MySQL 8.0.24+ 不支持原生 LEVENSHTEIN() 函数，需手写存储过程（效率低）或改用应用层计算；PostgreSQL 需启用 fuzzystrmatch 扩展后调用 levenshtein()，并预处理文本（小写、去符号等）以提升语义匹配效果。
Levenshtein 函数在 MySQL 中默认不可用
MySQL 8.0.24+ 原生不提供 LEVENSHTEIN() 函数，直接写 SELECT LEVENSHTEIN('a','b') 会报错 FUNCTION db.LEVENSHTEIN does not exist。PostgreSQL 有 levenshtein()（需启用 fuzzystrmatch 扩展），SQLite 可通过加载扩展或自定义函数支持，但最常用且无需额外部署的是 PostgreSQL 方案。
如果你坚持用 MySQL，必须手写存储函数——但要注意：纯 SQL 实现的 Levenshtein 效率极低，字符串长度超过 20 就明显卡顿；生产环境建议改用应用层计算（如 Python 的 python-Levenshtein 库）或切换至 PostgreSQL。
PostgreSQL 中启用并调用 levenshtein() 的完整步骤
PostgreSQL 需先加载扩展，再确保字段编码兼容（该函数只接受 text 类型，不支持 bytea 或含 NUL 字符的串）：
- 执行
CREATE EXTENSION IF NOT EXISTS fuzzystrmatch;（需 superuser 权限） - 确认比较字段为
TEXT类型，例如ALTER TABLE products ALTER COLUMN title TYPE TEXT; - 基础用法：
SELECT title, levenshtein(title, 'wireless headset') AS dist FROM products ORDER BY dist LIMIT 5; - 注意：距离值越小越相似；若要转成 0–1 相似度，可用
1.0 - dist::float / GREATEST(length(title), length('wireless headset'))，但仅适用于等长或近似长度场景
用 Levenshtein 做关联时最容易被忽略的预处理
原始文本直接比对效果差，不是函数不准，而是没清理噪声。比如 'iPhone 15 Pro' 和 'iphone15pro' 的 Levenshtein 距离是 6（空格、大小写、符号），但语义几乎一致。
务必在计算前统一做以下处理（推荐在视图或 CTE 中完成）：
- 转小写：
LOWER(title) - 移除空格与常见分隔符：
REGEXP_REPLACE(LOWER(title), '[^a-z0-9]', '', 'g') - 可选：中文需先转拼音或用 ngram 分词（Levenshtein 对中文单字序列不敏感，
'苹果手机'vs'水果手机'距离=2，但语义无关） - 避免长文本直接比对：截取前 50 字符再计算，否则
levenshtein()耗时随长度平方增长
性能陷阱：别在 JOIN 条件里直接调用 levenshtein()
写成 JOIN products p2 ON levenshtein(p1.name, p2.name) 看似简洁，实际会触发笛卡尔积 + 全量函数计算，1 万行表就产生 1 亿次字符串比对。
更可行的思路是「先粗筛、再精排」：
- 加前缀索引或生成简码：
substr(replace(lower(name), ' ', ''), 1, 3)，用它做等值 JOIN 缩小候选集 - 或用
pg_trgm扩展（同样需CREATE EXTENSION）配合similarity()或%操作符，支持 GiST/GIN 索引加速 - 如果必须用 Levenshtein，把候选集控制在百级别内再计算，例如先按首字母或分类 ID 过滤：
WHERE p1.category_id = p2.category_id AND p1.id != p2.id
真实业务中，Levenshtein 很少单独扛起“相似推荐”任务；它更适合校验清洗后的短字段（如 SKU 编码、品牌名拼写纠错），长内容匹配得结合全文检索或向量模型。
