MySQL索引优化实战：从一条慢SQL到联合索引的完整调优指南-代码聚汇网

MySQL索引优化实战：从一条慢SQL到联合索引的完整调优指南

橙心橙怡·2026-09-01·阅读 108 GEO检测（免费）

MySQL索引优化联合索引慢查询

|难度：普通|阅读约 28 分钟

先别急着打开编辑器敲CREATE INDEX。我见过太多团队，Index建了几十个，慢查询该慢还是慢，最后DBA一查，一半索引根本没被用过，另一半还在拖慢写入速度。MySQL索引优化的核心从来不是“会不会建”，而是“知不知道什么时候不该建、建了之后怎么验证、失效之后怎么排查”。这篇文章不打算从B+树教科书讲起，而是直接围绕一条慢SQL从100ms恶化到2s的完整调优过程，把索引设计、联合索引踩坑、排序优化、失效场景排查这些事一次说透。如果你是刚接手业务系统的后端开发，或者正在准备MySQL面试，这篇应该能帮你省不少时间。

1. 索引为什么会失效：从一条慢SQL的完整排查链路说起

1.1 现场还原：一条曾经很快的查询突然变慢了

先交代一下背景。我接手过一个订单查询系统，核心表order_info将近800万行，早期业务量小的时候，下面这条SQL跑得飞快：

sql复制SELECT order_id, user_id, amount, status
FROM order_info
WHERE user_id = 20240001
AND create_time >= '2024-01-01 00:00:00'
ORDER BY create_time DESC
LIMIT 20;

线上反馈说是订单查询页越翻越慢，一开始几十毫秒，后来稳定在1.5秒到2秒。拿到慢查询日志一看，这条SQL的rows扫描行数已经涨到了30多万，type是ALL，也就是全表扫描。800万行的表全扫一遍，即便只取20条，也要把全部数据读进内存做过滤和排序，不慢才怪。

1.2 排查第一步：先看表结构和已有索引

很多人一上来就EXPLAIN看执行计划，但EXPLAIN只能告诉你“现在用了什么”，不能告诉你“应该建什么”。我习惯先看表结构，确认现状再分析问题。

sql复制SHOW CREATE TABLE order_info\G

表里已有的索引大概是这样的：

索引名	索引列	类型
PRIMARY	order_id	聚集索引
idx_user_id	user_id	二级索引
idx_create_time	create_time	二级索引

从索引设计角度看，这个表不是没有索引，而是索引建得很“孤立”。idx_user_id管用户过滤，idx_create_time管时间过滤和排序，两个索引各自为政，谁也没法同时满足这条SQL的过滤加排序需求。

1.3 排查第二步：EXPLAIN里的关键线索

执行计划长这样：

code复制id | select_type | table       | type | key   | key_len | rows    | Extra
1  | SIMPLE      | order_info  | ALL  | NULL  | NULL    | 8350000 | Using where; Using filesort

type=ALL说明优化器认为现有索引都不能有效缩小扫描范围；Using filesort说明排序也没走索引，数据先按条件过滤出来，再在内存或磁盘里做一次排序。这两点同时出现，基本可以断定：现有索引结构跟这条SQL的访问路径不匹配。

1.4 为什么单列索引组合起来没用

这里有个非常经典的误区：user_id和create_time分别建了单列索引，查询条件里同时用到了这两列，MySQL为什么不能两个索引一起用？

其实MySQL 5.0之后的版本支持Index Merge，优化器确实有可能把两个单列索引的结果做交集合并。但Index Merge生效有条件：两个索引各自过滤出来的结果集都足够小，合并代价低于全表扫描。当user_id = 20240001在这个表里对应几十万行时，优化器一算账，觉得还不如直接全表扫。

更关键的是，即使Index Merge能用，它对ORDER BY create_time DESC也毫无帮助，因为排序字段不在任何一个联合索引里，Using filesort照样会出现。这个案例真正需要的，是一个(user_id, create_time)的联合索引。

1.5 修复：一个联合索引解决过滤和排序

sql复制ALTER TABLE order_info
ADD INDEX idx_user_create (user_id, create_time DESC);

MySQL 8.0支持索引列上的降序定义，这里create_time DESC能让ORDER BY create_time DESC直接走索引顺序扫描，连排序都省了。改完再看执行计划：

code复制id | select_type | table       | type | key              | key_len | rows | Extra
1  | SIMPLE      | order_info  | ref  | idx_user_create  | 9       | 423  | Using index condition

rows从835万掉到423，查询时间稳定在20ms以内。

提示：如果你还在用MySQL 5.7，没法定义降序索引，那就建(user_id, create_time)升序索引，然后让SQL改成ORDER BY create_time ASC，再用应用层倒序显示，或者干脆接受Backward index scan。5.7对升序索引的反向扫描也是可以优化的，但8.0的降序索引在混合排序场景下优势更明显。

