优化MySQL中LIKE模糊查询的关键是减少扫描数据量、合理使用索引。首先，对以固定前缀开头的查询（如LIKE 'abc%'），应在相关列上创建前缀索引，如CREATE INDEX idx_name ON table_name(column_name(20))，利用B+树加速匹配。其次，避免以通配符开头的查询（如LIKE '%abc'），因其无法使用B树索引，易导致全表扫描；可采用反向索引或改用FULLTEXT全文索引解决后缀或复杂模糊匹配需求。对于多关键词或自然语言搜索，应添加FULLTEXT索引并使用MATCH()...AGAINST()语法，提升查询效率并支持相关性排序。此外，结合高筛选性条件（如status = 1）可先缩小数据集，再执行模糊匹配，显著提高性能。最终需根据业务权衡索引开销与查询效率，避免LIKE成为慢查询根源。
在MySQL中，LIKE模糊查询如果使用不当，容易导致全表扫描，严重影响查询性能。优化这类查询的核心思路是减少扫描的数据量、合理利用索引以及避免低效的匹配模式。以下是几种实用的优化方法。
使用前缀索引加速查询
当对文本字段进行模糊匹配且通配符不在开头时（例如 LIKE 'abc%'），可以利用B+树索引提升效率。
确保被查询的列上建立了索引，尤其是针对大文本字段，可考虑创建前缀索引：
CREATE INDEX idx_name ON table_name(column_name(20));这会对字段的前20个字符建立索引，节省空间的同时仍能支持以固定前缀开头的模糊查询。但注意前缀长度要足以区分数据，否则可能降低选择性。
避免以通配符开头的查询
像 LIKE '%abc' 或 LIKE '%abc%' 这类查询无法使用常规B树索引，会导致全表扫描。
解决方式包括：
- 尽量引导用户输入前缀信息，改为 LIKE 'abc%' 形式
- 使用反向索引：对字段值反转存储，并建立索引，查询时也反转关键词，适用于后缀匹配
- 引入全文索引（FULLTEXT）替代模糊查询，尤其适合大文本搜索
使用全文索引处理复杂模糊需求
对于包含多个关键词或需要自然语言搜索的场景，建议使用MySQL的FULLTEXT索引。
步骤如下：
然后使用MATCH()...AGAINST()语法：
SELECT * FROM articles WHERE MATCH(title, content) AGAINST('database' IN NATURAL LANGUAGE MODE);这种方式比LIKE '%database%' 更快，且支持相关性排序。
结合其他条件缩小结果集
在模糊查询中加入高筛选性的WHERE条件，能显著减少参与模糊匹配的数据量。
例如：
SELECT * FROM users WHERE status = 1 AND name LIKE 'John%';如果status有索引，MySQL会先过滤出active用户，再在其子集中执行模糊匹配，效率更高。
基本上就这些。关键在于理解索引机制，避免让LIKE变成“慢查询”的代名词。根据实际业务权衡存储、更新成本和查询性能，选择最合适的方式。
