Explain详解与索引优化最佳实践

Explain 详解与索引优化最佳实践

- [一、Explain 工具介绍](#一、Explain 工具介绍)
- [二、Explain 分析示例](#二、Explain 分析示例)
- - [2.1 示例表结构](#2.1 示例表结构)
  - [2.2 基本使用](#2.2 基本使用)
- [三、Explain 两个变种](#三、Explain 两个变种)
- - [3.1 explain extended](#3.1 explain extended)
  - [3.2 explain partitions](#3.2 explain partitions)
- [四、Explain 中的列](#四、Explain 中的列)
- - [4.1 id 列](#4.1 id 列)
  - [4.2 select_type 列](#4.2 select_type 列)
  - [4.3 table 列](#4.3 table 列)
  - [4.4 type 列（重点）](#4.4 type 列（重点）)
  - - NULL示例
    - [const, system](#const, system)
    - eq_ref
    - ref
    - range
    - index
    - ALL
  - [4.5 possible_keys 列](#4.5 possible_keys 列)
  - [4.6 key 列](#4.6 key 列)
  - [4.7 key_len 列](#4.7 key_len 列)
  - - [key_len 计算规则](#key_len 计算规则)
  - [4.8 ref 列](#4.8 ref 列)
  - [4.9 rows 列](#4.9 rows 列)
  - [4.10 Extra 列（重点）](#4.10 Extra 列（重点）)
  - - [1.Using index](#1.Using index)
    - [2.Using where](#2.Using where)
    - [3. Using index condition](#3. Using index condition)
    - [4.Using temporary](#4.Using temporary)
    - [5.Using filesort](#5.Using filesort)
    - [6.Select tables optimized away](#6.Select tables optimized away)
    - 总结
- 五、索引最佳实践
- - [5.1 示例表](#5.1 示例表)
  - [5.2 实践规则](#5.2 实践规则)
  - - [规则 1：全值匹配](#规则 1：全值匹配)
    - [规则 2：最左前缀法则](#规则 2：最左前缀法则)
    - [规则 3：不在索引列上做任何操作](#规则 3：不在索引列上做任何操作)
    - [规则 4：存储引擎不能使用索引中范围条件右边的列](#规则 4：存储引擎不能使用索引中范围条件右边的列)
    - [规则 5：尽量使用覆盖索引，减少 select *](#规则 5：尽量使用覆盖索引，减少 select *)
    - [规则 6：不等于、not in、not exists 无法使用索引](#规则 6：不等于、not in、not exists 无法使用索引)
    - [规则 7：is null、is not null 一般也无法使用索引](#规则 7：is null、is not null 一般也无法使用索引)
    - [规则 8：like 以通配符开头索引失效](#规则 8：like 以通配符开头索引失效)
    - [规则 9：字符串不加单引号索引失效](#规则 9：字符串不加单引号索引失效)
    - [规则 10：少用 or 或 in](#规则 10：少用 or 或 in)
    - [规则 11：范围查询优化](#规则 11：范围查询优化)
- 六、索引使用总结

一、Explain 工具介绍

使用 EXPLAIN 关键字可以模拟优化器执行 SQL 语句，分析你的查询语句或是结构的性能瓶颈。

在 select 语句之前增加 explain 关键字，MySQL 会在查询上设置一个标记，执行查询会返回执行计划的信息，而不是执行这条 SQL。

注意：如果 from 中包含子查询，仍会执行该子查询，将结果放入临时表中。

二、Explain 分析示例

参考官方文档：https://dev.mysql.com/doc/refman/5.7/en/explain-output.html

2.1 示例表结构

sql 复制代码

-- actor 表
DROP TABLE IF EXISTS `actor`;
CREATE TABLE `actor` (
  `id` int(11) NOT NULL,
  `name` varchar(45) DEFAULT NULL,
  `update_time` datetime DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

INSERT INTO `actor` (`id`, `name`, `update_time`)
VALUES (1,'a','2017-12-22 15:27:18'),
       (2,'b','2017-12-22 15:27:18'),
       (3,'c','2017-12-22 15:27:18');

-- film 表
DROP TABLE IF EXISTS `film`;
CREATE TABLE `film` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(10) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_name` (`name`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