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. 联合索引的列顺序：决定索引生死的设计细节

2.1 最左前缀原则是怎么工作的

联合索引(a, b, c)在B+树里的排列规则是：先按a排序，a相同再按b排序，b也相同再按c排序。这个规则决定了查询条件必须从左往右匹配，一旦跳过某一列，后面的列就无法用于索引定位。

举个例子，索引是(user_id, create_time, status)：

WHERE user_id = 1 AND create_time > '2024-01-01'：能用到两列，因为user_id是等值匹配，create_time是范围匹配，范围之后的status用不上，但前两列能精确定位。
WHERE user_id = 1 AND status = 0：只能用到user_id这一列，因为跳过了create_time。
WHERE create_time > '2024-01-01'：完全用不上这个索引。

很多人背过最左前缀原则，但遇到实际问题还是会犯迷糊。这里有一个判断技巧：把联合索引看成一本电话簿，先按姓氏排列，再按名字排列。你知道姓氏和名字就能快速翻到目标页；只知道名字不知道姓氏，那只能从头翻到尾。

2.2 等值条件放前面，范围条件放后面

回到刚才的订单查询案例。假设现在查询需求变了，不止查一个用户，还要按订单状态过滤：

sql复制SELECT order_id, user_id, amount, status
FROM order_info
WHERE user_id = 20240001
AND status = 1
AND create_time >= '2024-01-01 00:00:00'
ORDER BY create_time DESC
LIMIT 20;

这种情况下索引列应该怎么排？

user_id和status都是等值匹配，create_time是范围匹配。联合索引的正确写法是(user_id, status, create_time)，把等值条件的列放在最前面，范围条件的列放在最后面。因为等值条件可以直接定位到索引树的某个精确区间，范围条件只能在这个基础上继续扫描，如果范围列放在前面，后续的等值列就发挥不了精确定位的作用了。

2.3 区分度高的列该不该永远放前面

很多文章会说“区分度高的列放联合索引左边”，这个说法不准确。准确说法是：在都是等值条件的场景下，把区分度高的列放前面，可以帮助优化器更快地收缩扫描范围；但如果有一个列是范围查询，那不管区分度高不高，都要放在等值列后面。

还有一种情况需要特别注意：如果两个列都是等值条件，那顺序其实可以灵活调整，因为等值条件不论先后都能定位到同一个精确区间。真正影响索引选择的是“哪个列能过滤掉更多无效数据”。比如user_id在这个表里能过滤掉99.9%的数据，status只能过滤掉一半，那user_id放前面更合理。

2.4 冗余索引的危害：为什么说索引不是越多越好

这个案例里原来的idx_user_id和idx_create_time在新建联合索引之后，实际上已经失去了存在价值。idx_user_id是idx_user_create的最左前缀，完全被覆盖；idx_create_time虽然不在idx_user_create的前缀里，但业务上已经很少单独按时间查订单了。

每个索引都对应一棵B+树，每次插入、更新、删除都要同步维护所有索引。索引越多，写入放大越严重。曾经有个项目在订单表上堆了11个索引，每天的批量导入任务从10分钟涨到40分钟，删掉5个冗余索引之后才恢复。删索引之前用sys.schema_unused_indexes查一下哪些索引从没被用过，心里就有数了。

3. 排序与分页场景的索引利用：filesort和深翻页的真实案例

3.1 Using filesort到底在做什么

Using filesort里的filesort不代表一定用到了磁盘文件，它指的是MySQL需要额外执行一次排序操作，而不是直接从索引顺序取数。排序可以在内存中完成（sort_buffer_size足够的话），也可能临时转储到磁盘。但无论哪种，它都意味着一次额外的计算开销。

来看一个典型场景：

sql复制SELECT order_id, user_id, amount
FROM order_info
WHERE user_id = 20240001
ORDER BY create_time DESC
LIMIT 20;

如果只有(user_id)索引，MySQL的流程是：走idx_user_id找到user_id = 20240001的所有主键，回表读取完整行，把create_time和order_id放入排序缓冲区，排序后取前20条。这个流程里，排序的输入集大小等于该用户的所有订单数，而不仅仅是最终返回的20条。

如果改成(user_id, create_time)联合索引，流程就完全不同了：索引本身就是按user_id再按create_time排好序的，MySQL直接按索引顺序扫描，取到20条就停，完全不需要排序。这就是为什么联合索引能同时优化WHERE和ORDER BY。

3.2 ORDER BY方向不一致的坑

MySQL 8.0之前，一个升序索引只能直接支持升序排序，如果要降序，还得额外做一次反向扫描。8.0之后支持降序索引列，可以同时支持混合方向排序。

假设你有这样一个查询：

sql复制SELECT order_id, user_id, create_time
FROM order_info
WHERE user_id = 20240001
ORDER BY create_time DESC, order_id ASC;

