vyhledání v obsahu souborů uložených v DB

Řetězce pomocí operátoru LIKE, ale bude to ukrutně pomalé; pak existuje REGEX, který je ještě pomalejší.
Slova můžeš vyhledávat pomocí FULLTEXTového indexu, to bude rychlejší, ale neumí to obecné řetězce.
Pokud se jedná o řetězce speciálních tvarů, šlo by i něco rychlejšího. CSV by šlo v obyčejné DB rozpadnout do tabulky; pokud bys věděl, ve kterém sloupci chceš hledat, můžeš dost ušetřit.


Pokud se přesunu z obyčejné MySQL pryč:
Můžeš si doprogramovat do databázového enginu vlastní typ indexu, který bude nějak fungovat na tvé data.
Na CSV by šlo indexovat pozice čárek a tedy pak efektivně při hledání poskakovat, za předpokladu, že hledáš od začátku hodnoty. Podobné indexy se používají na JSON a XML.

Co vlastně potřebuješ vyhledávat? Pokud jde skutečně o obecný řetězec, je v současné době v praxi asi nejvýhodnější (poměr cena/výkon) HADOOP nakonfigurovaný na nějakém clusteru. Stačí-li ti slova, je dobrou volbou Solr (ať už na clusteru nebo lokálně, pokud je málo dat).

Teoreticky(!) bys mohl z celého obsahu databáze postavit suffixový strom, a pak bys vyhledával v čase O(délka hledaného výrazu). Existují už i nějaké cache-oblivious algoritmy, které by mohly fungovat i pro velikosti, které se nevejdou do paměti (nezapomeň na to, že suffixové stromy mají velký paměťový overhead, konstanta je u těch nejlepsích asi tak 16). Tady se bavíme třeba o vyhledávání části řetězce DNA ve velkém množství vzorků (třeba při identifikaci mrtvol nebo stop z místa činu, nebo studium podobnosti druhů).