1. 慢SQL优化实战:从10秒到10毫秒的订单查询蜕变
作为后端工程师,我们每天都在和数据库打交道。但真正让我意识到索引重要性的,是去年那个让我连续加班三天的订单查询接口。当时的情况是这样的:一个看似简单的用户订单列表查询,在测试环境跑得好好的,一上线就频频超时,用户投诉电话直接打爆了客服。这就是典型的"慢SQL综合征"——小数据量岁月静好,大数据量直接崩掉。
今天我要分享的,就是如何将一个执行需要10秒的订单查询SQL,优化到10毫秒级别的完整过程。这不是教科书式的理论讲解,而是一个真实发生在电商系统中的性能优化案例。我们会从EXPLAIN分析开始,一步步拆解问题本质,最终通过四层优化实现质的飞跃。
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. 问题现场还原
2.1 订单表结构与业务场景
我们有一个核心的订单表t_order,结构如下:
sql复制CREATE TABLE t_order (
id BIGINT PRIMARY KEY,
user_id BIGINT NOT NULL,
status TINYINT NOT NULL COMMENT '1-已完成 2-待支付 3-已取消',
amount DECIMAL(10,2) NOT NULL,
create_time DATETIME NOT NULL,
remark VARCHAR(500) DEFAULT NULL
);
业务需要实现一个常见的功能:查询某个用户的已完成订单,按时间倒序分页展示。对应的SQL长这样:
sql复制SELECT *
FROM t_order
WHERE user_id = 123
AND status = 1
ORDER BY create_time DESC
LIMIT 20 OFFSET 2000;
这个查询对应的是用户点击"第101页"的操作(每页20条,OFFSET 2000表示跳过前100页的2000条记录)。
2.2 性能表现与数据规模
在生产环境出现性能问题时,这个接口的响应时间(RT)波动非常大:
- 用户订单少时:50ms左右
- 活跃用户(订单多)时:300ms~5s
- 极端情况下直接超时(10s)
表数据规模:
- 总订单量:500万+
- 目标用户(user_id=123)的订单数:约10万条
- 其中status=1的已完成订单:约3万条
3. 第一轮诊断:EXPLAIN分析
3.1 执行计划解读
当我拿到这个慢查询后,第一件事就是用EXPLAIN查看执行计划:
sql复制EXPLAIN
SELECT *
FROM t_order
WHERE user_id = 123
AND status = 1
ORDER BY create_time DESC
LIMIT 20 OFFSET 2000;
输出结果关键字段:
|
