mysql中Mysql模糊查询like效率，以及更⾼效的写法和sql优化
⽅法
在使⽤msyql进⾏模糊查询的时候，很⾃然的会⽤到like语句，通常情况下，在数据量⼩的时候，不容易看出查询的效率，但在数据量达到百万级，千万级的时候，查询的效率就很容易显现出来。这个时候查询的效率就显得很重要！
⼀般情况下like模糊查询的写法为（field已建⽴索引）：
SELECT `column` FROM `table` WHERE `field` like '%keyword%';
上⾯的语句⽤explain解释来看，SQL语句并未⽤到索引，⽽且是全表搜索，如果在数据量超⼤的时候，可想⽽知最后的效率会是这样
对⽐下⾯的写法：
SELECT `column` FROM `table` WHERE `field` like 'keyword%';
这样的写法⽤explain解释看到，SQL语句使⽤了索引，搜索的效率⼤⼤的提⾼了！
但是有的时候，我们在做模糊查询的时候，并⾮要想查询的关键词都在开头，所以如果不是特别的要求，"keywork%"并不合适所有的模糊查询
这个时候阿⾥巴巴就问到了我，如何解决上⾯的这个问题？
我们可以使⽤下⾯的⽅法：
LOCATE(substr,str), LOCATE(substr,str,pos)
第⼀个语法返回substr在字符串str 的第⼀个出现的位置。第⼆个语法返回⼦符串 substr 在字符串str，从pos处开始的第⼀次出现的位置。如果substr 不在str 中，则返回值为0 。
SELECT LOCATE('xbar',`foobar`);
###返回0
SELECT LOCATE('bar',`foobarbar`);
###返回4
SELECT LOCATE('bar',`foobarbar`,5);
###返回7
SELECT `column` FROM `table` WHERE LOCATE('keyword', `field`)>0
备注：keyword是要搜索的内容，field为被匹配的字段，查询出所有存在keyword的数据
2.POSITION('substr' IN `field`)⽅法
position可以看做是locate的别名，功能跟locate⼀样html网页基本代码框架
SELECT `column` FROM `table` WHERE POSITION('keyword' IN `filed`)
3.INSTR(`str`,'substr')⽅法mysql面试题sql优化
SELECT `column` FROM `table` WHERE INSTR(`field`, 'keyword' )>0
除了上述的⽅法外，还有⼀个函数FIND_IN_SET
FIND_IN_SET(str1,str2):
返回str2中str1所在的位置索引，其中str2必须以","分割开。
使⽤like，还是使⽤locate  position⾼效的前提条件是查询的字段上⾯已经建⽴起了索引。
关于mysql处理百万级以上的数据时如何提⾼其查询速度的⽅法
最近⼀段时间由于⼯作需要，开始关注针对Mysql数据库的select查询语句的相关优化⽅法。
由于在参与的实际项⽬中发现当mysql表的数据量达到百万级时，普通SQL查询效率呈直线下降，⽽且如果where中的查询条件较多时，其查询速度简直⽆法容忍。曾经测试对⼀个包含400多万条记录（有索引）的表执⾏⼀条条件查询，其查询时间竟然⾼达40⼏秒，相信这么⾼的查询延时，任何⽤户都会抓狂。因此如何提⾼sql语句查询效率，显得⼗分重要。以下是⽹上流传⽐较⼴泛的30种SQL查询语句优化⽅法：
1、应尽量避免在 where ⼦句中使⽤!=或<>操作符，否则将引擎放弃使⽤索引⽽进⾏全表扫描。
2、对查询进⾏优化，应尽量避免全表扫描，⾸先应考虑在 where 及 order by 涉及的列上建⽴索引。
3、应尽量避免在 where ⼦句中对字段进⾏ null 值判断，否则将导致引擎放弃使⽤索引⽽进⾏全表扫描，如：
select id from t where num is null
可以在num上设置默认值0，确保表中num列没有null值，然后这样查询：
select id from t where num=0
4、尽量避免在 where ⼦句中使⽤ or 来连接条件，否则将导致引擎放弃使⽤索引⽽进⾏全表扫描，如：
select id from t where num=10 or num=20
可以这样查询：
select id from t where num=10
union all
select id from t where num=20
5、下⾯的查询也将导致全表扫描：(不能前置百分号)
select id from t where name like ‘%c%’
若要提⾼效率，可以考虑全⽂检索。
6、in 和 not in 也要慎⽤，否则会导致全表扫描，如：
select id from t where num in(1,2,3)
对于连续的数值，能⽤ between 就不要⽤ in 了：
select id from t where num between 1 and 3
7、如果在 where ⼦句中使⽤参数，也会导致全表扫描。因为SQL只有在运⾏时才会解析局部变量，但优化程序不能将访问计划的选择推迟到运⾏时；它必须在编译时进⾏选择。然 ⽽，如果在编译时建⽴访问计划，变量的值还是未知的，因⽽⽆法作为索引选择的输⼊项。如下⾯语句将进⾏全表扫描：
select id from t where num=@num
可以改为强制查询使⽤索引：
node不是内部或外部命令
select id from t with(index(索引名)) where num=@num
