昨天，一个朋友在面试中被面试官问到了这么个问题：MySQL中like模糊查询如何做优化？

这个问题说实话也算是烂大街了，在面试中被问到的概率还是蛮大的。

• 你遇到过吗？
• 你是否能回答上来呢？
• 你知道几种呢？

好了，我们进入正题。

在MySQL中， 关于LIKE 模糊查询可能会导致性能问题，特别是当使用通配符%开头时，因为这通常会导致全表扫描。

以下用5种方法可以帮助优化 LIKE 模糊查询。

五种方法

第一种：合理使用索引

前缀匹配：使用LIKE '前缀%' 的形式。这种情况MySQL能够利用索引，比如：

SELECT * FROM users WHERE username LIKE '张%'

如果 username 字段有索引，前缀匹配会用到索引。

第二种：使用反向索引

对于需要匹配后缀的情况(即 LIKE '%后缀' ），可以创建一个辅助列存储反转字符串，并基于此列进行前缀匹配。

ALTER TABLE users ADD reversed username VARCHAR(255);
UPDATE users SET reversed_username = REVERSE(username);
CREATE INDEX idx_reversed username ON users(reversed_username);

其实就是创建反向字符串，到底就是一种取巧，用空间换时间。

不是不能用，看情况来。

第三种：限制扫描范围

在LIKE查询中，如果可以通过其他条件进一步缩小搜索范围，请尽量加入这些条件。

SELECT * FROM users WHERE create_time >'2023-01-01' AND username LIKE '张%';

第四种：使用缓存

如果相同的查询需要频繁执行，可以考虑在应用层实施缓存策略来减少数据库负载。

常见的比如Redis，但是这里需要注意，缓存存放的数据是很少改动的。

第五种：使用专业工具

对于非常大的数据集或者需要复杂文本处理和搜索功能，可以使用外部全文搜索引擎如Elasticsearch、Solr或者Sphinx来代替MySQL的LIKE操作。

但是我们尽量存一些关键信息，不需要把所有数据都存进去，记住他只是一个工具，能帮我们解决问题即可。

通过这些方法优化LIKE查询，可以显著提升数据库的査询性能。应根据具体场景选择合适的优化策略。

使用EXPLAIN分析查询执行计划，可以确认我们的优化效果。