MySQL中LIKE ‘%keyword%’必然全表扫描，因B+树索引无法支持左模糊匹配；全文索引对中文效果差，需ngram插件或生成列+函数索引优化。
MySQL 中 LIKE ‘%keyword%’ 为什么必然走全表扫描
因为 LIKE 左侧带通配符（%）时，B+ 树索引无法利用最左前缀匹配规则——索引是按字典序存储的，而 %keyword% 要求从任意位置开始匹配，数据库只能逐行读取并判断，自然触发全表扫描。
即使字段上有普通 B+ 树索引，WHERE content LIKE '%error%' 也完全用不上。唯一例外是 LIKE 'prefix%' 这种右模糊，才可能走索引。
- 复合索引更没用：比如
(user_id, content)，content不在最左且带左模糊，整个索引失效 - 函数索引（如
LOWER(content)）同样不解决左模糊问题 -
CHAR和VARCHAR行为一致，类型不影响该限制
全文索引（FULLTEXT）在中文场景下的硬伤
MySQL 原生 FULLTEXT 索引依赖空格或标点分词，对连续中文文本基本无效——它会把整段文字当做一个“词”，导致 MATCH(content) AGAINST('日志' IN NATURAL LANGUAGE MODE) 查不到任何结果。
除非你提前用程序把中文切好词、用空格拼接再入库（比如存成 "错误 日志 服务 启动"），否则 FULLTEXT 对中文就是摆设。
- 5.7+ 支持
ngram插件，但需显式启用且只支持IN NATURAL LANGUAGE MODE或IN BOOLEAN MODE，不支持AGAINST(... WITH QUERY EXPANSION) -
ngram_token_size默认为 2，意味着“错误日志”会被拆成“错”“错误”“误”“误日”“日”“日志”“志”，粒度粗、噪音大 - 停用词表对中文影响极大：默认停用词包含“的”“了”“在”等高频字，一旦命中就直接忽略整词匹配
启用 ngram 并正确建全文索引的实操步骤
不是加个插件就能用，必须严格按顺序操作，漏一步都会让查询返回空结果。
先确认插件已加载：SHOW PLUGINS; 查看 ngram 是否为 ACTIVE；若没有，需在配置文件中添加 ft_parser=ngram 并重启 MySQL。
- 建表时指定 parser：
CREATE TABLE logs (id INT, content TEXT, FULLTEXT(content) WITH PARSER ngram); - 已有表需重建索引：
ALTER TABLE logs DROP INDEX ft_content, ADD FULLTEXT(content) WITH PARSER ngram;（不能只ADD FULLTEXT） - 查询必须用
AGAINST，且关键词长度 ≥ngram_token_size（默认 2 字）；查单字如'错'会失败 - 布尔模式下支持
+/-，但+必须紧贴关键词：AGAINST('+错误 +日志' IN BOOLEAN MODE)
比 ngram 更可控的替代方案：生成列 + 函数索引（MySQL 5.7+）
如果关键词固定、长度有限（比如只查 2–4 字的错误码或状态），用生成列预计算所有子串，再建哈希索引，性能和精度都远超 ngram。
例如提取所有长度为 3 的子串：
ALTER TABLE logs
ADD COLUMN content_3grams VARCHAR(1000)
GENERATED ALWAYS AS (
CONCAT(
IF(CHAR_LENGTH(content) >= 3, SUBSTR(content, 1, 3), ''),
' ',
IF(CHAR_LENGTH(content) >= 3, SUBSTR(content, 2, 3), ''),
' ',
IF(CHAR_LENGTH(content) >= 3, SUBSTR(content, 3, 3), ''),
-- 继续扩展至你需要的最大偏移...
' '
)
) STORED;
然后建索引：CREATE INDEX idx_3grams ON logs (content_3grams);，查时用 WHERE content_3grams LIKE '%err%' ——这时是右模糊，能走索引。
- 空间换时间：每多一个子串长度，存储就翻倍；建议只覆盖业务真正需要的长度（如 HTTP 状态码只做 3 字，错误码只做 4 字）
- 更新代价高：每次
UPDATE content都要重算生成列，不适合高频写入场景 - 无法支持跨字匹配：比如“服务异常”里查“异常”，若生成列只截 2 字，就漏掉“服务”“务异”“异常”，得靠组合多个长度覆盖
ngram 的 token 边界是按字节切的，遇到 UTF-8 多字节字符（比如 emoji 或某些生僻汉字）容易截断出乱码子串；生成列方案虽然麻烦，但逻辑完全可控，上线前务必用真实语料跑一遍子串覆盖率验证。