INSERT INTO `film` (`id`, `name`) VALUES (3,'film0'),(1,'film1'),(2,'film2');

-- film_actor 表
DROP TABLE IF EXISTS `film_actor`;
CREATE TABLE `film_actor` (
  `id` int(11) NOT NULL,
  `film_id` int(11) NOT NULL,
  `actor_id` int(11) NOT NULL,
  `remark` varchar(255) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_film_actor_id` (`film_id`,`actor_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

INSERT INTO `film_actor` (`id`, `film_id`, `actor_id`)
VALUES (1,1,1),(2,1,2),(3,2,1);

2.2 基本使用

sql 复制代码

mysql> explain select * from actor;

在查询中的每个表会输出一行，如果有两个表通过 join 连接查询，那么会输出两行。

三、Explain 两个变种

3.1 explain extended

会在 explain 的基础上额外提供一些查询优化的信息。紧随其后通过 show warnings 命令可以得到优化后的查询语句 ，从而看出优化器优化了什么。额外还有 filtered 列，是一个百分比的值，rows * filtered / 100 可以估算出将要和 explain 中前一个表进行连接的行数（前一个表指 explain 中 id 值比当前表 id 值小的表）。

sql 复制代码

mysql> explain extended select * from film where id = 1;

sql 复制代码

mysql> show warnings;

3.2 explain partitions

相比 explain 多了个 partitions 字段，如果查询是基于分区表的话，会显示查询将访问的分区。

四、Explain 中的列

接下来展示 explain 中每个列的信息。

4.1 id 列

id 列的编号是 select 的序列号，有几个 select 就有几个 id，并且 id 的顺序是按 select 出现的顺序增长的。

id 列越大执行优先级越高
id 相同则从上往下执行
id 为 NULL 最后执行

4.2 select_type 列

select_type 表示对应行是简单还是复杂的查询。

类型	含义
`simple`	简单查询，不包含子查询和 union
`primary`	复杂查询中最外层的 select
`subquery`	包含在 select 中的子查询（不在 from 子句中）
`derived`	包含在 from 子句中的子查询，MySQL 会将结果存放在临时表中（派生表）
`union`	在 union 中的第二个和随后的 select

simple示例：

sql 复制代码

mysql> explain select * from film where id = 2;

primary、subquery、derived示例：

sql 复制代码

-- 关闭 mysql5.7 新特性对衍生表的合并优化
mysql> set session optimizer_switch='derived_merge=off';

mysql> explain select (select 1 from actor where id = 1) from (select * from film where id = 1) der;

sql 复制代码

-- 还原默认配置
mysql> set session optimizer_switch='derived_merge=on';

union示例：

sql 复制代码

mysql> explain select 1 union all select 1;

4.3 table 列

这一列表示 explain 的一行正在访问哪个表。

当 from 子句中有子查询时，table 列是 <derivenN> 格式，表示当前查询依赖 id=N 的查询，于是先执行 id=N 的查询。
当有 union 时，UNION RESULT 的 table 列的值为 <union1,2>，1 和 2 表示参与 union 的 select 行 id。

4.4 type 列（重点）

这一列表示关联类型或访问类型，即 MySQL 决定如何查找表中的行，查找数据行记录的大概范围。

依次从最优到最差：system > const > eq_ref > ref > range > index > ALL

一般来说，得保证查询达到 range 级别，最好达到 ref。

类型	说明
NULL	MySQL 能在优化阶段分解查询语句，执行阶段不用再访问表或索引
system	`const` 的特例，表里只有一条元组匹配
const	用于 primary key 或 unique key 的所有列与常数比较，最多匹配一行
eq_ref	primary key 或 unique key 所有部分被连接使用，最多返回一条符合条件的记录
ref	使用普通索引或唯一性索引的部分前缀，可能找到多个符合条件的行
range	范围扫描，出现在 `in()`, `between`, `>`, `<`, `>=` 等操作中
index	扫描全索引（二级索引），一般为覆盖索引，比 ALL 快
ALL	全表扫描，扫描聚簇索引的所有叶子节点

