%'

全文检索的方法： 

create fulltext catalog cat_production_document   go   create fulltext index on dbo.tbl_word  --在这个表上建全文索引   (      v )   key index PK__tbl_word__3BD019967F60ED59    --键索引,一般是表的主键,这里需要修改为具体的名称  on cat_production_document          --全文目录   with (CHANGE_TRACKING AUTO,         --全文索引会随着表数据的修改而自动更新         StopList=SYSTEM);             --是用系统默认的干扰字表      ALTER FULLTEXT INDEX ON dbo.tbl_word enable    go  set statistics io on set statistics time on  --查询基于变形的,字面的,同义的匹配方式搜索全文列   --会返回要搜索文本中包含的单词以及单词的同义词,变形词(复数)的记录 /* SQL Server 分析和编译时间:     CPU 时间 = 0 毫秒，占用时间 = 0 毫秒。   SQL Server 执行时间:    CPU 时间 = 0 毫秒，占用时间 = 0 毫秒。 SQL Server 分析和编译时间:     CPU 时间 = 0 毫秒，占用时间 = 5 毫秒。  (1 行受影响) 表 'tbl_word'。扫描计数 0，逻辑读取 3 次，物理读取 0 次，预读 0 次，lob 逻辑读取 3 次，lob 物理读取 0 次，lob 预读 0 次。  (1 行受影响)   SQL Server 执行时间:    CPU 时间 = 0 毫秒，占用时间 = 10 毫秒。 SQL Server 分析和编译时间:     CPU 时间 = 0 毫秒，占用时间 = 0 毫秒。   SQL Server 执行时间:    CPU 时间 = 0 毫秒，占用时间 = 0 毫秒。  */  SELECT *   from dbo.tbl_word   WHERE FREETEXT (v,        --带全文索引的列名                   'haha'); --要搜索的文本


从上面的2段代码在执行时所消耗的时间，就可以清楚的看出2种方法的效率差异。

 

其实采用合适的技术（比如，这里的全文检索技术，就很适合模糊查询），就能提高不少性能。