今天又來總結工作中遇到的問題了，今天是SQL，spark引擎

需求描述，篩選渠道包含”線上化“的數據

也就是討論where里面的這個篩選條件怎么寫

一般起手都是

where QD like '%線上化%‘

學習了其他的寫法:

1.INSTR函數

where INSTR(QD,"線上化") <> 0

INSTR函數的介紹：

INSTR?函數通常用于查找一個子字符串在另一個字符串中首次出現的位置。如果找到子字符串，函數會返回其首次出現的位置（位置從 1 開始計數）；如果未找到，函數會返回 0。

2.正則表達式匹配

where QD REGEXP "線上化"

好處在于，如果我的應用場景是包含多個字符串其中一個的

WHERE QD REGEXP '金融科技部|投資銀行部|人力資源部'

|?表示或關系，意味著只要?QD?列中的字符串包含 “金融科技部”、“投資銀行部” 或者 “人力資源部” 中的任意一個，就會被篩選出來。

正則表達式的匹配操作通常會比普通的字符串比較操作更耗費資源，所以在處理大量數據時，可能會對性能產生一定影響。

三者的比較，參考豆包的回復

功能

• WHERE QD LIKE '%線上化%'：LIKE?是 SQL 中用于字符串模糊匹配的操作符。%?是通配符，表示任意數量（包括零個）的任意字符。因此，'%線上化%'?表示匹配包含 “線上化” 的任意字符串。它只能處理簡單的通配符匹配，無法進行復雜的模式匹配。
• WHERE INSTR(QD, "線上化") <> 0：INSTR?是一個函數，用于返回子字符串在字符串中第一次出現的位置。如果?QD?列包含 “線上化”，則?INSTR(QD, "線上化")?的返回值大于 0；如果不包含，則返回 0。因此，INSTR(QD, "線上化") <> 0?表示?QD?列包含 “線上化”。
• WHERE QD REGEXP "線上化"：REGEXP?是 SQL 中的正則表達式匹配操作符，用于按照正則表達式模式來匹配字符串。“線上化” 是一個簡單的正則表達式模式，表示匹配包含 “線上化” 的字符串。正則表達式可以進行更復雜的模式匹配，如字符類、量詞、分組等。

性能

• WHERE QD LIKE '%線上化%'：由于?LIKE?操作符使用了通配符?%?在開頭，數據庫無法使用索引進行快速查找，因此性能通常較差，尤其是在處理大量數據時。
• WHERE INSTR(QD, "線上化") <> 0：INSTR?函數同樣無法利用索引進行優化，需要對每一行數據進行全字符串掃描，因此性能也較差。
• WHERE QD REGEXP "線上化"：正則表達式匹配通常比?LIKE?和?INSTR?更復雜，需要更多的計算資源，因此性能可能是三者中最差的。

總結

• 如果只需要進行簡單的模糊匹配，建議使用?LIKE?操作符，因為它的語法簡單，性能相對較好。
• 如果對性能要求不高，且需要使用函數進行更靈活的處理，可以使用?INSTR?函數。
• 如果需要進行復雜的模式匹配，如匹配特定格式的字符串、進行字符類匹配等，則應使用?REGEXP?操作符。