8、应尽量避免在 where ⼦句中对字段进⾏表达式操作，这将导致引擎放弃使⽤索引⽽进⾏全表扫描。如：
select id from t where num/2=100
应改为:
select id from t where num=100*2
9、应尽量避免在where⼦句中对字段进⾏函数操作，这将导致引擎放弃使⽤索引⽽进⾏全表扫描。如：
select id from t where substring(name,1,3)=’abc’–name以abc开头的id
select id from t where datediff(day,createdate,’2005-11-30′)=0–’2005-11-30′⽣成的idpython用什么ide
svg无功补偿怎么配置
应改为:
select id from t where name like ‘abc%’
select id from t where createdate>=’2005-11-30′ and createdate<’2005-12-1′
10、不要在 where ⼦句中的“=”左边进⾏函数、算术运算或其他表达式运算，否则系统将可能⽆法正确使⽤索引。
11、在使⽤索引字段作为条件时，如果该索引是复合索引，那么必须使⽤到该索引中的第⼀个字段作为条件时才能保证系统使⽤该索引，否则该索引将不会被使 ⽤，并且应尽可能的让字段顺序与索引顺序相⼀致。
12、不要写⼀些没有意义的查询，如需要⽣成⼀个空表结构：
select col1,col2 into #t from t where 1=0
这类代码不会返回任何结果集，但是会消耗系统资源的，应改成这样：
create table #t(…)
13、很多时候⽤ exists 代替 in 是⼀个好的选择：
select num from a where num in(select num from b)
⽤下⾯的语句替换：
select num from a where exists(select 1 from b where num=a.num)
14、并不是所有索引对查询都有效，SQL是根据表中数据来进⾏查询优化的，当索引列有⼤量数据重
复时，SQL查询可能不会去利⽤索引，如⼀表中有字段 sex，male、female⼏乎各⼀半，那么即使在sex上建了索引也对查询效率起不了作⽤。
firefoxfocus隐私浏览器15、索引并不是越多越好，索引固然可以提⾼相应的 select 的效率，但同时也降低了 insert 及 update 的效率，因为 insert 或 update 时有可能会重建索引，所以怎样建索引需要慎重考虑，视具体情况⽽定。⼀个表的索引数最好不要超过6个，若太多则应考虑⼀些不常使⽤到的列上建的索引是否有 必要。
16.应尽可能的避免更新 clustered 索引数据列，因为 clustered 索引数据列的顺序就是表记录的物理存储顺序，⼀旦该列值改变将导致整个表记录的顺序的调整，会耗费相当⼤的资源。若应⽤系统需要频繁更新 clustered 索引数据列，那么需要考虑是否应将该索引建为clustered 索引。
17、尽量使⽤数字型字段，若只含数值信息的字段尽量不要设计为字符型，这会降低查询和连接的性能，并会增加存储开销。这是因为引擎在处理查询和连接时会 逐个⽐较字符串中每⼀个字符，⽽对于数字型⽽⾔只需要⽐较⼀次就够了。
18、尽可能的使⽤ varchar/nvarchar 代替 char/nchar ，因为⾸先变长字段存储空间⼩，可以节省存储空间，其次对于查询来说，在⼀个相对较⼩的字段内搜索效率显然要⾼些。
19、任何地⽅都不要使⽤ select * from t ，⽤具体的字段列表代替“*”，不要返回⽤不到的任何字段。
20、尽量使⽤表变量来代替临时表。如果表变量包含⼤量数据，请注意索引⾮常有限（只有主键索引）。
21、避免频繁创建和删除临时表，以减少系统表资源的消耗。
22、临时表并不是不可使⽤，适当地使⽤它们可以使某些例程更有效，例如，当需要重复引⽤⼤型表或常⽤表中的某个数据集时。但是，对于⼀次性事件，最好使 ⽤导出表。
23、在新建临时表时，如果⼀次性插⼊数据量很⼤，那么可以使⽤ select into 代替 create table，避免造成⼤量 log ，以提⾼速度；如果数据量不⼤，为了缓和系统表的资源，应先create table，然后insert。
24、如果使⽤到了临时表，在存储过程的最后务必将所有的临时表显式删除，先 truncate table ，然后 drop table ，这样可以避免系统表的较长时间锁定。
25、尽量避免使⽤游标，因为游标的效率较差，如果游标操作的数据超过1万⾏，那么就应该考虑改写。
26、使⽤基于游标的⽅法或临时表⽅法之前，应先寻基于集的解决⽅案来解决问题，基于集的⽅法通常更有效。
27、与临时表⼀样，游标并不是不可使⽤。对⼩型数据集使⽤ FAST_FORWARD 游标通常要优于其他逐⾏处理⽅法，尤其是在必须引⽤⼏个表才能获得所需的数据时。在结果集中包括“合计”的例程通常要⽐使⽤游标执⾏的速度快。如果开发时 间允许，基于游标的⽅法和基于集的⽅法都可以尝试⼀下，看哪⼀种⽅法的效果更好。
28、在所有的存储过程和触发器的开始处设置 SET NOCOUNT ON ，在结束时设置 SET NOCOUNT OFF 。⽆需在执⾏存储过程和触发器的每个语句后向客户端发送 DONE_IN_PROC 消息。
29、尽量避免向客户端返回⼤数据量，若数据量过⼤，应该考虑相应需求是否合理。
30、尽量避免⼤事务操作，提⾼系统并发能⼒。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。