NULL示例

sql 复制代码

mysql> explain select min(id) from film;

const, system

mysql能对查询的某部分进行优化并将其转化成一个常量（可以看show warnings 的结果）。用于 primary key 或 unique key 的所有列与常数比较时，所以表最多有一个匹配行，读取1次，速度比较快。system是const的特例，表里只有一条元组匹配时为system

sql 复制代码

mysql> explain extended select * from (select * from film where id = 1) tmp;

sql 复制代码

mysql> show warnings;

eq_ref

primary key 或 unique key 索引的所有部分被连接使用，最多只会返回一条符合条件的记录。这可能是在 const 之外最好的联接类型了，简单的 select 查询不会出现这种 type。

sql 复制代码

mysql> explain select * from film_actor left join film on film_actor.film_id = film.id;

ref

相比 eq_ref，不使用唯一索引，而是使用普通索引或者唯一性索引的部分前缀，索引要和某个值相比较，可能会找到多个符合条件的行。

简单 select 查询，name 是普通索引（非唯一索引）：

sql 复制代码

mysql> explain select * from film where name = 'film1';

关联表查询，idx_film_actor_id 是 film_id 和 actor_id 的联合索引，这里使用到了左边前缀 film_id 部分：

sql 复制代码

mysql> explain select film_id from film left join film_actor on film.id = film_actor.film_id;

range

范围扫描通常出现在 in(), between ,> ,<, >= 等操作中。使用一个索引来检索给定范围的行。

sql 复制代码

mysql> explain select * from actor where id > 1;

index

扫描全索引就能拿到结果，一般是扫描某个二级索引，这种扫描不会从索引树根节点开始快速查找，而是直接对二级索引的叶子节点遍历和扫描，速度还是比较慢的，这种查询一般为使用覆盖索引，二级索引一般比较小，所以这种通常比ALL快一些。

sql 复制代码

mysql> explain select * from film;

ALL

即全表扫描，扫描你的聚簇索引的所有叶子节点。通常情况下这需要增加索引来进行优化了。

sql 复制代码

mysql> explain select * from actor;

4.5 possible_keys 列

显示查询可能使用哪些索引来查找。

explain 时可能出现 possible_keys 有列，而 key 显示 NULL 的情况------这是因为表中数据不多，MySQL 认为索引对此查询帮助不大，选择了全表查询。
如果该列是 NULL，则没有相关的索引。可以通过检查 where 子句看是否可以创造适当的索引来提高查询性能，然后用 explain 查看效果。

4.6 key 列

显示 MySQL 实际采用哪个索引来优化对该表的访问。

如果没有使用索引，则该列是 NULL。如果想强制 MySQL 使用或忽视 possible_keys 列中的索引，在查询中使用 force index、ignore index。

4.7 key_len 列

显示 MySQL 在索引里使用的字节数，通过这个值可以算出具体使用了索引中的哪些列。

举例：film_actor 的联合索引 idx_film_actor_id 由 film_id 和 actor_id 两个 int 列组成，每个 int 是 4 字节。通过结果中的 key_len=4 可推断出查询使用了第一个列：film_id 列来执行索引查找。

sql 复制代码

mysql> explain select * from film_actor where film_id = 2;

key_len 计算规则

字符串类型：

char(n)和varchar(n)，5.0.3以后版本中，**n均代表字符数，而不是字节数，**如果是utf-8，一个数字或字母占1个字节，一个汉字占3个字节

类型	长度（存汉字）
`char(n)`	3n 字节
`varchar(n)`	3n + 2 字节（+2 是用来存储字符串长度，因为varchar是变长字符串）

数值类型：

类型	字节数
`tinyint`	1
`smallint`	2
`int`	4
`bigint`	8

时间类型：

类型	字节数
`date`	3
`timestamp`	4
`datetime`	8

其他：

字段允许为 NULL，需要 1 字节记录是否为 NULL
索引最大长度是 768 字节，当字符串过长时，MySQL 会做类似左前缀索引的处理，将前半部分的字符提取出来做索引。

