如何在文本列的 substring 上創建索引？

Question

我經常需要根據文本列中是否存在 substring 來過濾特定表中的記錄。 具體來說，我需要排除包含/的記錄。

我目前使用WHERE語句，例如：

WHERE table_name.text_col NOT LIKE "%/%"

我的直覺是，在每條記錄的字符串中搜索此 substring 需要很長時間（相對而言），並且可以通過某種方式進行索引來改進。 我可以創建一個新的二進制索引列並根據文本列是否包含/來填充它，但我想知道是否有更簡潔的解決方案？

我發現這個問題指的是LEFT()樣式的解決方案，但我不理解語法，我正在尋找可以處理字符串中任何位置的 substring 的東西。

Answer 1

您可以創建一個持久存儲信息的計算列：

alter table table_name 
    add column text_has_slash tinyint
    generated always as (text_col like '%/%')
    stored
;

或者，如果您想將null值視為負數：

    generated always as (coalesce(text_col like '%/%', 0))

列值被計算並存儲在表中（當值發生變化時，它由數據庫自動更新）。

現在您可以在查詢中使用該列：

select * from table_name where not text_has_slash;

DB Fiddle 上的演示

過濾預先計算的值應該已經提高了性能。

在 boolean 列上創建索引不一定有幫助，因為只有三個可能的值（0、1、null）。 除非這些值分布非常不均勻，否則數據庫執行完整掃描通常會更快。 另一方面，如果您的搜索條件比您顯示的更多，您可能希望將此列包含在多列索引中。

Answer 2

真正的問題是是否需要檢查整個表，以及是否有某種方法可以通過索引限制行數。

首先，讓我們決定這樣的索引是否會被使用。 作為經驗法則，如果超過 20% 的表與某個索引匹配，則不會使用該索引。 （“20”因月相而異。）邏輯是在索引的 BTree 和數據的 BTree 之間跳動需要一些成本。 如果行數不多，那么這種彈跳是值得的——也就是說，當索引是“選擇性的”時。

因此，如果超過 20% 的行有“/”，則所有建議都不會有效。 LOCATE可能比LIKE更有效； 一個REGEXP可能比任何一個都慢。 盡管如此，查詢中的主要成本將不得不查看每一行。

另一方面，如果只有很少的行有“/”，那么任何預先計算的索引都將是有益的。

如果真正的測試是WHERE x LIKE '%/%' AND... ，那么我們需要查看測試的次要部分。 可能即使是對“/”的非選擇性測試也可以有效地與測試的其他部分結合起來。

底線：給我們完整的圖片，加上一些統計數據。

Answer 3

也許LOCATE可以幫助你。

WHERE LOCATE('/', table_name.text_col) = 0 

當LOCATE返回 0 時，表示在字符串中找不到 substring。 更多信息請訪問https://dev.mysql.com/doc/refman/8.0/en/string-functions.html#function_locate 。

您要求LEFT() ，這不是您要找的。 此 function 從字符串的開頭返回 substring。 語法很簡單， https://dev.mysql.com/doc/refman/8.0/en/string-functions.html#function_left