当前位置:首页 > 文章列表 > 文章 > php教程 > Laravel模糊查询优化技巧分享

Laravel模糊查询优化技巧分享

2026-05-08 10:10:37 0浏览 收藏
在 Laravel 中使用 LIKE 进行模糊查询常因性能低下、匹配不准、响应迟缓而困扰开发者,本文直击痛点,系统性地给出了五大实战优化方案:通过拆分多词并逐字段 AND 匹配提升关键词覆盖率,借助 MySQL FULLTEXT 索引实现高效分词检索,统一进行 LOWER() 与空白标准化确保大小写与格式一致性,引入缓存机制减少重复计算开销,以及构建 status+title 等复合索引让 WHERE + LIKE 查询真正“飞”起来——每一步都附带可落地的代码示例与关键注意事项,助你轻松将模糊搜索从拖慢系统的瓶颈,转变为稳定高效的用户体验亮点。

Laravel框架like怎么优化_Laravel框架模糊查询加速指南【说明】

如果您在 Laravel 框架中使用 like 进行模糊查询,但发现响应缓慢、结果不准确或无法匹配分散关键词,则很可能是由于未对多字段、多词、大小写、空格及索引结构进行针对性优化。以下是针对该问题的多种优化实现路径:

一、拆分多词并逐字段独立匹配

当用户输入如“张三 北京”这类含空格的多词搜索时,直接用 LIKE '%张三 北京%' 仅能匹配字段内连续出现的完整短语,无法跨字段或分词命中。应将关键词按空白符分割,对每个词在所有目标字段上分别执行 LIKE,并通过 AND 组合确保全部词汇均存在。

1、获取原始搜索字符串并去除首尾空格:trim($request->input('q'))

2、使用正则替换连续空白为单空格:preg_replace('/\s+/', ' ', $keyword)

3、按空格分割为词组数组:explode(' ', $keyword)

4、遍历每个词,在查询中嵌套 where 闭包,对每个目标字段调用 orWhere:->where(function ($q) use ($term) { $q->where('title', 'like', "%{$term}%")->orWhere('content', 'like', "%{$term}%"); })

二、添加数据库字段级全文索引

原生 LIKE '%xxx%' 无法利用常规 B-Tree 索引进行前缀通配,导致全表扫描。启用 MySQL 的 FULLTEXT 索引后,可结合 MATCH ... AGAINST 实现高效分词检索,并天然支持布尔模式与自然语言模式。

1、在迁移文件中为需搜索的字段添加全文索引:$table->fullText(['title', 'content']);

2、确保数据表引擎为 InnoDB(MySQL 5.6+ 支持):Schema::table('posts', function (Blueprint $table) { $table->engine = 'InnoDB'; });

3、使用 whereRaw 执行全文匹配:->whereRaw("MATCH(title, content) AGAINST(? IN NATURAL LANGUAGE MODE)", [$keyword])

4、注意:FULLTEXT 索引对少于 4 字符的词默认忽略,可通过修改 ft_min_word_len 配置调整(需重启 MySQL)。

三、前置标准化处理 + LOWER() 统一校对

中文与英文混合场景下,数据库默认校对规则(如 utf8mb4_unicode_ci)虽不区分大小写,但若字段值含半角/全角空格、不可见字符或大小写混杂,仍会导致 LIKE 失效。应在查询层统一转换为小写并压缩空白,使输入与存储格式严格对齐。

1、对用户输入执行标准化:strtolower(trim(preg_replace('/\s+/', ' ', $request->input('q'))))

2、在 SQL 层对字段内容做相同处理:LOWER(TRIM(fname)) 和 LOWER(TRIM(lname))

3、构建参数化查询避免拼接风险:->whereRaw("LOWER(CONCAT(TRIM(fname), ' ', TRIM(lname))) LIKE ?", ['%' . $normalized . '%'])

四、引入缓存层规避重复计算

当模糊查询涉及多表 JOIN、大量 OR 条件或低频高成本计算时,每次请求都执行完整 SQL 将持续消耗 CPU 与 I/O。对相同搜索条件的结果进行时间窗口缓存,可显著降低数据库负载并提升响应速度。

1、生成唯一缓存键:md5('search_' . $request->input('q') . '_' . json_encode($filters))

2、优先尝试从缓存读取:Cache::get($cacheKey)

3、缓存未命中时执行查询并写入:Cache::put($cacheKey, $results, now()->addMinutes(30))

4、设置缓存过期策略为 30 分钟,平衡实时性与性能;对敏感数据禁用缓存。

五、建立复合覆盖索引加速 WHERE + LIKE

即便使用 LIKE 'prefix%'(前缀匹配),若字段未建索引或索引未被有效利用,仍可能触发全表扫描。通过创建包含 WHERE 过滤字段与 LIKE 字段的联合索引,可使查询直接定位数据页,跳过无关行。

1、识别高频模糊查询字段组合,例如:status(用于状态过滤)与 title(用于 LIKE 匹配)

2、在迁移中定义复合索引:$table->index(['status', 'title']);

3、确保查询中 status 条件出现在 LIKE 条件之前:->where('status', 1)->where('title', 'like', 'Laravel%')

4、验证索引是否生效:调用 ->explain() 查看 key 与 rows 字段,确认使用了预期索引且扫描行数显著下降。

终于介绍完啦!小伙伴们,这篇关于《Laravel模糊查询优化技巧分享》的介绍应该让你收获多多了吧!欢迎大家收藏或分享给更多需要学习的朋友吧~golang学习网公众号也会发布文章相关知识,快来关注吧!

Hyperf用Consul做配置中心方法Hyperf用Consul做配置中心方法
上一篇
Hyperf用Consul做配置中心方法
Win10查看版本号与系统信息方法
下一篇
Win10查看版本号与系统信息方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    290次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    343次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    345次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    308次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    131次使用