如何使用SQL高效匹配两张表中存在包含关系的两列数据

原有SQL的核心性能瓶颈是：逐行比对时需要对A表每条记录全量扫描B表做模糊匹配，属于O(A表行数*B表行数)的时间复杂度，数据量越大耗时越长，部分数据库中如果B表返回多行还可能出现语法报错。

以下是不同场景下的高效实现方案： #

方案1：EXISTS + DISTINCT 基础优化（适配所有SQL数据库，改动最小） #

无需新增配置或索引，仅调整查询逻辑即可获得明显性能提升：EXISTS匹配到第一条符合条件的B表记录就会终止当前行的判断，无需遍历全量B表，配合DISTINCT避免匹配到多个B值时返回重复cust_id。

SELECT DISTINCT A.cust_id
FROM A
WHERE EXISTS (
    SELECT 1 
    FROM B 
    WHERE A.address LIKE CONCAT('%', B.highvalue_blocks, '%')
);

方案2：全文索引优化（适用十万级以上数据量，支持全文索引的数据库如MySQL、PostgreSQL） #

如果A表数据量较大，建全文索引可以实现秒级查询：

MySQL实现示例 #

1. 给address列创建全文索引

CREATE FULLTEXT INDEX idx_ft_a_address ON A(address);

2. 拼接检索词查询

-- 拼接所有B表的匹配词为布尔检索字符串
SET @search_keywords = (SELECT GROUP_CONCAT(highvalue_blocks SEPARATOR ' ') FROM B);
SELECT A.cust_id
FROM A
WHERE MATCH(address) AGAINST (@search_keywords IN BOOLEAN MODE);

注意：需要调整MySQL全文索引最小词长参数（InnoDB默认4个字符），否则短于阈值的子串会检索不到

PostgreSQL实现示例 #

使用pg_trgm扩展实现任意子串的模糊查询加速：

1. 开启扩展并建索引

CREATE EXTENSION IF NOT EXISTS pg_trgm;
-- 数据量大选GIN索引查询更快，数据量小选GIST索引占用空间更小
CREATE INDEX idx_trgm_a_address ON A USING GIN (address gin_trgm_ops);

2. 直接使用方案1的EXISTS查询即可，数据库会自动走trgm索引，性能较普通LIKE提升10~100倍。

方案3：正则匹配优化（适用B表数据量较小的场景） #

如果B表记录数较少（如小于1000条），可以把所有匹配词拼成正则表达式，单次匹配完成判断：

SELECT DISTINCT A.cust_id
FROM A
WHERE A.address REGEXP (SELECT GROUP_CONCAT(highvalue_blocks SEPARATOR '|') FROM B);

注意：如果highvalue_blocks包含正则特殊字符（如., *, |等）需要先做转义处理，避免匹配逻辑异常

内容的提问来源于stack exchange，提问作者Young Lee