男朋友连模糊匹配like %%怎么优化都不知道
三歪最近发现我一直在写MySQL的文章，然后就跟我说他有sql用到like的时候就没办法用到索引了，问我怎么办。
我让他坐在我腿上，摸着他的手说道：傻瓜，这样这样，你看这不是好了？顺手刮了一下他的鼻子。
三歪小脸一红，说：你真讨厌，然后娇羞的走了。
玩笑归玩笑哈，其实在开发过程中，经常会碰到一些业务场景，需要以完全模糊匹配的方式查找数据，就会想到用 like %xxx% 或者 like %xxx 的方式去实现，而且即使列上有选择率很高的索引，也不会被使用。
在MySQL中可以通过ICP特性，全文索引，基于生成列索引解决这类问题，下面就从索引条件下推ICP，全文索引，基于生成列索引及如何利用它们解决模糊匹配的SQL性能问题。
索引条件下推ICP
ICP介绍
MySQL 5.6开始支持ICP（Index Condition Pushdown），不支持ICP之前，当进行索引查询时，首先根据索引来查找数据，然后再根据where条件来过滤，扫描了大量不必要的数据，增加了数据库IO操作。
在支持ICP后，MySQL在取出索引数据的同时，判断是否可以进行where条件过滤，将where的部分过滤操作放在存储引擎层提前过滤掉不必要的数据，减少了不必要数据被扫描带来的IO开销。
在某些查询下，可以减少Server层对存储引擎层数据的读取，从而提供数据库的整体性能。
ICP具有以下特点
ICP相关控制参数
index_condition_pushdown：索引条件下推默认开启，设置为off关闭ICP特性。
mysql>show variables like 'optimizer_switch';
| optimizer_switch | index_condition_pushdown=on
# 开启或者关闭ICP特性
mysql>set optimizer_switch = 'index_condition_pushdown=on | off';
ICP处理过程
假设有用户表users01(id, name, nickname, phone, create_time)，表中数据有11W。由于ICP只能用于二级索引，故在name,nickname列上创建复合索引idx_name_nickname(name,nickname)，分析SQL语句select * from users01 where name = 'Lyn' and nickname like '%SK%'在ICP关闭和开启下的执行情况。
关闭ICP特性的SQL性能分析
开启profiling进行跟踪SQL执行期间每个阶段的资源使用情况。
mysql>set profiling = 1;
关闭ICP特性分析SQL执行情况
mysql>set optimizer_switch = 'index_condition_pushdown=off';
mysql>explain select * from users01 where name = 'Lyn' and nickname like '%SK%';
| 1 | SIMPLE | users01 | NULL | ref | idx_name_nickname | idx_name_nickname | 82 | const | 29016 | 100.00 | Using where |
#查看SQL执行期间各阶段的资源使用
mysql>show profile cpu,block io for query 2;
| Status | Duration | CPU_user | CPU_system | Block_ops_in | Block_ops_out |
+--------------------------------+----------+----------+------------+--------------+---------------+
| starting | 0.000065 | 0.000057 | 0.000009 | 0 | 0 |
..................
| executing | 0.035773 | 0.034644 | 0.000942 | 0 | 0 |#执行阶段耗时0.035773秒。
| end | 0.000015 | 0.000006 | 0.000009 | 0 | 0 |
#status状态变量分析
| Handler_read_next | 16384 | ##请求读的行数
| Innodb_data_reads | 2989 | #数据物理读的总数
| Innodb_pages_read | 2836 | #逻辑读的总数
| Last_query_cost | 8580.324460 | #SQL语句的成本COST，主要包括IO_COST和CPU_COST。
通过explain分析执行计划，SQL语句在关闭CP特性的情况下，走的是复合索引idx_name_nickname，Extra=Using Where，首先通过复合索引 idx_name_nickname 前缀从存储引擎中读出 name = 'Lyn' 的所有记录，然后在Server端用where 过滤 nickname like '%SK%' 情况。
Handler_read_next=16384说明扫描了16384行的数据，SQL实际返回只有12行数，耗时50ms。对于这种扫描大量数据行，只返回少量数据的SQL，可以从两个方面去分析。
索引选择率低：对于符合索引
(name,nickname)，name作为前导列出现 where 条件，CBO都会选择走索引，因为扫描索引比全表扫描的COST要小，但由于 name 列的基数不高，导致扫描了索引中大量的数据，导致SQL性能也不太高。Column_name: name Cardinality: 6 可以看到
users01表中name的不同的值只有6个，选择率6/114688很低。数据分布不均匀：对于
where name = ?来说，name数据分布不均匀时，SQL第一次传入的值返回结果集很小，CBO就会选择走索引，同时将SQL的执行计划缓存起来，以后不管name传入任何值都会走索引扫描，这其实是不对的，如果传入name的值是Fly100返回表中80%的数据，这是走全表扫描更快。
| name | count(*) |
+---------------+----------+
| Grubby | 12 |
| Lyn | 1000 |
| Fly100 | 98100 |
在MySQL 8.0推出了列的直方图统计信息特性，主要针对索引列数据分布不均匀的情况进行优化。
开启ICP特性的性能分析
开启ICP特性分析SQL执行情况
mysql>set optimizer_switch = 'index_condition_pushdown=on';
#执行计划
| 1 | SIMPLE | users01 | NULL | ref | idx_name_nickname | idx_name_nickname | 82 | const | 29016 | 11.11 | Using index condition |
#status状态变量分析
