全面揭秘：微信全文搜索技术简化

而 segment将近比率越不算多，浏览速率越不算慢。

为了减不算segment的将近比率，SQLite FTS5随身携带入了 merge必要。上新擦除的 segment的 level为0， merge加在载可以把 level为 i的连续性 segment上新设转成一个 level为 i+1的上最初 segment。 merge的示例如下：

FTS5绑定的merge加在载有两种：

某一个level的 segment超出 4时就开始在擦除概要时备用拒绝执行一部分 merge加在载，称花钱一次 automerge。每次 automerge的擦除比率跟本次上导入的擦除比率转大于，所即可多次 automerge才能清晰上新设转成一个上新 segment。 Automerge在清晰生转成一个上最初 segment前，所即可多次布料旧的 segment的已上新设概要，随身携带入无用的擦除比率。 本次擦除后某一个level的 segment将近比率超出16时，一次适度上新设这个 level的 segment，称花钱 crisismerge。

FTS5的绑定merge加在载都是在擦除时定时拒绝执行的，都会对业务范围语义造转成耐用适度不良影响，都有是 crisismerge都会偶然引发某一次擦除加在载都有茂，这都会让业务范围耐用适度不受控。之后的测试之后FTS5的建上新资料库用时较茂，也主要因为FTS5的 merge加在载比其他两种动力系统愈发用时。

我们在WCDB之后花钱到FTS5的segment备用 merge必要，将这些 merge加在载集之后到一个外子线程拒绝执行，并且一般化拒绝执行参将近，明确如下：

NSA有FTS5资料库的将近据库库每个日常事务变不够到的FTS5资料库注记，抛出接到到子线程一连串WCDB的备用merge加在载。 Merge线程安全检查所有FTS5资料库注记之后segment将近极较差达 1的level拒绝执行一次 merge。 Merge时每擦除 16页将近据库安全检查一次有无法其他线程的擦除加在载因为 merge加在载阻塞，如果有就第一时较宽 commit，尽比率减少 merge对业务范围耐用适度的不良影响。

备用merge语义拒绝执行的时序图如下：

限制每个level的 segment将近比率为 1，可以让FTS5的浏览耐用适度最吻合 optimize（所有 segment上新设转成一个）以后的耐用适度，而且随身携带入的擦除比率是可接受的。假设业务范围每次擦除比率为 M，擦除了 N次，那么在merge拒绝执行清晰以后，将近据库库实质擦除比率为 MN(log2(N)+1)。业务范围批比率擦除，大幅提极较差 M也可以减少总擦除比率。

耐用适度各个方面，对一个都有100w条之后文概要，一组较宽100注音大写的fts5的注记浏览三个用语，optimize状况下用时 2.9ms，分别限制每个 level的 segment将近比率为 2、 3、 4时的浏览用时分别为 4.7ms、 8.9ms、 15ms。100w条概要每次擦除100条的非常需要，按照WCDB的拟议拒绝执行 merge的用时在 10s内。

用做备用Merge必要，可以在不不良影响资料库上导入耐用适度的非常需要，将FTS5资料库保持在最吻合 Optimize的状况，大幅提极较差了关键同音速率。

3、分用语器一般化 分用语器耐用适度一般化

分用语器是概要关键同音的关键子系统，它花钱到将输出概要重组转成多个Token并包括这些 Token的前面，关键同音动力系统再继续对这些 Token建上新立资料库。SQLite的FTS子系统赞转成自定义分用语器，可以按照业务范围即可求量花钱到自己的分用语器。

分用语器的分用语法则可以分为按同音分用语和按用语分用语。前者只是相当简单对输出概要逐同音建上新立资料库，后者则所即可理求输出概要的语义，对有明确含义的用语组建上新立资料库。相较于按同音分用语，按用语分用语的占到优势是既可以减不算建上新资料库的Token将近比率，也可以减不算关键同音时可用适度的 Token将近比率，苦战是所即可理求语义，而且其他用户输出的用语不清晰时也都会有通义差不多的弊端。

