MySQL模糊搜索的几种姿势

来自公众号：小数志
作者：luanhz

导读：本文对MySQL中几种常用的模糊搜索方式进行了介绍，包括LIKE通配符、RegExp正则匹配、内置字符串函数以及全文索引，最后给出了性能对比。

image

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：

image

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。

image

• 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：

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

查询结果：

image

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：

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

查询结果：

image

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：

SELECT 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：

SELECT 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

SELECT INSTR("hello,world", 'hello');
SELECT LOCATE('hello', "hello,world");
SELECT POSITION('hello' in "hello, world"); 

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：

SELECT words  FROM tests WHERE INSTR(words, 'hello');
SELECT words  FROM tests WHERE LOCATE('hello', words);
SELECT 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：

SELECT 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：

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

返回结果如下：

image

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。

CREATE 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）：

from pyquery import PyQuery  as pq 
from pymysql import connect 
 
doc = pq(url='http://www.1juzi.com/new/43141.html', encoding = 'gb18030') 
items=doc("div.content>p:nth-child(2n+1)").items() 
hots = [item.text() for item in items] 
with connect(host="localhost", user="root", password="123456", db='teststr', charset='utf8') as cur: 
    sql_insert = 'insert into sayings values (%s);' 
    for _ in range(100):
        cur.executemany(sql_insert, hots)

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：

image

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：

 -- LIKE通配符 
SELECT says FROM sayings WHERE says LIKE '%success%' 
> OK 
> 时间: 0.036s 
 
-- REGEXP正则匹配 
SELECT says FROM sayings WHERE says REGEXP 'success' 
> OK 
> 时间: 0.053s

-- 内置函数查找
SELECT says FROM sayings WHERE INSTR(says, 'success')
> OK
> 时间: 0.045s

SELECT says FROM sayings WHERE LOCATE('success', says)
> OK
> 时间: 0.044s

SELECT says FROM sayings WHERE POSITION('success' in says)
> OK
> 时间: 0.047s

-- 全文索引
SELECT says FROM sayings WHERE MATCH(says) against('Success')
> OK
> 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。

image

全文索引查询计划

image

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：

 SELECT says FROM sayings WHERE says LIKE 'success%' 
> OK 
> 时间: 0.015s 
 
SELECT says FROM sayings WHERE says REGEXP '^success' 
> OK 
> 时间: 0.046s 
 
SELECT says FROM sayings WHERE INSTR(says, 'success')=1
> OK
> 时间: 0.042s

SELECT says FROM sayings WHERE LOCATE('success', says)=1
> OK
> 时间: 0.051s

SELECT says FROM sayings WHERE POSITION('success' in says)=1
> OK
> 时间: 0.049s

SELECT says FROM sayings WHERE MATCH(says) against('Success')
> OK
> 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。

image

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