简单入门，先认识一下模糊查询

日常工作中，我们经常需要在数据库里查找一些不那么确切的信息。比如，只记得一个产品名字里的几个字，或者想找出所有以某个字母开头的客户。这时候，就轮到模糊查询上场了。最常见的工具就是 SQL 语言里的 LIKE 操作符。它配合两个通配符一起工作：百分号（%）代表任意数量的任意字符，下划线（_）则代表单个任意字符。举个例子，如果你在客户表中输入 SELECT * FROM customers WHERE name LIKE '张%'，数据库就会把所有姓“张”的客户都找出来。这是最基础、最常用的方法，上手很快。

常见技巧，让查询更灵活准确

只用 LIKE 可能还不够，有些情况需要动点脑筋。比如，要查的名字里本身可能就包含百分号或下划线这些特殊字符，这时就需要用到 ESCAPE 关键字来告诉数据库，不要把这些字符当成通配符。另一个常见场景是，我们可能需要同时匹配多个模式。例如，想找名字里带“科技”或者带“软件”的公司，就可以写成 name LIKE '%科技%' OR name LIKE '%软件%'。如果模式很多，这样做会有点啰嗦。根据 2022年‘数据库系统概念’一书中的观点，可以考虑将可能的模式先存储在一个临时表里，然后用 JOIN 连接的方式来进行查询，有时效率会更高，也更清晰。

性能是个大问题，怎么让它跑得更快

模糊查询，尤其是那种以通配符开头的查询（比如 LIKE '%关键字%'），对数据库来说是件很头疼的事情，因为它通常无法有效利用索引。想象一下，数据库有一本按字母排序的电话簿（索引），你想找名字里带“明”字的人，它没法快速定位，只能从第一页翻到最后一页，这就是所谓的“全表扫描”，数据量一大，速度就会急剧下降。根据‘高性能MySQL’一书的建议，首要的策略是尽量避免在模式开头使用通配符。如果业务上实在需要搜索中间的内容，可以试试这几种方法：一是考虑使用数据库提供的全文索引功能，它专门为文本搜索设计，比 LIKE 快很多；二是如果数据量巨大，可以把待搜索的列单独复制一份，并预先做好一些处理，比如提取关键词、分词等，然后在这份处理过的数据上建立索引来查询；三是有些新的数据库提供了专门的倒排索引或者像 PostgreSQL 里的 pg_trgm 扩展（基于三元组的模糊匹配），它们对模糊查询有更好的支持。

实战中的优化策略

了解原理后，在实际项目中我们还要有一些策略。首先，做好缓存。那些频繁使用的、结果变化不大的模糊查询结果，可以放在缓存（如 Redis）里，下次请求直接读取，大大减轻数据库压力。其次，控制查询的返回量。不要动不动就用 SELECT *，只选取必要的列，并且用好 LIMIT 子句限制返回的行数，避免一次性拖回海量数据。再次，定期分析查询语句。数据库本身通常会提供工具（如 MySQL 的 EXPLAIN 命令）来查看一个查询的执行计划，看看它有没有用上索引，在哪里慢了，然后有针对性地调整。最后，根据‘数据库索引设计与优化’一书的指南，在合适的列上创建合适的索引依然是根本。虽然可能对前导通配符的 LIKE 帮助有限，但对于像 LIKE '张%' 这样的查询，如果 name 字段上有索引，速度依然会很快。所以，设计表结构时就要考虑到未来的搜索需求。