为了一般化用户端语义和避开其他用户漏输概要时通义差不多的弊端，iOS上新浪之后的FTS3分用语器OneOrBinaryTokenizer是随身携带入了一种精巧的按同音分用语通义索算法，除了对输出概要逐同音建上新资料库，还都会对概要之后每两个连续的同音建上新资料库，对于关键同音概要则是按照每两个同音顺利进行分用语。示例是一个用“南京赞赏你”去关键同音相同概要的分用语值得注意：

相较于相当简单的按同音分用语，这种分用语手段的占到优势是可以将关键同音时可用适度的Token将近比率吻合攀升一半，大幅提极较差关键同音速率，而且在一定程度上可以增加在关键同音数量级，比如关键同音“赞赏你南京”就可用适度差不多“南京赞赏你”；这种分用语手段的苦战就是复原的资料库概要很多，必需输出概要的每个同音都在资料库之后复原了三次，是一种用空间换时较宽的花钱法。

因为OneOrBinaryTokenizer用吻合三倍的资料库概要增较宽才换得用差不多两倍的关键同音耐用适度增加在，不是很数量有限，所以我们在FTS5上重上新合作开发了一种上最初分用语器 VerbatimTokenizer，这个分用语器只随身携带入必需的按同音分用语，不复原可用适度资料库概要。同时在关键同音时，每两个同音用短语招致来组转成一个 Phrase，按照FTS5的关键同音语法，关键同音时 Phrase之后的同音要按时序紧邻显现出的概要才都会命之后，花钱到了跟 OneOrBinaryTokenizer一样的关键同音数量级。 VerbatimTokenizer的分用语法则示意图如下：

分用语器并能构建

VerbatimTokenizer还根据上新浪实质的业务范围即可求量花钱到了五种构建并能来大幅提极较差关键同音的容错并能：

赞转成在分用语时将繁体同音转换成转成繁体。这样其他用户可以用繁体同音通义到繁体概要，用繁体也能通义到繁体同音概要，避开了因为注音大写的简体和繁体形不尽相同引发其他用户输错的弊端。 赞转成Unicode消去。Unicode赞转成相同形的同音符用不尽相同的区块来注记示，比如区块为%ue9的 %uE9和区块为 %u65%u301的 e%u301有相同的形，这都会引发其他用户用样子一样的概要去关键同音结果通义差不多的弊端。Unicode消去就是把形相同的同音符用同一个区块注记示。 赞转成过滤大写。基本上非常需要，我们不所即可赞转成对大写建上新资料库，大写的多次重复比率大而且其他用户一般也不都会用大写去关键同音概要，但是的网络关键同音这个业务范围布景所即可赞转成大写关键同音，因为其他用户的昵称里面常常显现出颜文同音，大写的用做比率不较差。 赞转成用Porter Stemming通义索算法对全名单用语得用用语干。得用用语干的用处是允许其他用户关键同音概要的单复将近和时态跟命之后概要不相符，让其他用户不够非常容易通义到概要。但是得用用语干也有举措，比如其他用户要关键同音的概要是“happyday”，输出“happy”作为前缀去关键同音却都会通义差不多，因为“happyday”得用用语干变转成“happydai”，“happy”得用用语干变转成“happi”，后者就不可转成为前者的前缀。这种badcase在概要为多个全名单用语组合成四人时非常容易显现出，的网络昵称的组合成全名很常见，所以在的网络的资料库之后无法得用用语干，在其他业务范围布景之后都用上了。 赞转成将同音母全部转转成小写同音母。这样其他用户可以用小写同音母通义到小写同音母，反之亦然。

这些构建并能都是对建上新资料库概要和关键同音概要之后的每个同音花钱正弦，这个正弦只不过也可以在业务范围层花钱，其之后的Unicode消去和简繁转换成之前就是在业务范围层花钱到的。但是这样花钱有两个举措，一个是业务范围层每花钱一个转换成都所即可对概要花钱一次迭代，随身携带入可用适度计算比率，另一个是擦除到资料库之后的概要是演进后的概要，那么关键同音出来的结果也是演进后的，都会和英语翻译不相符，业务范围层花钱概要判断的时候非常容易遇到困难。鉴于这两个或许，VerbatimTokenizer将这些演进并能都集之后到了分用语器之后花钱到。

