【MySQL】第13节｜MySQL 中模糊查询的全面总结

以下是 MySQL 中模糊查询的全面总结，涵盖各种索引优化方案的核心原理、适用场景及操作示例：

一、模糊查询类型与索引优化方案

查询类型	示例语法	最佳索引方案	索引结构	适用场景
前缀匹配	LIKE 'prefix%'	普通索引/前缀索引	B-Tree	用户名、路径、分类前缀查询
后缀匹配	LIKE '%suffix'	逆向索引/全文索引	B-Tree/倒排索引	文件扩展名、URL 后缀查询
任意位置匹配	LIKE '%word%'	全文索引/搜索引擎（ES）	倒排索引	文章关键词、内容搜索
函数计算匹配	LIKE CONCAT('%', var, '%')	函数索引/冗余字段	B-Tree	动态关键词搜索

二、前缀索引（Prefix Index）

核心原理

• 索引字段的前 N 个字符，而非全量内容，减少索引体积。
• 语法：

  CREATE INDEX idx_col_prefix ON table_name(column_name(N));
  

适用场景

• 字段长度较长（如 VARCHAR(255)）且前缀重复率低。
• 查询以固定前缀开头（如 LIKE 'user%'）。

操作步骤

1. 计算最佳 N 值：

   SELECT COUNT(DISTINCT LEFT(column_name, N)) / COUNT(*) AS selectivity
   FROM table_name;
   

   • 选择 selectivity 接近 1 的最小 N（通常 ≥ 0.95）。
2. 创建前缀索引：

   CREATE INDEX idx_email_prefix ON users(email(20));
   

优缺点

• 优点：节省空间，提升前缀匹配性能。
• 缺点：仅支持前缀匹配，不支持后缀或中间匹配。

三、逆向索引（Reverse Index）

核心原理

• 将字段值反转后存储，并创建索引，将后缀匹配转化为前缀匹配。

适用场景

• 查询以固定后缀结尾（如 .jpg、.pdf）。
• 数据量较大且后缀查询频繁。

操作步骤

1. 添加反转字段：

   ALTER TABLE files ADD reversed_path VARCHAR(255) AS (REVERSE(file_path));
   

2. 创建索引：

   CREATE INDEX idx_reversed ON files(reversed_path);
   

3. 查询时反转条件：

   SELECT * FROM files WHERE reversed_path LIKE CONCAT(REVERSE('.jpg'), '%');
   

优缺点

• 优点：利用 B-Tree 索引优化后缀匹配。
• 缺点：需额外存储反转字段，查询时需计算 REVERSE()。

四、函数索引（Functional Index）

核心原理

• 直接对表达式或函数结果创建索引，避免查询时重复计算。

适用场景

• 查询条件包含函数（如 SUBSTRING()、LOWER()）。
• 需对计算结果进行过滤（如提取文件扩展名）。

操作步骤

1. 创建函数索引（MySQL 8.0+）：

   CREATE INDEX idx_extension ON files(SUBSTRING_INDEX(file_path, '.', -1));
   

2. 查询时使用相同函数：

   SELECT * FROM files WHERE SUBSTRING_INDEX(file_path, '.', -1) = 'jpg';
   

优缺点

• 优点：简化查询逻辑，避免手动维护冗余字段。
• 缺点：索引维护开销大（每次写入需重新计算）。

五、全文索引（Full-Text Index）

核心原理

• 使用倒排索引结构，将文本分词后建立映射关系，支持高效全文搜索。

适用场景

• 查询条件可能出现在文本任意位置（如 LIKE '%keyword%'）。
• 需支持自然语言搜索（如权重排序、同义词匹配）。

操作步骤

1. 创建全文索引：

   ALTER TABLE articles ADD FULLTEXT INDEX ft_content(content);
   

2. 查询语法：

   -- 自然语言模式
   SELECT * FROM articles WHERE MATCH(content) AGAINST('keyword');
   -- 布尔模式（支持 + - 等操作符）
   SELECT * FROM articles WHERE MATCH(content) AGAINST('+apple -banana' IN BOOLEAN MODE);
   

配置优化

• 调整分词参数：

  ft_min_word_len = 2  # 最小词长（默认 3）
  ngram_token_size = 2  # 支持中文分词
  

• 禁用停用词：

  ALTER TABLE articles ADD FULLTEXT INDEX ft_content(content) WITH PARSER ngram;
  

优缺点

• 优点：支持任意位置匹配，性能优于 LIKE '%word%'。
• 缺点：配置复杂，不支持精确位置匹配（如必须在开头）。

六、性能对比与选型建议

索引类型	查询效率	空间占用	维护成本	适用场景优先级
前缀索引	极高	低	低	前缀匹配（如用户名、路径）
逆向索引	高	中	中	后缀匹配（如文件扩展名）
函数索引	高	中	高	需对函数结果过滤的场景
全文索引	高	高	高	任意位置模糊匹配（如文章搜索）

七、注意事项与最佳实践

1. 避免全表扫描：
   • 尽量避免 LIKE '%word%'（全表扫描），改用全文索引或 ES。
2. 索引选择性：
   • 对低选择性字段（如性别、状态码）创建索引意义不大。
3. 覆盖索引：
   • 确保查询字段都在索引中，避免回表：

     CREATE INDEX idx_covering ON table_name(column_name) INCLUDE(other_column);
     

4. 验证索引使用：

   EXPLAIN SELECT * FROM table_name WHERE column_name LIKE 'prefix%';
   

   • 检查 type 列是否为 range 或 ref。

八、常见问题排查

1. 索引未生效：
   • 检查查询条件是否包含函数（如 LOWER()），导致索引失效。
   • 使用 FORCE INDEX 强制优化器选择索引：

     SELECT * FROM table_name FORCE INDEX (idx_col) WHERE ...;
     

2. 全文索引不支持中文：
   • 启用 ngram 分词器：

     ALTER TABLE articles ADD FULLTEXT INDEX ft_content(content) WITH PARSER ngram;
     

总结

• 前缀匹配：优先使用前缀索引（简单高效）。
• 后缀匹配：逆向索引或全文索引（根据数据量选择）。
• 任意位置匹配：全文索引或 Elasticsearch（复杂场景）。
• 函数计算匹配：函数索引或冗余字段（权衡维护成本）。

通过合理选择索引方案，可将模糊查询性能提升数十倍甚至数百倍，避免生产环境出现慢查询瓶颈。