LIKE '%keyword' 触发全表扫描，JOIN 无法利用索引；需改用后缀匹配、全文索引或计算列优化，同时确保 JOIN 字段类型一致且索引合理。
LIKE '%keyword' 触发全表扫描，JOIN 无法借力索引
当 LIKE 表达式以通配符 % 开头（如 name LIKE '%echola'），数据库无法使用常规 B+ 树索引的前缀匹配机制，只能对整张表逐行扫描。此时若再参与 JOIN，相当于先做一次全表扫描生成中间结果集，再拿这个庞大结果去和其他表关联——JOIN 的驱动表变大、连接键无索引支撑、内存/临时空间压力陡增。
常见错误现象：
- 执行计划中出现
type: ALL或Extra: Using where; Using join buffer -
EXPLAIN显示rows值远超实际匹配行数（比如百万级扫描只返回几十行）
解决方向不是“优化 JOIN 写法”，而是先让 LIKE 不拖后腿：
- 改用后缀匹配：
name LIKE 'echola%'（可走索引） - 对模糊前缀场景，考虑全文索引（
FULLTEXT）或倒排表/ES 同步 - 若必须前缀模糊，且字段长度固定，可加计算列 + 索引（如 MySQL 5.7+ 的
GENERATED COLUMN）
JOIN 条件字段类型不一致，隐式转换让索引失效
即使 LIKE 写得规范，JOIN 本身也可能因字段类型不匹配而丢掉索引。比如 A.user_id 是 INT，B.ref_id 是 VARCHAR，写 ON A.user_id = B.ref_id 时，MySQL 会把 A.user_id 隐式转成字符串再比对——这导致 A.user_id 上的索引完全无法使用。
典型表现：
-
EXPLAIN中key列为NULL，但你知道那个字段明明建了索引 - 连接字段在
WHERE单独查很快，一 JOIN 就慢几倍
检查和修复步骤：
- 用
SHOW CREATE TABLE对比两边字段定义，确认类型、字符集、是否允许 NULL 完全一致 - 显式转换（不推荐）不如改表结构；宁可
ALTER TABLE B MODIFY ref_id INT，也不要ON A.user_id = CAST(B.ref_id AS SIGNED) - JOIN 前先用子查询或 CTE 把类型不一致的表“规整”一遍（仅限临时救急）
LEFT JOIN + LIKE 在 ON 子句里，逻辑膨胀不可控
把 LIKE 放在 LEFT JOIN ... ON 里（如 LEFT JOIN logs l ON u.name LIKE CONCAT('%', l.keyword, '%')），是性能杀手。这种写法会让优化器放弃常规连接算法，转而尝试嵌套循环（Nested Loop），对左表每行都扫描右表全部数据——时间复杂度接近 O(n×m)。
更糟的是，这类语句往往无法被索引加速，因为 LIKE 的模式是动态拼接的，数据库连“该走哪个索引”都判断不了。
替代思路：
- 把模糊匹配下推到右表预处理：先
SELECT DISTINCT keyword FROM logs，再用IN或JOIN关联（如果关键词量不大） - 用
EXISTS替代LEFT JOIN+ 模糊条件，至少能提前终止匹配 - 彻底剥离模糊逻辑：把匹配结果存成宽表或打标签字段，JOIN 时只走等值条件
复合索引顺序错位，WHERE + JOIN 共同失效
当查询同时含 WHERE 过滤和 JOIN 条件，又用了 LIKE，索引设计稍有不慎就全盘失效。例如表 orders 有复合索引 (status, create_time, user_id)，但查询是：
SELECT o.* FROM orders o JOIN users u ON o.user_id = u.id WHERE o.status = 'pending' AND u.name LIKE 'Alice%';
这里 u.name 上的索引没被用于 JOIN，o 表的复合索引也因 user_id 不在最左位而无法支持连接——两头落空。
关键原则：
- JOIN 字段必须单独建索引，或作为复合索引的最左列（如
(user_id, status)） - WHERE 中的
LIKE字段，索引要独立存在，不能指望靠“顺便”覆盖 - 如果
WHERE和JOIN共享字段（如都用user_id），优先保证它在索引最左；LIKE字段另建索引
真正容易被忽略的点是：很多团队只给单表建索引，却忘了 JOIN 涉及的**每个表**都要独立保障连接字段的索引可用性——哪怕另一张表只是小字典表，缺索引也会让整个 JOIN 退化成 Block Nested Loop。
