百万级别数据模糊查询优化 [ 2.0 版本 ]

建议使用搜索引擎索引，本站使用的 elasticsearch

SPHINX

我建议使用tidb

才一百万并不是很大!没有必要加什么所以插件!加上去了 插件需要配置还需要维护!100万就卡成狗,那说明,你们的硬件是真的不行了!首先你们用的是自建的mysql吗!

100万而已 如果增量不是特别大的话 同时你这俩字段是char、varchar和text类型的话，可以试试mysql原生的fulltext索引，无附加组件，少量修改代码就可完成模糊搜索。如果增量很大，频率很高，可以尝试第三方组件，比如es、sphinx之类。我个人经验告诉我，如非特别必要，尽量保持技术栈的简单，不然就是运维地狱。

最近刚经历了数据库崩盘,建议还是花钱买数据库服务器吧,运维日志看起来也方便

仅供参考（我估计你没合理设置索引，要么索引没有生效）：
WeixinCourse::find()
->where(['LIKE', 'name', $xxxx.'%', false])//%这样放，可以使name索引（设置了索引的话）生效
->andWhere(['status'=>1])
->orWhere(['LIKE', 'description', $xxxxX.'%', false])//%这样放，可以使description索引（设置了索引的话）生效
->all();

对于大量数据的模糊查询，使用 LIKE 查询是比较慢的，因为它需要扫描整个数据表。以下是几种可以优化查询速度的方法：

    使用全文本索引：如果您使用的是 MySQL 或者 PostgreSQL，可以考虑使用全文本索引来加速模糊查询。全文本索引可以在查询时快速定位到匹配的文本，从而提高查询速度。

    使用缓存：如果您的数据表不经常更新，可以考虑使用缓存来提高查询速度。例如，将查询结果缓存在 Redis 或 Memcached 中，下次查询时从缓存中读取结果，而不是每次都重新查询数据库。

    数据分片：如果您的数据表非常大，可以考虑将数据分片存储在多个服务器上，每次查询只查询相关分片，以减少查询时间。

    数据库优化：您可以对数据库进行优化，例如添加索引、分区、使用存储过程等来提高查询速度。

    使用搜索引擎：如果您需要更高级的搜索功能，可以考虑使用专业的搜索引擎，例如 Elasticsearch 或 Solr。这些搜索引擎可以对文本进行高级搜索和分析，可以快速返回匹配的结果。

以上是一些可行的方案，您可以根据具体情况进行选择。