MySQL模糊搜索的几种姿势

MySQL模糊搜索的几种姿势

01 引言

MySQL根据不同的应用场景，支持的模糊搜索方式有多种，例如应用最广泛的可能是Like匹配和RegExp正则匹配，二者虽然用法和原理都很相似，但实际上匹配原则却不尽相同，其中Like要求模式串与整个目标字段完全匹配才检索该记录，而RegExp则是要求目标字段包含模式串即可。

对于简单的判断模式串是否存在类型的模糊搜索，应用MySQL内置函数即可实现，例如Instr()、Locate()、Position()等。

当然，提到MySQL查询性能就不得不提到索引，对于字段模糊查询需求，我们也可以考虑添加全文索引(Fulltext)。

注：本文所用MySQL版本8.0.19，可视化工具Navicat Primium。

02 4种模糊查询

为了便于描述和测试不同模糊查询方式结果，首先给出一个简单的测试用数据表tests如下：

其中，tests表仅含有一个名为words的字段，并对该字段添加全文索引。表中共有6条记录。

Like

Like算作MySQL中的谓词，其应用与is、=、>和<等符号用法类似。Like主要支持两种通配符，分别是"_"和"%"，其中前者代表匹配1个任意字符，常用于充当占位符；而后者代表匹配0个或多个任意字符。从某种意义上讲，Like可看作是一个精简的正则表达式功能。

例如，在如上表中查找所有以"hello"开头的记录，则其SQL语句为：

1SELECT words FROM tests WHERE words LIKE 'hello%';

查询结果：

如果想查找所有以"hello"开头且至少含有6个字符的记录，则可简单修改SQL语句如下：

1SELECT words FROM tests WHERE words LIKE 'hello_%';

查询结果：

另外：当在Like模式字段中，若不包含任何"_"和"%"通配符，则等价于"="，表示精确匹配，例如查询语句……Like "hello"，则仅返回hello一条记录；还可在Like前加限定词Not，表示结果取反。

RegExp

正则表达式具有庞大而丰富的语法，MySQL语法中支持绝大部分正则表达式功能，几乎可以满足所有需求。本文不过多展开正则表达式相关介绍，仅在Like的基础上，简单介绍其与Like模糊搜索方式的区别。

如前所述，Like匹配原则是要求模式串与整个目标字段匹配时，才返回该条记录；而RegExp中则是当目标字段包含模式串时即返回该条记录。例如如下SQL语句将返回所有包含"hello"的记录：

1SELECT words FROM tests WHERE words REGEXP 'hello';

而在Like中这样的写法仅返回记录="hello"的记录。为了限定正则表达式以某个模式串开头或者结尾，可以通过添加"^"和"$"标识符来限定，例如仍然搜索以"hello"开头的目标字段，则其SQL语句为：

1SELECT words FROM tests WHERE words REGEXP '^hello';

内置函数

对于包含某些特定模式串的模糊搜索，可以通过MySQL内置函数实现。可以完成这一功能的函数包括Instr()、Locate()和Position()等，其功能语法很相近，均是返回子串在字符串中的索引，且索引下标从1开始，当子串不存在是返回0。需要注意的是三个函数中子串和字符串的先后顺序是不一致的。例如以下语句均成功检索，且返回目标索引1

1SELECT INSTR("hello,world", 'hello');-- 1  2SELECT LOCATE('hello', "hello,world");-- 1  3SELECT POSITION('hello' in "hello, world"); -- 1

应用以上3个内置函数，搜索上述测试表中包含"hello"的记录，则相应SQL语句为：

1SELECT words  FROM tests WHERE INSTR(words, 'hello');  2SELECT words  FROM tests WHERE LOCATE('hello', words);  3SELECT words  FROM tests WHERE POSITION('hello' in words);

全文索引

抛开索引谈查询性能，都是耍流氓！

全文索引是MySQL中索引的一种，曾经仅在引擎为MyISAM的表中支持，从5.6版本开始在InnoDB中也开始支持全文索引，支持的字段格式包括CHAR、VARCHAR和TEXT。在如上已经添加了全文索引的tests表中，仍然查询包含"hello"的记录，应用全文索引查询的SQL语句为：

1SELECT words FROM tests WHERE MATCH(words) against('hello');

实际上，MATCH(words) against('hello')返回的是字段words对目标字符"hello"的匹配程度：当不存在任何匹配结果时，返回0；否则，根据匹配次数的多少和位置先后返回一个匹配度。例如，如下SQL语句返回表中每条记录对目标字段"hello"的匹配度：

