什么是优化查找子字符串匹配的 Oracle 查询的好方法？答案

【问题标题】：What is a good way to optimize an Oracle query looking for a substring match?什么是优化查找子字符串匹配的 Oracle 查询的好方法？
【发布时间】：2010-12-02 04:21:54
【问题描述】：

我在一个未分区的 Oracle 表中有一列定义为 VARCHAR2(50);该列具有标准的 b 树索引。我想知道是否有一种最佳方法来查询此列以确定它是否包含给定值。这是当前查询：

SELECT * FROM my_table m WHERE m.my_column LIKE '%'||v_value||'%';

我查看了 Oracle Text，但对于这么小的专栏来说，这似乎有点过头了。但是，此表中有数百万条记录，因此查找子字符串匹配所花费的时间比我想要的要多。有没有更好的办法？

【问题讨论】：

标签： sql performance oracle oracle10g query-optimization

【解决方案1】：

没有。

该查询是表扫描。如果 v_value 是一个实际的单词，那么您可能非常想查看 Oracle Text 或您自己推出的简单倒排索引方案。但就目前而言，这太可怕了。

【讨论】：

从技术上讲，查询将涉及 FULL 扫描，但不一定是表；如果存在合适的索引，它可以进行索引快速全扫描。在这种情况下，索引扫描可能比 FTS 更快，尤其是当列中有很多 NULL 时。

【解决方案2】：

Oracle Text 涵盖了许多不同的方法，但并非所有方法都是重量级的。由于您的列非常小，您可以使用 CTXCAT 索引对其进行索引。

SELECT * FROM my_table m 
WHERE catsearch(m.my_column, v_value, null) > 0
/

与其他类型的文本索引不同，CTXCAT 索引是事务性的，因此它们不需要同步。此类索引会占用大量空间，但您必须为提高性能付出一些代价。

Find out more.

【讨论】：

【解决方案3】：

你有三个选择：

忍受它；
使用类似Oracle Text for full-text searching的东西；或
重新定义问题，以便实施更快的解决方案。

重新定义问题的最简单方法是说该列必须以搜索词开头（因此丢失第一个 %），然后它将使用索引。

另一种方法是说搜索从单词边界开始（因此“est”将匹配“estimate”而不是“test”）。 MySQL (MyISAM) 和 SQL Server 具有可以像这样进行匹配的函数。不确定甲骨文是否有。如果不是，您可以创建要搜索的单词查找表而不是列本身，并且您可以在触发器上填充该表。

【讨论】：

【解决方案4】：

您可以使用REGEXP_LIKE 函数在列上放置基于函数的索引。您可能需要使用 case 语句创建 fbi 以返回匹配的“1”，因为布尔返回函数在 fbi 中似乎无效。

这是一个例子。

创建索引：

CREATE INDEX regexp_like_on_myCol ON my_table (
      CASE WHEN REGEXP_LIKE(my_column, '[static exp]', 'i') 
           THEN 1
           END);

然后使用它，而不是：

SELECT * FROM my_table m WHERE m.my_column LIKE '%'||v_value||'%';

您需要执行如下查询：

SELECT * FROM my_table m WHERE (
      CASE WHEN REGEXP_LIKE(m.my_column, '[static exp]', 'i')
           THEN 1
           END) IS NOT NULL;

这种方法的一个重要缺点是您需要在创建索引时知道您的“[静态 exp]”。如果您希望在执行即席查询时提高性能，这可能不适合您。

正如函数名称所示，一个好处是您有机会使用正则表达式创建此索引，这最终可能是一个强大的工具。当项目被添加到表中时，将进行评估命中，而不是在搜索期间。

【讨论】：

【解决方案5】：

你可以试试INSTR:

...WHERE INSTR(m.my_column, v_value) > 0

我无法访问 Oracle 来测试并确定它是否比使用通配符的 LIKE 更快。

【讨论】：

【解决方案6】：

对于您事先不知道要搜索的字符串的最一般情况，您希望的最佳访问路径是快速全索引扫描。您必须专注于保持索引尽可能小，这当然可能有它自己的问题，并且如果数据不是很高的基数，可以查看压缩索引。

【讨论】：