高性能实现手机号模糊查询

业务先容

手机号模糊搜索对于用户来说是很常用的场景，好比要根据手机号搜索客户的相关订单、搜索客户的汗青数据、搜索员工的相关操纵记载等等。强制要求用户一定要输入完整的手机号不是公道，而且也很难用，包括我本身在内，记忆四位手机号和记忆完整手机号是感觉完全差别的。还有些场景手机号是要脱敏的，用户可能只能感知到后四位。
技术实现

假设，我们储存利用的是最常见的mysql，大家都知道假如是全模糊搜索%%是无法走索引的，性能会非常差，所以我之前设计过一种方案，手机号额外利用三个字段344举行存储。好比说普通用户表是以下存储方式。
userIdmobile113500000005213500000010313500000012 手机号344是以下存储方式
userIdmobileheadmidtaill113500000005135000000052135000000101350000001031350000001213500000012 因为大多数人的阅读方式还是344格式的，对head、mid、taill分别加索引后，同时要对用户的输入做query改写。
好比说传入4位数，就要查两次，mid一次，tail一次。
好比说传入的是8位数，那就举行分割，拿到后四位查一次，用mobile举行like。 select * from table where taill = ‘xxxx’ and mobile like ‘%xxxxxxxx%’
该种方式能有效走索引，不会引发全表扫描。
但是个人不是很建议利用，因为像用户这类信息基本上都有相应的ES存储，没必要在mysql上浪费额外的空间和索引。
最佳推荐利用（性能最强）

假如有ES索引的话，mobile字段用whitespace分词方式，写入文档的时候把手机号处理成135 0000 0005。
PS：ES自定义tokenizer很难满意我们这类场景，把手机号按照344分割，所以建议在写入的时候预处理，如许也能方便对差别国家的手机格式举行适配。
在查询的时候利用match_phrase就好了 ，要留意的是查询的时候同样要按照分词方式举行query改写，好比用户输入八位12344567查询要分割成1234 4567。

1. {
2.         "query" : {
3.                 "bool": {
4.                          "must": [
5.                             {       
6.                                     "match_phrase": {"mobile": "1234 4567"}
7.                             }
8.                          ]
9.                 }
10.         }
11. }

复制代码

固然为了更好的用户体验，也可以利用edge_ngram分词器，他会把手机号按照差别的步长举行切分（缺点是数据会膨胀很多，浪费空间），利用edge_ngram + ES方式已经能达成全模糊的查询结果了。

1. {
2.         "index": {
3.        "max_ngram_diff": 50
4.     },
5.     "analysis": {
6.       "analyzer": {
7.         "phone_analyzer": {
8.           "tokenizer": "ngram_tokenizer"
9.         }
10.       },
11.       "tokenizer": {
12.         "ngram_tokenizer": {
13.           "type": "ngram",
14.           "min_gram": 3,
15.           "max_gram": 11
16.         }
17.       }
18.     }
19. }

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。