1SELECT MATCH(words) against('hello') FROM tests;

返回结果如下：

03 查询性能对比

为了对比以上4种模糊搜索方式的性能，我们这里构建一个规模较大且更具一般性的数据表。本文选择采集若干条英文格言，用于创建目标数据库。

创建数据表。为简单起见，仅创建一个名为says的字段，且对其添加全文索引。

1CREATE TABLE IF NOT EXISTS sayings(says TEXT, FULLTEXT (says));

英文格言信息获取

在网上找了个英文格言的网站，并写了一个python小爬虫爬取页面全部300条英文格言，爬虫源码如下（为了增加记录条数，将300条记录重写100词，即数据库中包含30000条记录）：

注：如果对pyquery爬虫运用感兴趣，可移步：用pyquery5行代码爬取百度热点新闻一文

对爬取的英文短句写入创建的数据表中，结果如下：

既然是英文励志格言短句，那么我们就来查询其中包括"success"的记录。

首先查询语句中任意位置包含"success"的记录，4种方式SQL语句及执行时间为：

1-- LIKE通配符   2SELECT says FROM sayings WHERE says LIKE '%success%'   3> OK   4> 时间: 0.036s   5   6-- REGEXP正则匹配   7SELECT says FROM sayings WHERE says REGEXP 'success'   8> OK   9> 时间: 0.053s  10  11-- 内置函数查找  12SELECT says FROM sayings WHERE INSTR(says, 'success')  13> OK  14> 时间: 0.045s  15  16SELECT says FROM sayings WHERE LOCATE('success', says)  17> OK  18> 时间: 0.044s  19  20SELECT says FROM sayings WHERE POSITION('success' in says)  21> OK  22> 时间: 0.047s  23  24-- 全文索引  25SELECT says FROM sayings WHERE MATCH(says) against('Success')  26> OK  27> 时间: 0.006s

可见，全文索引速度最宽，领先其他方式接近一个量级；Like通配符速度其次，但与其他几种查询方式效率相差不大。

通过Explain查询计划，我们可以发现全文索引方式由于应用了索引而无需全表查询，所以执行速度快，而其他三种模糊查询方式均为执行全表查询。

全文索引查询计划

Like通配符查询计划

实际上，对于添加索引的字段应用Like查询时，可以应用索引加速查询，为勒验证全文索引条件下是否仍然可以应用索引，我们进行第二组性能测试：

查询语句中以"success"开头的记录（全文索引方式不支持指定单词开头的查询任务），相应SQL语句即执行时间如下：

1SELECT says FROM sayings WHERE says LIKE 'success%'   2> OK   3> 时间: 0.015s   4   5SELECT says FROM sayings WHERE says REGEXP '^success'   6> OK   7> 时间: 0.046s   8   9SELECT says FROM sayings WHERE INSTR(says, 'success')=1  10> OK  11> 时间: 0.042s  12  13SELECT says FROM sayings WHERE LOCATE('success', says)=1  14> OK  15> 时间: 0.051s  16  17SELECT says FROM sayings WHERE POSITION('success' in says)=1  18> OK  19> 时间: 0.049s  20  21SELECT says FROM sayings WHERE MATCH(says) against('Success')  22> OK  23> 时间: 0.007s

可以看到，修改后的Like查询效率提升明显，并大幅超过其他方式。但解释查询计划发现，虽然possible_key显示了索引字段，但实际仍然未应用任何索引（key为null），即仍然进行全表查询（Type = All）。之所以带来速度上的大幅提升，仅仅是因为对'success%'要比'%success%'执行字符串匹配要快得多（后者要整列匹配，前者仅需匹配开头的单词即可），而与索引无关。

Like'success%'仍然无法应用全文索引

所以，得到的结论是Like通配符无法有效利用全文索引加速查询，但在特定模式下的查询速度可快于通配符%模式下的查询。

04 总结

本文探讨了MySQL中4中模糊查询方式，包括：

Like通配符用于查询目标字段与模式串完全匹配的记录，且无法应用全文索引提高查询速度，但以特定字符开头的模糊查询比以"%"开头时速度提升明显 RegExp正则表达式功能强大，可实现任意模式查询，但执行效率一般 简单的子串有无查询还可应用MySQL内置函数，包括Instr()、Locate()和Position()等，用法相近，但效率一般 对于包含全文索引的目标字段查询，应用全文索引查询效率最高，但可定制性差，不支持任意匹配查询 记录数目较少时，几种查询方式效率均可接受，可根据任务需求灵活选用

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。