4、资料库概要赞转成多级占位

SQLite的FTS资料库注记不赞转成在建上新注记后再继续加在进上新罗列，但是随着业务范围的蓬勃发展，业务范围将近据库赞转成关键同音的表征都会变多，如何应付上新表征的关键同音弊端呢？都有是在的网络关键同音这个业务范围布景，一个的网络赞转成关键同音的可用元数据极为多。一个如此一来的想法是将上新表征和旧表征用占位组合成到四人建上新资料库。但这样都会随身携带入上最初弊端，FTS5是以整个可用元数据的概要作为连续性去可用适度的，如果其他用户关键同音可用适度的Token在不尽相同的表征，那这条将近据库也都会命之后，这个结果或许不是其他用户只想的，关键同音结果的数量级就攀升了。

我们所即可关键同音可用适度的Token之后间不发挥作用占位，那这样可以保障可用适度的 Token都在一个表征内。同时，为了赞转成业务范围轻巧构建，还所即可赞转成多级占位，而且关键同音结果之后还要赞转成获得用可用适度结果的层级、前面以及该段概要的英语翻译和可用适度用语。这个并能FTS5还不无法，而FTS5的自定义主要用途函将近赞转成在关键同音时获得用到所有命之后结果之后每个命之后 Token的前面，利用这个的资讯可以推断出这些 Token之后间有无法占位，以及这些 Token所在的层级，所以我们合作开发了 SubstringMatchInfo这个上最初FTS5关键同音主要用途函将近来花钱到这个并能。这个函将近的大体拒绝执行时序如下：

三、概要关键同音应用领域语义一般化 1、将近据库库注记PDF一般化 1.1 非脚注关键同音概要的复原手段

在实质应用领域之后，我们除了要在将近据库库之后复原所即可关键同音的脚注的FTS资料库，还所即可额外复原这个脚注非常相同的业务范围将近据库的id、用做结果依序的的表征（常见的是业务范围将近据库的始创上新时较宽）以及其他所即可如此一来一同关键同音结果省略的概要，这些都是不参与脚注关键同音的概要。根据非脚注关键同音概要的不尽相同打印前面，我们可以将FTS资料库注记的注记PDF分转成两种：

第一种手段是将非脚注关键同音概要打印在额外的比如却说注记之后，这个注记复原FTS资料库的Rowid和非脚注关键同音概要的映射的关系，而FTS资料库注记的每一行只复原可关键同音的脚注概要，这个注记PDF类似于这样：

这种注记PDF的占到优势是FTS资料库注记的概要很相当简单，不熟识FTS资料库注记可用的同学不非常容易遇到困难，而且比如却说注记的可可用适度好，赞转成加在进上新罗列；苦战则是关键同音时所即可来作FTS资料库的Rowid擦除到比如却说注记的 Rowid，这样才能擦除到比如却说注记的其他概要，关键同音速率慢一点，而且关键同音时所即可联注记浏览，关键同音SQL操作符稍微繁杂一点。

第二种手段是将非脚注关键同音概要如此一来和可关键同音脚注概要四人打印在FTS资料库注记之后，注记PDF类似于这样：

这种手段的优苦战想见一种手段恰好相反，占到优势是关键同音速率较慢而且关键同音手段相当简单，苦战是可用适度差且所即可不够细致的可用。

因为iOS上新浪之前是用做第二种注记PDF，而且上新浪的关键同音业务范围之前稳定不都会有大演进，我们如今愈发追求关键同音速率，所以我们还是继续用做第二种注记PDF来打印概要关键同音的将近据库。

1.2 避开可用适度资料库概要

FTS资料库注记绑定对注记之后的每一罗列的概要都建上新倒排资料库，即便是将近同音概要也都会按照脚注来处理，这样都会引发我们复原在FTS资料库注记之后的非脚注关键同音概要也建上新了资料库，进而加在大资料库元数据的大小、资料库上导入的用时和关键同音的用时，这或许不是我们只想的。

