会崩，且比预想更快；因on中动态like/regexp使索引失效，触发嵌套循环全表扫描，1万×1万达1亿次比对，left join下更危险。
JOIN 的 ON 子句里写 LIKE 或 REGEXP 会崩吗
会，而且通常比你预想的还快——只要右表超过几百行，查询就可能卡住或超时。数据库优化器无法为 ON t1.name LIKE CONCAT('%', t2.pattern, '%') 这类动态拼接条件选择索引路径，哪怕 t1.name 上有 B+ 树索引也完全失效。本质是：它得对左表每一行，都拿右表当前行的 pattern 去做一次全表扫描式匹配。
- MySQL 5.7/8.0、PostgreSQL 默认拒绝在
ON中使用列拼接的LIKE（报错Unknown column），除非你显式加表别名且确认t2.pattern非 NULL -
LEFT JOIN下更危险：t2.pattern为空或含非法字符（如%、_、未转义的\）时，整个ON条件求值为UNKNOWN，该行直接被丢弃，不是“没匹配上”，而是“不满足关联条件” - SQL Server 允许语法通过，但执行计划几乎必然退化为嵌套循环 + 右表全扫；Oracle 需函数索引配合，且仅限常量模式
模糊逻辑该放在 WHERE 还是子查询里
优先放子查询预过滤右表，而不是 WHERE 后过滤。区别在于：子查询能提前缩小右表数据集，避免 JOIN 阶段产生爆炸性中间结果；而 WHERE 是关联完成后才过滤，若左表 1 万行、右表 1 万行，先生成 1 亿行临时结果再筛，内存和 CPU 都扛不住。
- 正确姿势：把右表关键词先收拢，用
WHERE筛出候选集，再等值 JOIN
例如：SELECT * FROM orders o JOIN (SELECT id, name FROM users WHERE name LIKE '张%') u ON o.user_id = u.id - 如果右表是小配置表（几十到几百行），可用
CROSS JOIN+WHERE拼接，但必须加MATCH() AGAINST()或REGEXP的阈值过滤（如> 0.1），否则笛卡尔积直接爆掉 - 千万别写
LEFT JOIN ... ON ... WHERE t2.field IS NOT NULL——这会让 LEFT JOIN 变成事实上的 INNER JOIN，漏掉左表无匹配的记录
前缀匹配（LIKE 'abc%'）怎么让索引生效
只有 LIKE '固定前缀%' 能走普通 B-Tree 索引；'%abc' 和 '%abc%' 都不行。关键不是写法，而是字段是否已建索引，以及前缀是否真正“固定”。
- 给
name字段加普通索引：CREATE INDEX idx_users_name ON users(name) - 查询必须用字面量前缀：
WHERE name LIKE '王%'或WHERE name REGEXP '^王'，不能是WHERE name LIKE CONCAT(@prefix, '%')（用户变量在预编译阶段不可知） - MySQL 8.0+ 支持函数索引，可建
CREATE INDEX idx_name_lower ON users((LOWER(name)))，然后用WHERE LOWER(name) LIKE 'zhang%'，但注意：函数索引不加速LIKE '%zhang%' - PostgreSQL 用户可直接用
pg_trgm+ GIN 索引加速ILIKE '%abc%'，但仅限单表扫描，不能用于ON右侧字段
时间戳最接近匹配怎么避免全表扫描
别在 ON 里写 ABS(TIMESTAMPDIFF(...))，这是性能黑洞。它强制对每一对组合实时计算差值，无法利用 ts 字段上的索引。
- 第一步永远是时间窗预过滤：
ON b.ts BETWEEN DATE_SUB(a.ts, INTERVAL 10 MINUTE) AND DATE_ADD(a.ts, INTERVAL 10 MINUTE)，确保b.ts索引能命中 - 第二步用窗口函数取最近一条：
ROW_NUMBER() OVER (PARTITION BY a.id ORDER BY ABS(TIMESTAMPDIFF(SECOND, a.ts, b.ts)))，但必须在外层加rn = 1条件 - PostgreSQL 用户直接用
LATERAL+ORDER BY b.ts a.ts LIMIT 1，比窗口函数更省内存，且天然支持索引下推 - 所有方案都依赖
b.ts上有 B-tree 索引，没索引的话，时间窗也白搭
实际跑起来才发现，最难的不是写对语法，而是判断哪部分该在数据库里算、哪部分该扔给应用层——比如 10 万行用户表和 50 行品牌词表，与其在 SQL 里硬 JOIN 模糊匹配，不如把品牌词拉到 Python 里用 str.contains() 批量筛，反而更快更稳。