| Handler_read_next | 12 |
| Innodb_data_reads | 2989 |
| Innodb_pages_read | 2836 |
| Last_query_cost | 8580.324460 |
从执行计划可以看出，走了复合索引 idx_name_nickname，Extra=Using index condition，且只扫描了12行数据，说明使用了索引条件下推ICP特性，SQL总共耗时10ms，跟关闭ICP特性下相比，SQL性能提升了5倍。
| ICP特性/项目 | 扫描方式 | 扫描行数 | 返回行数 | 执行时间 |
|---|---|---|---|---|
| 关闭ICP | Using where | 16384 | 12 | 50ms |
| 开启ICP | Using index condition | 12 | 12 | 10ms |
开启ICP特性后，由于 nickname 的 like 条件可以通过索引筛选，存储引擎层通过索引与 where 条件的比较来去除不符合条件的记录，这个过程不需要读取记录，同时只返回给Server层筛选后的记录，减少不必要的IO开销。
Extra显示的索引扫描方式
using where：查询使用索引的情况下，需要回表去查询所需的数据。 using index condition：查询使用了索引，但是需要回表查询数据。 using index：查询使用覆盖索引的时候会出现。 using index & using where：查询使用了索引，但是需要的数据都在索引列中能找到，不需要回表查询数据。
模糊匹配改写优化
在开启ICP特性后，对于条件where name = 'Lyn' and nickname like '%SK%' 可以利用复合索引 (name,nickname) 减少不必要的数据扫描，提升SQL性能。但对于 where nickname like '%SK%' 完全模糊匹配查询能否利用ICP特性提升性能？首先创建nickname上单列索引 idx_nickname。
mysql>alter table users01 add index idx_nickname(nickname);
#SQL执行计划
| 1 | SIMPLE | users01 | NULL | ALL | NULL | NULL | NULL | NULL | 114543 | 11.11 | Using where |
从执行计划看到 type=ALL，Extra=Using where 走的是全部扫描，没有利用到ICP特性。
辅助索引idx_nickname(nickname)内部是包含主键id的，等价于(id，nickname)的复合索引，尝试利用覆盖索引特性将SQL改写为 select Id from users01 where nickname like '%SK%' 。
| 1 | SIMPLE | users01 | NULL | index | NULL | idx_nickname | 83 | NULL | 114543 | 11.11 | Using where; Using index |
从执行计划看到，type=index，Extra=Using where; Using index，索引全扫描，但是需要的数据都在索引列中能找到，不需要回表。利用这个特点，将原始的SQL语句先获取主键id，然后通过id跟原表进行关联，分析其执行计划。
select * from users01 a , (select id from users01 where nickname like '%SK%') b where a.id = b.id;
| 1 | SIMPLE | users01 | NULL | index | PRIMARY | idx_nickname | 83 | NULL | 114543 | 11.11 | Using where; Using index |
| 1 | SIMPLE | a | NULL | eq_ref | PRIMARY | PRIMARY | 4 | test.users01.id | 1 | 100.00 | NULL |
从执行计划看，走了索引idx_nickname，不需要回表访问数据，执行时间从60ms降低为40ms，type = index 说明没有用到ICP特性，但是可以利用 Using where; Using index 这种索引扫描不回表的方式减少资源开销来提升性能。
全文索引
MySQL 5.6开始支持全文索引，可以在变长的字符串类型上创建全文索引，来加速模糊匹配业务场景的DML操作。它是一个inverted index（反向索引），创建 fulltext index 时会自动创建6个 auxiliary index tables（辅助索引表），同时支持索引并行创建，并行度可以通过参数 innodb_ft_sort_pll_degree 设置，对于大表可以适当增加该参数值。
删除全文索引的表的数据时，会导致辅助索引表大量delete操作，InnoDB内部采用标记删除，将已删除的DOC_ID都记录特殊的FTS_*_DELETED表中，但索引的大小不会减少，需要通过设置参数innodb_optimize_fulltext_only=ON 后，然后运行OPTIMIZE TABLE来重建全文索引。
全文索引特征
两种检索模式
IN NATURAL LANGUAGE MODE：默认模式，以自然语言的方式搜索，AGAINST('看风' IN NATURAL LANGUAGE MODE ) 等价于
AGAINST('看风')。IN BOOLEAN MODE：布尔模式，表是字符串前后的字符有特殊含义，如查找包含SK，但不包含Lyn的记录，可以用+，-符号。
AGAINST('+SK -Lyn' in BOOLEAN MODE);
这时查找 nickname like '%Lyn%' ，通过反向索引关联数组可以知道，单词Lyn存储于文档4中，然后定位到具体的辅助索引表中。
全文索引分析
对表users01的nickname添加支持中文分词的全文索引
mysql>alter table users01 add fulltext index idx_full_nickname(nickname) with parser ngram;
查看数据分布
#设置当前的全文索引表
mysql>set global innodb_ft_aux_table = 'test/users01';
#查看数据文件
mysql>select * from information_schema.innodb_ft_index_cache;
+--------+--------------+-------------+-----------+--------+----------+
| WORD | FIRST_DOC_ID | LAST_DOC_ID | DOC_COUNT | DOC_ID | POSITION |
+--------+--------------+-------------+-----------+--------+----------+
.............
