黄一只1. 从10秒到1秒：SQL调优实战案例解析
去年接手一个电商后台系统时，遇到个典型问题：订单查询接口平均响应时间超过10秒。经过系列调优操作后，最终稳定在1秒内。这个案例让我深刻认识到：SQL调优不是玄学，而是有章可循的工程实践。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 执行计划：SQL调优的X光片
2.1 如何获取执行计划
在MySQL中，最直接的方式是使用EXPLAIN命令：
sql复制EXPLAIN SELECT * FROM orders WHERE user_id = 100 AND status = 'paid';
2.2 关键指标解读
执行计划中需要特别关注的几个字段：
| 字段名 | 理想值 | 问题征兆 |
|---|---|---|
| type | const/ref | 出现ALL表示全表扫描 |
| rows | <1000 | 数值过大需警惕 |
| Extra | Using index | Using filesort需要优化 |
经验：当看到Using temporary时，说明查询需要创建临时表，这是性能杀手之一
3. 索引优化实战技巧
3.1 最左前缀原则实践
为复合索引(user_id, status, create_time)时：
- ✅ 能命中索引的查询：
sql复制WHERE user_id = 1 AND status = 'paid' WHERE user_id = 1 AND status = 'paid' AND create_time > '2023-01-01' - ❌ 不能命中索引的查询：
sql复制WHERE status = 'paid' WHERE create_time > '2023-01-01'
3.2 索引选择性计算
索引选择性 = 不重复的索引值数量 / 表记录总数
sql复制-- 计算status字段的选择性
SELECT COUNT(DISTINCT status)/COUNT(*) FROM orders;
当选择性低于0.1时，该字段通常不适合单独建索引
4. 查询重写艺术
4.1 避免SELECT * 的陷阱
实测案例：
sql复制-- 原始查询（执行时间2.8s）
SELECT * FROM products WHERE category = 'electronics';
-- 优化后（执行时间0.3s）
SELECT id, name, price FROM products WHERE category = 'electronics';
4.2 JOIN优化策略
错误示范：
sql复制SELECT * FROM orders o
JOIN users u ON o.user_id = u.id
JOIN products p ON o.product_id = p.id
WHERE o.create_time > '2023-01-01'
优化方案：
- 先过滤再关联
- 只查询必要字段
- 确保关联字段有索引
5. 高级调优技术
5.1 索引跳跃扫描
MySQL 8.0+支持的新特性：
sql复制-- 即使没有status的条件，也能利用(user_id, status)索引
SELECT * FROM orders WHERE user_id = 100;
5.2 直方图统计
MySQL 8.0引入的统计信息：
sql复制ANALYZE TABLE orders UPDATE HISTOGRAM ON status, amount;
6. 性能对比测试
优化前后关键指标对比：
| 指标 | 优化前 | 优化后 | 提升幅度 |
|---|---|---|---|
| 平均响应时间 | 10.2s | 0.9s | 11.3x |
| CPU占用率 | 75% | 15% | 80%↓ |
| 磁盘IOPS | 1200 | 200 | 83%↓ |
7. 避坑指南
- 过早优化：不要对所有SQL都进行深度优化，优先处理慢查询
- 过度索引：每个额外索引都会降低写性能
- 忽视统计信息：定期执行ANALYZE TABLE更新统计信息
- 硬编码分页：大数据量分页使用WHERE id > last_id LIMIT n模式
8. 监控与持续优化
推荐监控策略：
- 开启MySQL慢查询日志
- 使用Performance Schema监控高频查询
- 定期检查未使用索引
sql复制SELECT * FROM sys.schema_unused_indexes;
调优是个持续过程，我们团队现在每月会进行一次SQL健康检查，将平均查询耗时从最初的2.1s降到了现在的0.3s。记住：没有一劳永逸的优化方案，随着数据增长和业务变化，需要不断调整优化策略。