万亿级记录数，如何实现高性能模糊匹配搜索？

模糊匹配在我们日常的数据筛选场景很常见。

常见模糊匹配方案

我们先从最简单的代码说起，对于模糊匹配的关键字like，SQL，java等很多语言中都很常见，配合两个百分号（如：like ‘%mp3%’），能对数据的某字段进行文本包含的筛选（将字段中包含mp3的数据筛选出来），完整的学名：正则匹配。先从简单的问题入手，从一批搜索原词中，抽取出包含mp3或者包含mp4的搜索原词，我们可以拿SQL来对这个问题做一个完美的诠释。

select kw from table where kw like '%mp3%' or kw like '%mp4%'

思路是，将每一个搜索词对mp3和mp4这两个核心词逐个做匹配后筛选，其最后的结果就是我们想要的，那么有1000个搜索原词，遍历完2000次就可以得到最终结果。

接着，我们将这两个核心词的体量放大，变成100个核心词，将1000个搜索原词对这100个核心词进行一次模糊匹配，并筛选匹配结果，按照刚才的思路，遍历次数就变成了1000x100 = 100000次，工程上就是需要将搜索原词表与核心词表做一次笛卡尔积以后，然后用原词去like核心词，在这样的一个量下，性能上还都是可以接受的。

万亿记录数的模糊匹配怎么做？

上述都是理想情况，现实社会总是会给你降维打击