在日常业务开发中，字符串模糊匹配是地址检索、名称筛选等场景的高频需求。在达梦数据库中，LIKE 操作符与 INSTR 字符串定位函数是最常用的两种模糊匹配方案。很多人都会纠结：两者到底谁的效率更高？索引对它们的性能影响有多大？
我将基于1000 万条真实模拟的业务数据，来进行测试。

一、测试环境与数据准备

首先我创建了模拟业务的 users 用户表，包含姓名、性别、身份证号、地址 4 个核心字段，总数据量 1000 万条，所有字段均为非空填充，完全贴合真实业务场景：
测试用例设计：
1、全模糊匹配：LIKE '%关键词%'，匹配字段任意位置包含目标字符串
2、函数匹配：INSTR(字段, 关键词) > 0，与全模糊匹配语义完全等价
3、前缀模糊匹配：LIKE '关键词%'，匹配字段以目标字符串开头的记录，验证索引的优化效果

二、实测结果与分析

1、全模糊匹配 LIKE '%湖北省武汉市%'

测试结果：
执行耗时 1.244 秒，执行计划为全表扫描。

2、INSTR 函数匹配 INSTR(DZ, '湖北省武汉市') > 0

测试结果：
执行耗时 0.724 秒，执行计划同样为全表扫描，但耗时较全模糊LIKE降低了约 33%。

两者均为全表扫描，性能差异的核心在于底层执行的 CPU 开销不同：
LIKE '%xxx%' 需要对每一行字符串做通配符模式匹配，包含通配符解析、正则回溯等额外开销，长字符串场景下性能损耗更明显；

INSTR 是专用的子串定位函数，采用更高效的子串匹配算法（如 KMP），无通配符解析开销，找到子串首次出现的位置即可返回结果，无需全串回溯匹配，CPU 执行效率更高。

3、为地址dz添加索引，使用前缀模糊匹配 LIKE '湖北省武汉市%'


测试结果：
执行耗时 0.001 秒（1 毫秒），较全表扫描场景性能提升上千倍，执行计划为索引范围扫描。
LIKE 'xxx%' 是前缀匹配，完全符合 B 树索引的有序排序规则。达梦数据库可以直接通过idx_users_dz索引，快速定位到以湖北省武汉市开头的索引条目范围，无需扫描全表，甚至可以直接通过索引统计信息快速得到count结果，因此耗时直接降到了毫秒级。

三、结论

LIKE 语法适用于前缀模糊查询场景，这是 LIKE 的绝对优势，LIKE '前缀%'完全符合 B 树索引的左前缀匹配规则，可直接走索引范围扫描。INSTR 函数适用于千万级数据量甚至更大数据量的场景，性能远超LIKE '%关键词%'写法。当两种语法查询速度相同时，更推荐使用LIKE语法，LIKE语法的可读性更高。