212 похожих чатов

Всем привет! Есть задача искать в таблице персональные данные (ФИО, ДР,

Паспорт) с опечатками и выдавать лучшее найденное совпадение в Postgres. При чем искать опечатки по всему набору полей. Например имя и фамилия могут быть записаны так - "Ива нИванов" и тп приколы. Есть идея делать это следующим образом: склеить все поля в строку, разделив пробелом, положить в колонку типа TEXT, накинуть GiST и искать по этому "ключу". Проверил на 1млн записей - полет отличный. Всего таблица будет порядка 200млн записей.
При поиске буду находить наиболее "похожую" запись и программно разбивать строку на поля и перекладывать в json.
Насколько это норм идея?

10 ответов

23 просмотра

а зачем разбивать если у тебя в базе исходные данные есть? Обычно проблема именно с тем как искать по нескольким словам. Опечатки это поиск по триграммам всяким и т.д. и нужно еще готовить поисковой запрос нормально... Можно даже не особо склеивать а просто индекс по выражению делать

Gleb-Fault Автор вопроса
Sergey P
а зачем разбивать если у тебя в базе исходные данн...

Изначально база пустая и будет накапливаться. Накапливается не без ошибок. Да, проблема как искать по нескольким. В запросе участвуют все поля. Их штук 7. Вот я пытаюсь понять как это сделать эффективно. А выражение какое? Которое затрагивает несколько столбцов?

Gleb Fault
Изначально база пустая и будет накапливаться. Нака...

сколько полей по которым ищешь не особо важно, важно скорее сколько слов в запросе. Если там имена, то у тебя могут быть опечатки и в фамилии и в имени и т.д.

Gleb Fault
Изначально база пустая и будет накапливаться. Нака...

ну тип постгрес позволяет индексы по выражениям строить. Тип если ты юзаешь какой-нибудь concat_ws(' ' , firat_name, last_name, middle_name) то можно просто индекс по этому выражению жахнуть. Что бы не создавать лишних колонок и прочего. Но если есть возможность в коде потом ничего не "расклеивать" и юзать оригинальные данные то лучше так

Gleb Fault
В запросе все поля.

что пишут в поиске. Ну мол "вася пупкин 1990 года рождения" или там чего другое.

Gleb-Fault Автор вопроса
Sergey P
ну тип постгрес позволяет индексы по выражениям ст...

На счет выражения понял. Просто думал не хранить поля как отдельные столбцы, а именно из все склеить и в один сложить. Потом так же разложить при чтении

Gleb-Fault Автор вопроса
Sergey P
ну вот зачем себе сложности создавать?

Из соображений эффективности. Индекс по столбцу и индекс по выражению из 7 столбцов вроде разные вещи

Похожие вопросы

Обсуждают сегодня

а через ESC-код ?
Alexey Kulakov
29
30500 за редактор? )
Владимир
47
Чёт не понял, я ж правильной функцией воспользовался чтобы вывести отладочную информацию? но что-то она не ловится
notme
18
У меня есть функция где происходит это: write_bit(buffer, 1); write_bit(buffer, 0); write_bit(buffer, 1); write_bit(buffer, 1); write_bit(buffer, 1); w...
~
13
Недавно Google Project Zero нашёл багу в SQLite с помощью LLM, о чём достаточно было шумно в определённых интернетах, которые сопровождались рассказами, что скоро всех "ибешни...
Alex Sherbakov
5
program test; {$mode delphi} procedure proc(v: int32); overload; begin end; procedure proc(v: int64); overload; begin end; var x: uint64; begin proc(x); end. Уж не знаю...
notme
6
Как передать управляющий символ в открытую через CreateProcess консоль? Собсна, есть процедура: procedure TRedirectThread.WriteData(Data: OEMString); var Written: Cardinal;...
Serjone
5
вы делали что-то подобное и как? может есть либы готовые? увидел картинку нокода, где всё линиями соединено и стало интересно попробовать то же в ddl на lua сделать. решил с ч...
Victor
8
Ребят в СИ можно реализовать ООП?
Николай
33
Подскажите пожалуйста, как в CustomDrawCell(Sender: TcxCustomGridTableView; ACanvas: TcxCanvas; AViewInfo: TcxGridTableDataCellViewInfo; var ADone: Boolean); получить наз...
A Z
7
Карта сайта