SQL und Fuzzy-Vergleich

Ich glaube nicht, dass es eine definitive Antwort gibt, weil sie von Informationen abhängt, die in der Frage nicht verfügbar sind. Wie auch immer, zu lange für einen Kommentar.

DBMSes können Informationen nach Indizes abrufen. Es macht keinen Sinn, wenn ein Datenbankserver Zeit mit schweren Berechnungen verschwendet, es sei denn, er ist für diesen speziellen Zweck reserviert (wie von @Adrian beantwortet).

Daher sollte Ihre Clientanwendung das Abrufen der von den Regeln benötigten Informationen an das DBMS delegieren.

Wenn die Berechnungen geringfügig sind, können alle auf dem Server ausgeführt werden. Andernfalls ziehen Sie es in das Client-System.

Der Nachteil des zweiten Ansatzes liegt in der Menge der Daten, die vom Server zum Client übertragen werden, und der Anzahl der Verbindungen, die aufgebaut werden müssen. In der Regel ist dies ein Kompromiss zwischen Berechnung und Datenübertragung im Server. Ein Gleichgewicht, das in Abhängigkeit von den Besonderheiten der Fuzzy-Regeln erreicht werden muss.

Bearbeiten: Ich habe in einem Kommentar gesehen, dass Sie fast sicher sind, den Code im Client implementieren zu müssen. In diesem Fall sollten Sie ein zusätzliches Kriterium, Code-Lokalität, für Wartungszwecke in Betracht ziehen, d. H. Versuchen, den gesamten Code, der zusammenhängt, nicht zwischen Systemen (und Sprachen) zu verteilen.

Ich würde sagen, dass es am besten ist, einfache Selects zu verwenden, um die besten Übereinstimmungen zu erhalten, ohne die Datenbank zu hämmern, und dann das Heavy-Lifting in Ihrer Anwendungsebene durchzuführen. Der Grund, warum ich diese Lösung vorschlagen würde, ist Skalierbarkeit: Wenn Sie Ihr Heavy-Lifting in der Anwendungsschicht durchführen, ist Ihr Problem ein perfekter Anwendungsfall für eine Map-Reduction-ähnliche Lösung, bei der Sie die Verarbeitung von Ähnlichkeiten über Knoten verteilen und Ihre Ergebnisse erhalten zurück viel schneller als wenn Sie es durch die Datenbank setzen; Außerdem sperrst du auf diese Weise deine Datenbank nicht und verlangst keine anderen Operationen, die gleichzeitig ausgeführt werden können.

Da Sie immer noch darüber nachdenken, welche DB PostgreSQL verwenden soll, hat fuzzystrmatch das Modul Levenshtein und Soundex-Funktionen. Vielleicht möchten Sie auch auf dem Modul pg_trm wie hier hier nachsehen. Vielleicht könnten Sie den Index auch mit soundex () auf die Spalte setzen, damit Sie das nicht jedes Mal neu berechnen müssen. Aber Sie scheinen zu früh optimieren, so mein Rat wäre, mit pg zu testen und dann fragen, ob Sie optimieren müssen oder nicht, die Zahlen, die Sie wirklich nicht viel scheinen Sie fast zwei Minuten, um eine Abfrage ausgeführt haben / p>     

Eine Option, die ich in Betracht ziehen würde, ist das Hinzufügen einer Spalte in "People Talbe", die der SoundEx-Wert der Person ist.

Ich habe Joins mit

Das gibt alles in TableA mit dem gleichen SoundEx-Wert aus der People Tables SoundEx-Spalte zurück.

Ich habe diese Art von Abfrage nicht für Tabellen dieser Größe verwendet, aber ich sehe keine Probleme mit dem Versuch. Sie können diese SoundExColumn auch indexieren, um die Leistung zu verbessern.