结构化数据做全文检索的效率和数据库自身的like查询有没有可比性?

结构化数据的全文检索效率通常比数据库自身的 LIKE 查询更高，特别是在处理大量文本数据时。全文搜索引擎如 Solr 或 Elasticsearch 设计用于高效处理和检索文本信息，它们通过建立倒排索引等技术来加速搜索过程。

在数据库中使用 LIKE 查询，特别是包含通配符（如 %）的查询，往往会导致全表扫描，效率较低。这是因为数据库需要遍历整个表或索引来找到匹配的记录。对于含有 BLOB 或 TEXT 字段的大表，这样的查询可能会非常慢。

全文搜索引擎的优势在于：

1. 倒排索引：搜索引擎为每个单词创建倒排索引，使得搜索时可以快速定位到包含特定单词的文档，而不必遍历所有记录。
2. 分词和分析：搜索引擎会对文本进行分词和分析，处理停用词、词干提取等，提高查询的准确性。
3. 模糊匹配和同义词：支持模糊匹配、近似搜索和同义词，提供更智能的搜索体验。
4. 高并发：设计用于处理大量并发请求，能够有效地扩展和分布数据。

然而，全文搜索引擎通常需要额外的存储空间来维护索引，并且可能涉及额外的集成工作，如数据同步。在某些场景下，如果数据量较小，且查询需求不复杂，数据库自身的 LIKE 查询可能就足够了。

如果你有对 BLOB 或 TEXT 字段的全文检索需求，尤其是在数据量大、查询复杂或需要高性能搜索时，使用全文搜索引擎会是一个更好的选择。如果数据量较小，或者查询需求较为简单，可以先尝试数据库的 LIKE 查询，看是否能满足性能要求。如果不能满足，再考虑引入全文搜索引擎。