4.8 ref 列

显示在 key 列记录的索引中，表查找值所用到的列或常量，常见的有：const（常量）、字段名（例：film.id）。

4.9 rows 列

MySQL 估计要读取并检测的行数，注意这个不是结果集里的行数。

4.10 Extra 列（重点）

1.Using index

解释：查询的列都在索引里，直接从索引取数据，不需要回表（覆盖索引）。

比如下面返回film_id当前表的索引字段，而不是*或者其他非索引字段

sql 复制代码

mysql> explain select film_id from film_actor where film_id = 1;

2.Using where

解释：MySQL 在存储引擎返回数据后，又在 Server 层用 WHERE 条件做了一次过滤，并且查询的列未被索引覆盖。

本质含义：

Using where 表示 MySQL 使用 WHERE 条件来过滤数据，而且被过滤的列没有被索引覆盖。具体分两种情况：

情况一：完全没走索引

比如 actor 表的 name 列没有建索引：

sql 复制代码

mysql> EXPLAIN SELECT * FROM actor WHERE name = 'a';

此时：

name 列没有索引 → MySQL 只能全表扫描（type=ALL）
拿出每一行后，再用 WHERE name = 'a' 这个条件逐行过滤掉不符合的
这种「用 WHERE 条件在 Server 层过滤数据」的行为，就是 Using where

3. Using index condition

解释：查询的列不完全被索引覆盖，where 条件中是一个前导列的范围。

大概意思是一个联合索引 idx_film_actor_id (film_id, actor_id)，where的查询条件是最左列且是范围查询

在 MySQL 的 EXPLAIN 执行计划中，Extra 列出现 Using index condition ，代表使用了 "索引下推" 优化。这是 MySQL 5.6 版本引入的一项重要性能提升机制。

简单来说，它的意思是：MySQL 在回表查询实际数据之前，会先在联合索引上把能用的过滤条件都过滤一遍，尽量减少回表的次数。

sql 复制代码

mysql> EXPLAIN SELECT * FROM film_actor WHERE film_id > 1;

常见触发场景

通常在使用联合索引 ，且查询条件中既包含等值查询（最左前缀） ，又包含**范围查询（如 LIKE、>、<）**时发生。

示例：

假设有一张用户表，有一个联合索引 idx_name_age (name, age)。

复制代码

SELECT * FROM users WHERE name LIKE '张%' AND age = 25;

底层原理（优化前 vs 优化后）

没有索引下推（5.6 之前）：
1. 存储引擎根据联合索引的第一列 name LIKE '张%' 在索引树上找到所有"张"开头的主键 ID。
2. 拿着这些主键 ID 全部回表（去聚簇索引查完整行数据），返回给服务层。
3. 服务层再根据 age = 25 对这些完整数据进行过滤。
  缺点：如果叫"张某"的有 10000 人，但 age=25 的只有 10 人，就会发生 10000 次无用的回表，极大浪费 I/O。
开启索引下推（出现 Using index condition）：
1. 存储引擎根据 name LIKE '张%' 在索引树上找到记录。
2. 存储引擎不急于回表 ，而是顺手在联合索引中检查这个记录的 age 是否等于 25。
3. 只有当 name 和 age 同时满足条件 时，才拿着主键 ID 去回表获取完整数据。
  优点：把服务层的过滤操作"下推"到了存储引擎层，直接在索引树上完成过滤，大幅减少了回表次数。

性能影响

性能大幅提升！

核心价值在于"减少回表次数"。因为回表属于随机 I/O，是非常昂贵的操作。索引下推直接在二级索引上拦截了大量不符合条件的数据，避免了无谓的磁盘读取，尤其在大表数据中，查询速度会有质的飞跃。

4.Using temporary

MySQL 需要创建一张临时表来处理查询。出现这种情况一般是要进行优化的，首先是想到用索引来优化。

actor.name 没有索引，此时创建了张临时表来 distinct：

sql 复制代码

mysql> explain select distinct name from actor;

film.name 建立了 idx_name 索引，此时 extra 是 using index，没有用临时表：

sql 复制代码

mysql> explain select distinct name from film;