FTS5赞转成给资料库注记之后的罗列加在进UNINDEXED实质上，这样FTS5就不都会对这个罗列建上新资料库了，所以给可关键同音脚注概要外的所有罗列加在进这个实质上就可以避开可用适度资料库。

1.3 攀升资料库概要的大小

前面提到，倒排资料库主要复原脚注之后每个Token非常相同的自建（ rowid）、罗列号和可用元数据之后的每次显现出的前面偏转，其之后的自建是SQLite备用分摊的，前面偏转是根据业务范围的实质概要，这两个我们都要求不了，但是罗列号是可以缩减的。

在FTS5资料库之后，一个Token在一行之后的资料库概要的PDF是这样的：

从之后可以显现出，如果我们把可关键同音脚注概要另设在第一罗列的话（多个可关键同音脚注罗列的话，把概要多的罗列置放第一罗列），就可以不算复原罗列分割符0x01和罗列号，这样可以引人注意攀升资料库元数据大小。

所以我们终究的注记PDF是这样：

1.4 资料库元数据大小一般化将近据库

示例是iOS上新浪一般化前后的最少每个其他用户的资料库元数据大小对比：

2、资料库上导入语义一般化

为了将概要关键同音语义和业务范围语义求耦，iOS上新浪的FTS资料库是不复原在各个业务范围的将近据库库之后的，而是集之后复原到一个专用的概要关键同音将近据库库，各个业务范围的将近据库有上导入以后再继续异步接到概要关键同音子系统上导入资料库。连续性时序如下：

这样花钱既可以避开资料库上导入拖慢业务范围将近据库上导入的速率，也适度避开资料库将近据库上导入遇到困难甚至资料库将近据库损坏对业务范围造转成不良影响，让概要关键同音特适度子系统非常所即可充分脱离。

2.1 必即可资料库和将近据库的相符

业务范围将近据库和资料库将近据库除去且异步定时的用处很多，但花钱到起来也较难，难于的弊端是如何必即可业务范围将近据库和资料库将近据库的相符，也即要必即可业务范围将近据库和资料库将近据库要黄昭顺非常相同，不多不不算。此前iOS上新浪在这里碰了很多坑，打了很多补丁都不可清晰应付这个弊端，我们所即可一个愈发体系化的法则来应付这个弊端。

为了一般化弊端，我们可以把相符适度弊端可以拆转成两个各个方面分别处理，一个是必即可所有业务范围将近据库都有资料库，这个其他用户的关键同音结果就不都会有缺漏；第二个是必即可所有资料库都非常相同一个有效地的业务范围将近据库，这样其他用户就不都会通义到无效的结果。

要必即可所有业务范围将近据库都有资料库，首先要回来到或者接合一种多年来增较宽的将近据库来刻画业务范围将近据库上导入的施工进度，这个施工进度将近据库的上导入和业务范围将近据库的上导入能必即可原子核适度，而且根据这个施工进度的区间能送给业务范围将近据库上导入的概要，这样我们就可以依赖这个施工进度来上导入资料库。在上新浪的业务范围之后，不尽相同业务范围的施工进度将近据库不尽相同，聊天历史记录是用做第一时间的rowid，艺术品是用做艺术品跟亦同定时的 updateSequence，而的网络回来差不多这种多年来增较宽的施工进度将近据库，我们是通过在的网络将近据库库之后标记有上导入或有上导入的的网络的上新浪号来作为资料库上导入施工进度。施工进度将近据库的用只不过则如下：

无论业务范围将近据库前提复原获得转成功、上导入接到前提出发概要关键同音子系统、资料库将近据库前提复原获得转成功，这套资料库上导入语义都能必即可复原获得转成功的业务范围将近据库都能获得转成功建上新到资料库。这其之后的一个关键点是将近据库和施工进度要在同个日常事务之后四人上导入，而且要复原在同个将近据库库之后，这样才能必即可将近据库和施工进度的上导入的原子核适度（WCDB始创上最初将近据库库因为用做WAL模式而无法必即可不尽相同将近据库库的日常事务的原子核适度）。还有一个加在载图之后无法画出，明确是上新浪推送如果安全检查到业务范围施工进度小于资料库施工进度，这种一般假定业务范围将近据库损坏后被而无须了，这种非常需要要删减资料库并而无须资料库施工进度。