| 看风 | 7 | 7 | 1 | 7 | 3 |
| 笑看 | 7 | 7 | 1 | 7 | 0 |
全文索引相关对象分析
#全文索引对象分析
mysql>SELECT table_id, name, space from INFORMATION_SCHEMA.INNODB_TABLES where name like 'test/%';
| 1198 | test/users01 | 139 |
#存储被标记删除同时从索引中清理的文档ID,其中_being_deleted_cache是_being_deleted表的内存版本。
| 1199 | test/fts_00000000000004ae_being_deleted | 140 |
| 1200 | test/fts_00000000000004ae_being_deleted_cache | 141 |
#存储索引内部状态信息及FTS_SYNCED_DOC_ID
| 1201 | test/fts_00000000000004ae_config | 142 |
#存储被标记删除但没有从索引中清理的文档ID,其中_deleted_cache是_deleted表的内存版本。
| 1202 | test/fts_00000000000004ae_deleted | 143 |
| 1203 | test/fts_00000000000004ae_deleted_cache | 144 |
模糊匹配优化
对于SQL语句后面的条件 nickname like '%看风%' 默认情况下，CBO是不会选择走nickname索引的，该写SQL为全文索引匹配的方式：match(nickname) against('看风')。
mysql>explain select * from users01 where match(nickname) against('看风');
| 1 | SIMPLE | users01 | NULL | fulltext | idx_full_nickname | idx_full_nickname | 0 | const | 1 | 100.00 | Using where; Ft_hints: sorted |
使用了全文索引的方式查询，type=fulltext，同时命中全文索引 idx_full_nickname，从上面的分析可知，在MySQL中，对于完全模糊匹配%%查询的SQL可以通过全文索引提高效率。
生成列
MySQL 5.7开始支持生成列，生成列是由表达式的值计算而来，有两种模式：VIRTUAL和STORED，如果不指定默认是VIRTUAL，创建语法如下：
col_name data_type [GENERATED ALWAYS] AS (expr) [**VIRTUAL** | **STORED**] [NOT NULL | NULL]
生成列特征
VIRTUAL生成列用于复杂的条件定义，能够简化和统一查询，不占用空间，访问列是会做计算。 STORED生成列用作物化缓存，对于复杂的条件，可以降低计算成本，占用磁盘空间。 支持辅助索引的创建，分区以及生成列可以模拟函数索引。 不支持存储过程，用户自定义函数的表达式， NONDETERMINISTIC的内置函数，如NOW()， RAND()以及不支持子查询
生成列使用
#添加基于函数reverse的生成列reverse_nickname
mysql>alter table users01 add reverse_nickname varchar(200) generated always as (reverse(nickname));
#查看生成列信息
mysql>show columns from users01;
| reverse_nickname | varchar(200) | YES | | NULL | VIRTUAL GENERATED | #虚拟生成列
模糊匹配优化
对于where条件后的 like '%xxx' 是无法利用索引扫描，可以利用MySQL 5.7的生成列模拟函数索引的方式解决，具体步骤如下：
利用内置reverse函数将like '%风云'反转为like '云风%'，基于此函数添加虚拟生成列。 在虚拟生成列上创建索引。 将SQL改写成通过生成列like reverse('%风云')去过滤，走生成列上的索引。
添加虚拟生成列并创建索引。
mysql>alter table users01 add reverse_nickname varchar(200) generated always as (reverse(nickname));
mysql>alter table users01 add index idx_reverse_nickname(reverse_nickname);
#SQL执行计划
| 1 | SIMPLE | users01 | NULL | range | idx_reverse_nickname | idx_reverse_nickname | 803 | NULL | 1 | 100.00 | Using where |
可以看到对于 like '%xxx' 无法使用索引的场景，可以通过基于生成列的索引方式解决。
总结
介绍了索引条件下推ICP特性，全文索引以以及生成列特性，利用这些特性可以对模糊匹配 like %xxx% 或 like %xxx 的业务SQL进行优化，可以有效降低不必要的数据读取，减少IO扫描以及CPU开销，提高服务的稳定性。
对于MySQL每个版本发布的新特性，尤其是跟优化器和SQL相关的，应该去关注和了解，可能会发现适合自己业务场景的特性。
我是敖丙，你知道的越多，你不知道的越多，我们下期见。