sql中like and not like的优化

select * from ChkRepItemTaskOfSamle

where Rvt_ApplyID like '%XG%' and Rvt_ApplyID not like '%XGW%'

优化方案 1:使用 PATINDEX 函数(推荐)

sql

复制

下载

复制代码
SELECT * 
FROM ChkRepItemTaskOfSamle 
WHERE PATINDEX('%XG[^W]%', Rvt_ApplyID) > 0   -- 包含XG且下一个字符不是W
   OR PATINDEX('%XG', Rvt_ApplyID) > 0;       -- 处理XG在末尾的情况

优化方案 2:使用 CHARINDEX 组合

sql

复制

下载

复制代码
SELECT * 
FROM ChkRepItemTaskOfSamle 
WHERE CHARINDEX('XG', Rvt_ApplyID) > 0 
  AND CHARINDEX('XGW', Rvt_ApplyID) = 0;

优化方案 3:添加计算列 + 索引(大数据量适用)

sql

复制

下载

复制代码
-- 1. 添加持久化计算列
ALTER TABLE ChkRepItemTaskOfSamle
ADD IsTarget AS CAST(
    CASE 
        WHEN Rvt_ApplyID LIKE '%XG%' AND Rvt_ApplyID NOT LIKE '%XGW%' 
        THEN 1 
        ELSE 0 
    END AS BIT
) PERSISTED;

-- 2. 创建索引
CREATE INDEX IX_TargetFilter ON ChkRepItemTaskOfSamle(IsTarget);

-- 3. 查询时使用
SELECT * 
FROM ChkRepItemTaskOfSamle 
WHERE IsTarget = 1;

性能对比说明:

方法 优点 缺点 适用场景
原始双LIKE 简单直观 性能较差(两次全列扫描) 小数据量
PATINDEX 单次扫描,性能较好 语法稍复杂 中等数据量
CHARINDEX组合 函数效率高于LIKE 仍需两次扫描 通用场景
计算列+索引 大数据量极快 需要修改表结构,维护成本高 百万级以上数据频繁查询

推荐选择:

  • 中等数据量 :优先使用 PATINDEX 方案(方案1),它在保持单次扫描的同时更精确

  • 超大数据量:采用计算列+索引方案(方案3),但需权衡维护成本

  • 兼容性要求高 :使用 CHARINDEX 组合(方案2)

注意 :如果 Rvt_ApplyID 字段已建立索引,建议测试实际执行计划选择最优方案。在 SQL Server 2016+ 版本中,还可考虑使用 STRING_SPLIT 等函数进一步优化。

相关推荐
zuYM4g7Dp14 分钟前
NoSql数据库设计心得
数据库·nosql
睡不醒男孩0308232 小时前
第七篇:揭秘 PostgreSQL 数据库内核级管控:CLup 深度架构设计与高可用底座技术白皮书
数据库·postgresql·clup
cmes_love3 小时前
Level 2逐笔成交历史数据下载方法笔记
数据库·笔记·oracle
swordbob3 小时前
MySQL字符集陷阱:从Oracle迁移踩坑到utf8mb4强制规范
数据库·sql
牛油果子哥q3 小时前
【C++ STL string 】C++ STL string 终极精讲:底层原理、内存机制、全套API、深浅拷贝、易错坑点与工程实战规范
数据库·c++
十五年专注C++开发3 小时前
MySql中各种功能用sql语句实现总结
数据库·sql·mysql
数据库小学妹4 小时前
AI时代数据库怎么选?多模融合、数据统一存储与选型实战指南
数据库·人工智能·经验分享·ai
Albert Edison4 小时前
【Redis】Centos7.9 安装 Redis 5 教程
数据库·redis·缓存
云计算磊哥@4 小时前
运维开发宝典026-MySQL02数据库表操作
运维·数据库·运维开发
小二·4 小时前
Redis 内存溢出(OOM)排查与恢复实战
数据库·redis·bootstrap