5.Using filesort

将用外部排序而不是索引排序，数据较小时从内存排序，否则需要在磁盘完成排序。这种情况下一般也是要考虑使用索引来优化的。

actor.name未创建索引，会浏览actor整个表，保存排序关键字name和对应的id，然后排序name并检索行记录

sql 复制代码

mysql> explain select * from actor order by name;

film.name 建立了 idx_name 索引，此时 extra 是 using index：

sql 复制代码

mysql> explain select * from film order by name;

6.Select tables optimized away

是一个非常好的状态。它的字面意思是**"查询表的操作被优化掉了"**。

简单来说，这意味着 MySQL 优化器认定，它根本不需要真正去读取表的数据（甚至不需要遍历索引的叶子节点），仅仅通过查询索引的树结构或表的元数据，就能直接得出最终的查询结果。

例如：使用某些聚合函数（比如 max、min）来访问存在索引的某个字段是

sql 复制代码

mysql> explain select min(id) from film;

总结

Extra 值	一句话	好坏
Using index	查的列全在索引里，不用回表（覆盖索引）	✅ 好
Using index condition	走索引 + ICP 下推，引擎层先过滤再回表	⚠️ 一般
Using where	没走索引或索引不够，Server 层逐行过滤	❌ 差
Using temporary	需要建临时表存中间结果（distinct/group by 没走索引）	❌ 差
Using filesort	不能直接用索引排序，需要额外排序	❌ 差
Select tables optimized away	聚合函数直接用索引取值，无需访问表	✅✅ 最好

记忆口诀：

看到 Using index → 放心，覆盖索引了

看到 Using where → 索引没用到或不够用

看到 Using index condition → 比 Using where 强，用了 ICP 减少回表

看到 Using temporary / Using filesort → 赶紧优化，加索引

五、索引最佳实践

5.1 示例表

sql 复制代码

CREATE TABLE `employees` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
  `age` int(11) NOT NULL DEFAULT '0' COMMENT '年龄',
  `position` varchar(20) NOT NULL DEFAULT '' COMMENT '职位',
  `hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入职时间',
  PRIMARY KEY (`id`),
  KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=utf8 COMMENT='员工记录表';

INSERT INTO employees(name,age,position,hire_time) VALUES('LiLei',22,'manager',NOW());
INSERT INTO employees(name,age,position,hire_time) VALUES('HanMeimei', 23,'dev',NOW());
INSERT INTO employees(name,age,position,hire_time) VALUES('Lucy',23,'dev',NOW());

联合索引：idx_name_age_position (name, age, position)

5.2 实践规则

规则 1：全值匹配

按联合索引的全部列进行等值匹配，索引生效。

sql 复制代码

EXPLAIN SELECT * FROM employees WHERE name = 'LiLei';

sql 复制代码

EXPLAIN SELECT * FROM employees WHERE name = 'LiLei' AND age = 22;

sql 复制代码

EXPLAIN SELECT * FROM employees WHERE name = 'LiLei' AND age = 22 AND position = 'manager';

规则 2：最左前缀法则

如果索引了多列，要遵守最左前缀法则。指的是查询从索引的最左前列开始 并且不跳过索引中的列。

sql 复制代码

-- 走索引（从最左 name 开始）
EXPLAIN SELECT * FROM employees WHERE name = 'Bill' AND age = 31;

-- 不走索引（跳过了最左列 name）
EXPLAIN SELECT * FROM employees WHERE age = 30 AND position = 'dev';

-- 不走索引（跳过了最左列 name）
EXPLAIN SELECT * FROM employees WHERE position = 'manager';

规则 3：不在索引列上做任何操作

计算、函数、（自动或手动）类型转换，都会导致索引失效而转向全表扫描。

sql 复制代码

-- 走索引
EXPLAIN SELECT * FROM employees WHERE name = 'LiLei';

-- 不走索引（使用了 left 函数）
EXPLAIN SELECT * FROM employees WHERE left(name,3) = 'LiLei';

日期函数示例：

sql 复制代码

ALTER TABLE `employees` ADD INDEX `idx_hire_time` (`hire_time`) USING BTREE;

-- 不走索引（使用了 date 函数）
EXPLAIN SELECT * FROM employees WHERE date(hire_time) = '2018-09-30';

sql 复制代码

-- 转化为日期范围查询，可能会走索引
EXPLAIN SELECT * FROM employees
WHERE hire_time >= '2018-09-30 00:00:00'
  AND hire_time <= '2018-09-30 23:59:59';

sql 复制代码

ALTER TABLE `employees` DROP INDEX `idx_hire_time`;