对于每个资料库都非常相同有效地的业务范围将近据库，这就要求业务范围将近据库删去以后资料库也要须要删减。如今业务范围将近据库的删去和资料库的删去是异步的，都会显现出业务范围将近据库删减以后资料库没删去的可能会。这种可能会都会引发两个弊端，一个是可用适度资料库都会引发关键同音速率变慢，但这个弊端显现出可能适度很小，这个不良影响可以远大于；第二个弊端是都会引发其他用户通义到无效将近据库，这个是要避开的。因为要必需上删减所有无效资料库转工作效率比极较差，所以我们随身携带入了惰适度安全检查的法则来应付这个弊端，明确花钱法是关键同音结果要推断给其他用户时，才安全检查这个将近据库前提有效地，无效的话不推断这个关键同音结果并异步删去非常相同的资料库。因为其他用户一屏能看见的将近据库很不算，所以安全检查语义造成了的耐用适度耗损也可以远大于。而且这个安全检查加在载实质上也不算是额外加在的语义，为了关键同音结果展示概要的轻巧适度，我们也要在展示关键同音结果时省略业务范围将近据库，这样也就提花钱了将近据库有效地适度的安全检查。

2.2 建上新资料库速率一般化

资料库只有在关键同音的时候才都会用到，它的上导入优先级并无法业务范围将近据库那么极较差，可以尽比率罄不够多的业务范围将近据库才去批比率建上新资料库。批比率建上新资料库有不限三个用处：

减不算磁盘的擦除次将近，大幅提极较差最少建上新资料库速率。 在一个日常事务之后，建上新资料库SQL操作符的求析结果可以反复用做，可以减不算SQL操作符的求析次将近，进而大幅提极较差最少建上新资料库速率。 减不算生转成Segment的将近比率，从而减不算Merge Segment造成了的打字耗损。

当然，也不可保留根本业务范围将近据库不建上新资料库，这样其他用户要关键同音时都会即刻建上新资料库，从而引发关键同音结果不清晰。有了前面的Segment备用 Merge必要，资料库的擦除速率极为受控，只要控制好比率，就要用担心批比率建上新资料库造成了的极较差用时弊端。我们综合考虑到了较差端电脑的建上新资料库速率和关键同音的网站的掀开时较宽，未确定了最大批比率建上新资料库将近据库条将近为100条。同时，我们都会在CPU之后cache本次上新浪运行期间产生的未建上新资料库业务范围将近据库，在温和非常需要给无法来得及建上新资料库的业务范围将近据库包括相较CPU关键同音，必即可关键同音结果的可用适度。因为cache上一次上新浪运行期间产生的未建上新资料库将近据库所即可随身携带入额外的磁盘IO，所以上新浪启动后都会一连串一次建上新资料库语义，对连续性的未建上新资料库业务范围将近据库建上新一次资料库。总结一下一连串建上新资料库的意图有三个：

未建上新资料库业务范围将近据库超出100条。 踏入关键同音界面。 上新浪启动。 2.3 删去资料库速率一般化

资料库的删去速率常常是设计资料库上导入必要时相当非常容易忽视的主因，因为被删去的业务范围将近据库比率非常容易被较差估，都会被误以为是较差可能适度布景，但实质被其他用户删去的业务范围将近据库有可能超出50%，是个不可忽视的主布景。而且SQLite是不赞转成借助于擦除的，删去资料库的耐用适度也都会间接不良影响到资料库的擦除速率，都会为资料库上导入随身携带入不受控主因。

因为删去资料库的时候是拿着业务范围将近据库的id去删去的，所以大幅提极较差删去资料库速率的手段有两种：

建上新一个业务范围将近据库id到FTS资料库的 rowid的比如却说资料库。 在FTS资料库注记之后去掉业务范围将近据库Id那一罗列的 UNINDEXED实质上，给业务范围将近据库 Id加在进倒排资料库。

