是否可以为 string/uuid-based 主键创建索引以便能够通过相似性进行快速搜索（例如嘈杂的 uuid）？

Question

我会给出具体的案例，以便更好地理解。 我有一些代码，我将在这里调用来自 OCR 的 UUID。

例如，在 25 个字符中，有几个被错误识别了。 是否可以在 SQL 数据库中“按相似性索引”UUID 列？

假设每个 UUID 只有一个字符错误并且我执行 25 次查询，SELECT ... LIKE 语句是否已经具有良好的行为？

[吵闹的uuid就不插了，就SELECT编了。]

Answer 1

抱歉，我不知道是否有这样做的内置功能，但您正在尝试做的是一种称为 Levenshtein 距离的算法。看看那个：

定义： https://en.wikipedia.org/wiki/Levenshtein_distance#:~:text=Informally%2C%20the%20Levenshtein%20distance%20between,considered%20this%20distance%20in%201965.

使用SQL： https://lucidar.me/en/web-dev/levenshtein-distance-in-mysql/#:~:text=Informally%2C%20the%20Levenshtein%20distance%20between,not%20match%20exactly%20the%20fields.

Answer 2

您应该修复进入数据库的数据——或者至少拥有原始代码和推算代码。

如果您需要保留原始代码，那么我的建议是 look-up table 包含原始代码和推算代码。此 table 将用于要按实际代码过滤的查询。

举一个具体的例子，如果我有一个包含美国州缩写的列并且其中一个代码是 RA，我不想“自动”弄清楚这是不是：

• AR 向后（阿肯色州）
• RI（罗德岛）
• CA（加利福尼亚州）
• MA（马萨诸塞州）
• 宾夕法尼亚州（宾夕法尼亚州）
• VA（弗吉尼亚州）
• WA（华盛顿）

似乎需要手动操作。