规则 4：存储引擎不能使用索引中范围条件右边的列

范围查询会导致范围条件右边的索引列失效。

sql 复制代码

-- 三个列都走索引
EXPLAIN SELECT * FROM employees WHERE name = 'LiLei' AND age = 22 AND position = 'manager';

-- age 使用了范围(>)，position 索引失效
EXPLAIN SELECT * FROM employees WHERE name = 'LiLei' AND age > 22 AND position = 'manager';

规则 5：尽量使用覆盖索引，减少 select *

sql 复制代码

-- 覆盖索引（只查索引列）
EXPLAIN SELECT name,age FROM employees WHERE name = 'LiLei' AND age = 23 AND position = 'manager';

sql 复制代码

-- select * 对比
EXPLAIN SELECT * FROM employees WHERE name = 'LiLei' AND age = 23 AND position = 'manager';

规则 6：不等于、not in、not exists 无法使用索引

!= 或 <>、not in、not exists 会导致全表扫描
<、>、<=、>= 这些，MySQL 内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引

sql 复制代码

EXPLAIN SELECT * FROM employees WHERE name != 'LiLei';

规则 7：is null、is not null 一般也无法使用索引

sql 复制代码

EXPLAIN SELECT * FROM employees WHERE name IS NULL;

规则 8：like 以通配符开头索引失效

sql 复制代码

-- 索引失效（% 开头）
EXPLAIN SELECT * FROM employees WHERE name LIKE '%Lei';

sql 复制代码

-- 走索引（% 在后面）
EXPLAIN SELECT * FROM employees WHERE name LIKE 'Lei%';

问题：解决 like '%字符串%' 索引不被使用的方法？

a）使用覆盖索引，查询字段必须是覆盖索引字段：

sql 复制代码

EXPLAIN SELECT name,age,position FROM employees WHERE name LIKE '%Lei%';

b）如果不能使用覆盖索引则需要借助搜索引擎（如 Elasticsearch）

规则 9：字符串不加单引号索引失效

sql 复制代码

-- 走索引（字符串加引号）
EXPLAIN SELECT * FROM employees WHERE name = '1000';

-- 不走索引（隐式类型转换）
EXPLAIN SELECT * FROM employees WHERE name = 1000;

规则 10：少用 or 或 in

MySQL 内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引，详见范围查询优化。

sql 复制代码

EXPLAIN SELECT * FROM employees WHERE name = 'LiLei' OR name = 'HanMeimei';

规则 11：范围查询优化

sql 复制代码

ALTER TABLE `employees` ADD INDEX `idx_age` (`age`) USING BTREE;

-- 大范围查询可能不走索引
EXPLAIN SELECT * FROM employees WHERE age >= 1 AND age <= 2000;

原因：MySQL 内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引。单次数据量查询过大可能导致优化器最终选择不走索引。

优化方法：将大的范围拆分成多个小范围。

sql 复制代码

EXPLAIN SELECT * FROM employees WHERE age >= 1 AND age <= 1000;
EXPLAIN SELECT * FROM employees WHERE age >= 1001 AND age <= 2000;

sql 复制代码

ALTER TABLE `employees` DROP INDEX `idx_age`;

六、索引使用总结

like KK%相当于=常量，%KK和%KK% 相当于范围

场景	是否走索引
全值匹配（等值匹配联合索引全部列）	✅
最左前缀（从最左列开始且不跳过中间列）	✅
索引列上做计算/函数/类型转换	❌
范围条件右边的列	❌
覆盖索引（select 索引列）	✅
`!=`、`<>`、`not in`、`not exists`	❌
`is null`、`is not null`	❌（一般）
`like '%xxx'`（通配符开头）	❌
`like 'xxx%'`（通配符结尾）	✅
字符串不加单引号（隐式类型转换）	❌
`or` / `in`	不一定（优化器评估）

注意：like KK% 相当于 = 常量，%KK 和 %KK% 相当于范围查询。