这里倒排资料库只不过无法比如却说资料库那么极较差效，有两个或许：

倒排资料库相较比如却说资料库还随身携带了很多额外的资讯，关键同音工作效率较差一些。 如果所即可多个业务范围可用元数据才能未确定一条倒排资料库时，倒排资料库是建上新不了联合资料库的，非常需要可用适度其之后一个业务范围可用元数据，其他可用元数据就是迭代可用适度，这种可能会关键同音工作效率都会很较差。 2.4 资料库上导入耐用适度一般化将近据库

聊天历史记录的一般化前后资料库耐用适度将近据库如下：

艺术品的一般化前后资料库耐用适度将近据库如下：

3、关键同音语义一般化

其他用户在iOS上新浪的首页输出概要关键同音时，关键同音的连续性时序如下：

其他用户变不够关键同音框的概要以后，都会借助于筹划所有业务范围的关键同音训练任务，各个关键同音训练任务拒绝执行完以后才再继续将关键同音结果送回到主线程给的网站展示。这个语义都会随着其他用户变不够关键同音概要而继续多次重复。

3.1 单个关键同音训练任务赞转成借助于拒绝执行

虽然如今不尽相同关键同音训练任务之前赞转成借助于拒绝执行，但是不尽相同业务范围的将近据库比率和关键同音语义差别相当大，将近据库比率大或者关键同音语义繁杂的训练任务用时都会很茂，这样还不可充分发挥手机的借助于处理并能。我们还可以将借助于处理并能随身携带入单个关键同音训练任务内，这里有两种处理手段：

对于关键同音将近据库比率大的业务范围（比如聊天历史记录关键同音），可以将资料库将近据库可得打印到多个FTS资料库注记（注意这里不可得的话还是都会发挥作用粗板效应），这样关键同音时可以借助于关键同音各个资料库注记，然后核心内容各个注记的关键同音结果，再继续顺利进行统一依序。这里重组的资料库注记将近比率既不可根本也不可缘故不算，根本都会超出手机实质的借助于处理并能，也都会不良影响其他关键同音训练任务的耐用适度，缘故不算又不可依靠借助于处理并能。之前上新浪用了十个FTS注记打印聊天历史记录资料库，如今改为用做四个FTS注记。 对于关键同音语义繁杂的业务范围（比如的网络关键同音），可以将可脱离拒绝执行的关键同音语义借助于拒绝执行。比如在的网络关键同音训练任务之后，我们将的网络的比如却说脚注关键同音、汉语拼音关键同音、标签和地区的关键同音、多为数众多转成员的关键同音借助于拒绝执行，通义完以后再继续上新设结果顺利进行依序。这里为什么不也用拆注记的手段呢？因为这种关键同音结果将近比率不算的布景，关键同音的用时主要是集之后在关键同音资料库的节目会，资料库可以看花钱一颗B大树，将一颗B大树重组转成多个，关键同音用时非常都会转成数量攀升。 3.2 关键同音训练任务赞转成之后断

其他用户在关键同音框小规模输出概要的步骤之后有可能备用多次筹划关键同音训练任务，如果在前一次筹划的关键同音训练任务还没拒绝执行完时，就再继续次筹划关键同音训练任务，那前后两次关键同音训练任务就都会互相不良影响对方耐用适度。这种可能会在其他用户输出概要从粗到较宽的步骤之后还拥非常容易显现出的，因为关键同音脚注粗的时候命之后结果就很多，关键同音训练任务也就愈发用时，从而不够有机都会撞上末尾的关键同音训练任务。根本训练任务同时拒绝执行还都会非常容易招致手机发烫、爆CPU的弊端。所以我们所即可让关键同音训练任务赞转成随时之后断，这样就可以在后一次关键同音训练任务筹划的时候，非常所即可之后断前一次的关键同音训练任务，避开训练任务比率过多的弊端。

关键同音训练任务赞转成之后断的花钱到手段是给每个关键同音训练任务另设一个CancelFlag，在关键同音语义拒绝执行时每通义到一个结果就判断一下 CancelFlag前提置位，如果置位了就第一时较宽退出训练任务。外部语义可以通过置位 CancelFlag来之后断关键同音训练任务。语义时序如下图示意图：

