MySQL 本身不提供像 elasticsearch 或 solr 那样的原生搜索推荐（如拼音容错、同义词扩展、热度排序、实时联想）能力，但可以通过合理设计和 SQL 技巧，在中小规模场景下实现轻量、可用、低延迟的基础搜索推荐功能，比如用户输入“苹”时提示“苹果”“苹果手机”“苹果笔记本”等已存在的关键词。
一、用 LIKE + 前缀匹配实现简单关键词联想
这是最直接的方式，适用于搜索词较短、数据量不大（百万级以内）、且用户主要输入前缀的场景（如搜索框自动补全）。
- 确保被搜索字段（如 title 或 keyword）上有 B-tree 索引（前缀索引需谨慎，建议整列索引或使用足够长的前缀）
- SQL 示例：select DISTINCT keyword FROM products WHERE keyword LIKE ‘苹%’ ORDER BY keyword LIMIT 5;
- 注意：LIKE ‘苹%’ 可走索引；但 LIKE ‘%苹%’ 或 LIKE ‘%苹%’ 无法使用索引，性能差，应避免
二、用全文索引（FULLTEXT）提升相关性排序
当需要支持“包含多个词”“顺序无关”“权重排序”时，MyISAM 或 InnoDB 的 FULLTEXT 索引更合适（推荐 InnoDB，支持事务）。
- 建表时添加：FULLTEXT(title, description)
- 查询示例：SELECT title, MATCH(title, description) AGaiNST(‘苹果 手机’ IN NATURAL LANGUAGE MODE) AS score FROM products WHERE MATCH(title, description) AGAINST(‘苹果 手机’ IN NATURAL LANGUAGE MODE) ORDER BY score DESC LIMIT 5;
- 注意：自然语言模式对短词（如单字）支持弱；布尔模式（IN Boolean MODE）可支持+、-、*通配，但不计算相关度分数
三、预生成热门/高频搜索词用于快速推荐
真正实用的推荐往往不是“实时查全表”，而是基于历史行为沉淀出“热搜词”“关联词”“补全候选池”。
- 建一张 search_suggestion 表，字段如：keyword VARCHAR(100), freq int, updated_at DATETIME
- 通过定时任务（如每天凌晨）统计用户搜索日志表中出现次数 Top 1000 的词，写入该表
- 前端输入时，先查这张轻量表：SELECT keyword FROM search_suggestion WHERE keyword LIKE ‘苹%’ ORDER BY freq DESC LIMIT 5;
- 优势：响应快、可控性强、可人工干预（如置顶“iphone 15”）、便于加权（点击多的排前面）
四、结合拼音模糊提升中文体验（可选增强）
用户可能输拼音首字母（如“pg”想搜“苹果”），可额外维护一个 pinyin_prefix 字段并建立索引。
- 插入/更新数据时，用程序（php/python/java）将标题转为小写拼音首字母，例如“苹果”→“pg”，“苹果手机”→“pgsj”，存入新字段
- 查询：SELECT keyword FROM products WHERE pinyin_prefix LIKE ‘pg%’ ORDER BY freq DESC LIMIT 5;
- 也可用 MySQL 内置函数（如 CONVERT(… using gbk) 配合自定义函数），但稳定性与性能不如应用层处理
不复杂但容易忽略：推荐效果好坏，80% 取决于数据质量与业务理解——比如电商要区分“苹果（水果）”和“苹果（品牌）”，可通过类目标签或上下文字段做二次过滤。MySQL 能打好基础，但别强求它替代专业搜索中间件。