深入解析MybatisPlus中多字段模糊查询的构建与优化

1. MybatisPlus多字段模糊查询基础入门

第一次接触MybatisPlus的模糊查询功能时，我就像发现新大陆一样兴奋。记得当时接手一个后台管理系统，需要实现根据用户输入的关键词同时搜索用户名、手机号和地址多个字段。传统做法要写一堆if-else判断，而MybatisPlus的QueryWrapper让这一切变得异常简单。

**核心方法.like()**的使用就像搭积木一样直观。比如要查询用户表中姓名包含"张"或地址包含"北京"的记录，代码可以这样写：

java复制QueryWrapper<User> wrapper = new QueryWrapper<>();
wrapper.like("username", "张")
       .or()
       .like("address", "北京");
List<User> users = userMapper.selectList(wrapper);

这段代码生成的SQL相当于：

sql复制SELECT * FROM user WHERE username LIKE '%张%' OR address LIKE '%北京%'

实际项目中我发现几个容易踩的坑：

1. 字段名写错不会报编译错误，直到运行时才会暴露问题
2. 多个like条件用or连接时，要注意查询结果可能比预期多
3. 模糊查询默认是前后百分号匹配，相当于LIKE '%value%'

对于需要精确控制匹配位置的情况，MybatisPlus还提供了：

• .likeLeft() 相当于 LIKE '%value'
• .likeRight() 相当于 LIKE 'value%'

我在电商项目里就用过likeRight实现商品编号前缀搜索，比全模糊查询效率高很多。

2. 多条件组合查询的实战技巧

当查询条件变得复杂时，正确的条件组合方式直接影响查询结果。有次我遇到个需求：要查询所有VIP用户，或者普通用户中消费超过1000元且地址在北京的。刚开始写的查询条件完全跑偏，后来才搞明白and和or的优先级问题。

条件优先级的处理有个实用技巧 - 使用lambda表达式：

java复制wrapper.and(qw -> qw.eq("user_type", "VIP")
                   .or()
                   .eq("user_type", "NORMAL")
                   .gt("total_cost", 1000)
                   .like("address", "北京"));

这个例子生成的SQL是：

sql复制WHERE (user_type = 'VIP' OR (user_type = 'NORMAL' AND total_cost > 1000 AND address LIKE '%北京%'))

对比下两种写法的区别：

实际开发中我总结的经验：

1. 超过3个条件的查询建议用lambda明确优先级
2. 混合使用and和or时要特别注意括号位置
3. 复杂的查询最好先在SQL客户端测试好再转换成Wrapper

有个性能优化的小技巧：对于确定要使用索引的字段，应该把它的条件放在前面。比如用户ID的条件应该优先于用户名的模糊匹配。

3. 处理动态多值模糊查询的进阶方案

当遇到前端传过来多个关键词需要同一字段模糊查询时，问题就变得更有挑战性了。比如用户可以在搜索框输入"北京 上海"，要求同时匹配这两个关键词。

错误做法是直接循环拼接or条件：

java复制// 这是错误示范！
String[] keywords = searchStr.split(" ");
QueryWrapper<User> wrapper = new QueryWrapper<>();
for (String keyword : keywords) {
    wrapper.or().like("address", keyword);
}

这样会产生N个OR条件，当关键词多时性能很差。我在日志系统里就遇到过这样的问题，一个搜索包含5个关键词时查询耗时超过2秒。

推荐方案是使用条件构造器动态拼接：

java复制String[] keywords = searchStr.split(" ");
QueryWrapper<User> wrapper = new QueryWrapper<>();
if (keywords.length > 0) {
    wrapper.and(qw -> {
        for (String keyword : keywords) {
            qw.or().like("address", keyword);
        }
    });
}

对于需要同时匹配多个关键词的场景（相当于AND关系），可以这样写：

java复制wrapper.and(qw -> {
    for (String keyword : keywords) {
        qw.like("address", keyword);
    }
});

实际项目中我还遇到过需要根据不同参数动态构建查询的情况。比如：

java复制public List<User> searchUsers(UserQuery query) {
    QueryWrapper<User> wrapper = new QueryWrapper<>();
    
    if (StringUtils.isNotBlank(query.getName())) {
        wrapper.like("username", query.getName());
    }
    
    if (query.getMinAge() != null) {
        wrapper.ge("age", query.getMinAge());
    }
    
    // 其他条件...
    
    return userMapper.selectList(wrapper);
}

这种动态查询构造特别适合后台管理系统的筛选功能。

4. 性能优化与最佳实践

模糊查询最容易出现性能问题，特别是在数据量大的表中。有次我们用户表超过100万数据时，一个简单的模糊查询竟然要3秒多，页面直接超时了。

索引优化是首先要考虑的。虽然普通B树索引对LIKE '%xxx%'无效，但可以：

1. 对LIKE 'xxx%'使用likeRight()可以利用索引
2. 考虑使用全文索引替代LIKE模糊查询
3. 对固定长度的字段可以考虑使用reverse()函数创建反向索引

查询优化的几个实用技巧：

1. 限制返回字段，避免select *

java复制wrapper.select("id", "username", "phone");

2. 添加合理的分页限制

java复制Page<User> page = new Page<>(1, 20);
userMapper.selectPage(page, wrapper);

3. 对大数据表考虑使用游标查询

缓存策略也很重要。对于相对静态的数据，可以：

1. 使用Redis缓存热门查询结果
2. 实现本地缓存防止重复查询
3. 考虑使用Caffeine等高性能缓存库

在最近的项目中，我通过组合这些优化手段，将一个原本需要5秒的模糊查询优化到了200毫秒内。关键是把likeRight、字段限制、分页和缓存都用上了。

5. 复杂场景下的解决方案

当业务需求变得更复杂时，基本的like查询可能就不够用了。比如需要实现拼音搜索、简繁转换或者更高级的文本匹配。

拼音搜索可以通过额外存储拼音字段实现：

java复制// 存储时同时保存拼音
user.setUsernamePinyin(PinyinUtils.toPinyin(username));

// 查询时
wrapper.like("username_pinyin", PinyinUtils.toPinyin(keyword));

简繁转换也是类似思路，存储转换后的文本并查询。

对于高级文本搜索需求，可以考虑：

1. 集成Elasticsearch等专业搜索引擎
2. 使用数据库内置的全文检索功能
3. 实现基于NLP的智能搜索

在最近的一个知识库项目中，我们就用MybatisPlus的like查询做第一层过滤，然后用Elasticsearch做精确匹配和相关性排序，效果非常好。

还有一种特殊场景是多字段联合模糊匹配，比如要查询"姓名或电话包含123"的用户：

java复制wrapper.and(qw -> qw.like("username", keyword)
                   .or()
                   .like("phone", keyword));

这种查询要特别注意索引的使用，避免全表扫描。