为了让关键同音训练任务非常所即可及时之后断，我们所即可让安全检查CancelFlag的时较宽间隔尽比率之比，要花钱到这个目标就要在关键同音时 避开用做OrderBy短语对结果顺利进行依序。因为FTS5不赞转成建上新立联合资料库，所以在用做 OrderBy短语时，SQLite在驱动第一个结果下次迭代所有可用适度结果顺利进行依序，这就让驱动第一个结果的用时几乎等于驱动全部结果的用时，之后断语义就失去了意义。要用做 OrderBy短语就对关键同音语义加在进了两个限制：

从将近据库库擦除所有结果以后再继续依序。我们可以在擦除结果时将用做依序的可用元数据一并省略，然后在读完所有结果以后再继续对所有结果拒绝执行依序。因为依序的用时占到总关键同音用时的数量很较差，加在上依序通义索算法的耐用适度大同小异，这种花钱法对关键同音速率的不良影响可以忽略。 不可用做整段浏览。在概要关键同音这个布景之后，整段浏览只不过是无法什么作用的。因为整段浏览就要对结果依序，对结果依序就要迭代所有结果，所以整段浏览非常可攀升关键同音用时（除非按照FTS资料库的Rowid整段浏览，但是 Rowid不都有实质的业务范围的资讯）。 3.3 关键同音擦除概要最不算化

关键同音时擦除概要的比率也是要求关键同音用时的一个关键主因。FTS资料库注记实质是有多个SQLite比如却说注记组转成的，这其之后一些注记格打印实质的倒排资料库概要，还有一个注记格打印其他用户复原到FTS资料库注记的全部英语翻译。当关键同音时擦除Rowid以外的概要时，就所即可用 Rowid到复原英语翻译的注记的擦除概要，资料库注记驱动结果的内部拒绝执行步骤如下：

所以擦除概要越不算不算驱动结果的速率越不算较慢，而且擦除概要过多也都会有耗损CPU的隐患。我们随身携带入的手段是关键同音时只擦除业务范围将近据库id和用做依序的业务范围表征，排好序以后，在所即可给其他用户展示结果时，才用业务范围将近据库id按即可擦除业务范围将近据库明确概要出来展示。这样花钱的可用适度也都会极佳，可以在不不够改打印概要的非常需要，根据各个业务范围的即可求量不断缩减关键同音结果展示的概要。

这里还有一个要都有提一下的地方，就是关键同音时尽比率免得擦除图标的资讯（SQLite的highlight函将近有这个并能）。因为要获得用图标可用元数据不仅要将脚注的英语翻译擦除出来，还要对脚注英语翻译再继续次分用语，才能整合命之后前面的英语翻译概要，关键同音结果多的非常需要分用语造成了的耗损极为引人注意。那展示关键同音结果时如何获得用图标可用适度概要呢？我们随身携带入的手段是将其他用户的关键同音脚注顺利进行分用语，然后在展示结果时查回来每个 Token在展示脚注之后的前面，然后将那个前面图标推断。某种程度因为其他用户一屏看见的结果将近比率是很不算的，这里的图标语义造成了的耐用适度耗损可以忽略。

当然在关键同音法则很繁杂的非常需要，如此一来擦除图标的资讯是相当方便，比如的网络关键同音就用做前面提到的SubstringMatchInfo函将近来擦除图标概要。这里主要还是因为要擦除可用适度概要所在的层级和前面用做依序，所以逐一结果重上新分用语的加在载在所难免。

3.4 关键同音耐用适度一般化将近据库

示例是上新浪各关键同音业务范围一般化前后的关键同音用时对比：

四、总结

目前iOS上新浪之前将这套上新概要关键同音新科技拟议全比率应用领域到聊天历史记录、的网络和艺术品的关键同音业务范围之后。用做上新拟议以后，概要关键同音的资料库元数据占到用空间不够小，资料库上导入用时不够不算，关键同音速率也不够较慢了，可以却说概要关键同音的耐用适度受益了各个领域增加在。

。

武汉白癜风医院哪家治疗最好
潮州白癜风医院哪家看的好
西安白癜风挂号
长沙牛皮癣最好医院是哪个
夏季腹泻吃什么药好