如果索引是(user_id, create_time DESC, order_id ASC)，那排序可以完全走索引；如果索引方向定义错了，比如(user_id, create_time ASC, order_id ASC)，MySQL就得把数据取出来重新排序，Using filesort就出现了。

3.3 深翻页优化：LIMIT 100000, 20为什么越来越慢

分页查询是另一个容易被索引坑吞噬的性能场景。LIMIT 100000, 20的逻辑是：从索引里扫描到第100020条，然后丢掉前100000条，只返回最后20条。扫描量随着页码增大而线性增长，即使索引完全生效，深翻页也快不了。

一个常见的优化方案是延迟关联：

sql复制SELECT o.order_id, o.user_id, o.amount
FROM order_info o
INNER JOIN (
    SELECT order_id
    FROM order_info
    WHERE user_id = 20240001
    ORDER BY create_time DESC
    LIMIT 100000, 20
) t ON o.order_id = t.order_id;

子查询只走索引，索引里包含了order_id和create_time，不需要回表，扫描前100020条IO开销很小。拿到20个主键后再关联回原表取完整数据，回表次数从100020次降到了20次。这种写法在深翻页场景下通常能提升一个数量级。

如果没有主键可用，也可以考虑用游标分页代替偏移量分页，通过WHERE create_time < ?的方式翻页，前提是排序字段有索引且不重复，否则需要加一个唯一列做二级排序条件。

4. 那些让索引彻底失效的写法：高频雷区与验证方法

4.1 对索引列使用函数或隐式类型转换

数据量一大，下面这类SQL就会暴露问题：

sql复制WHERE DATE(create_time) = '2024-06-01'
WHERE user_id + 5 = 20240006
WHERE phone = 13800138000

第一条对create_time套了DATE()函数，MySQL没法直接用它去B+树里定位，只能全索引扫描后逐个计算函数值；第二条对索引列做了算术运算，同样失效；第三条如果phone列是VARCHAR类型，传进去的是整数，MySQL会尝试把列值转为数字再比较，索引也会失效。

正确的写法是：

sql复制WHERE create_time >= '2024-06-01 00:00:00' AND create_time < '2024-06-02 00:00:00'
WHERE user_id = 20240001
WHERE phone = '13800138000'

判断原则很简单：索引列一旦离开“裸列”的形态，被函数、运算、类型转换包裹，利用索引的可能性就大打折扣。

4.2 LIKE前缀通配符和OR连接的失效逻辑

LIKE '%keyword'为什么走不了索引？因为B+树是按索引列值排序的，以通配符开头的条件无法确定扫描起点，只能全索引扫描。但LIKE 'keyword%'是可以走索引的，因为它能定位到一个明确的区间范围。

OR连接的问题在于：如果OR两侧的条件只有一个能走索引，另一个不能，优化器为了结果的正确性，可能会选择全表扫描。比如WHERE status = 1 OR amount > 100，就算status有索引，amount没有索引，最终也可能走全表。解决方案是拆成两个查询用UNION ALL合并，或者给两侧的条件都建上合适的索引。

4.3 数据分布导致优化器“看走眼”

索引失效不一定是SQL写法有问题，也可能是优化器基于统计信息做了“错误”的判断。优化器决定走不走索引，主要看预估的扫描行数占总行数的比例。如果表的索引统计信息过期，或者数据分布严重倾斜，优化器可能高估了索引命中的行数，从而放弃索引。

这种情况的处理方法是执行ANALYZE TABLE order_info;更新统计信息。如果更新完还是不走索引，可以用FORCE INDEX强制指定，但这不是长久之计，更根本的是检查索引设计是否真的匹配查询模式。

5. 利用EXPLAIN和慢查询日志验证索引优化效果

5.1 EXPLAIN关键列到底怎么看

执行计划是验证索引到底有没有生效的最直接工具。我判断一个执行计划是否健康，会重点关注四个指标：

列名	关注点	理想情况
type	访问类型	const/ref/range，避免ALL
key	实际使用的索引	非NULL，且与预期一致
rows	预估扫描行数	越小越好
Extra	额外信息	避免Using filesort、Using temporary

type从好到差的顺序大概是：system > const > eq_ref > ref > range > index > ALL。ref说明用到了非唯一索引的等值匹配，range说明用到了范围匹配，两者都是健康状态。index表示扫描了整棵索引树，虽然比ALL好一点，但本质上也是全扫描，多见于覆盖索引场景。

Extra里出现了Using index是好消息，说明查询所需的数据都在索引树里，不需要回表；Using index condition说明用到了索引条件下推；Using where表示还需要额外过滤；Using filesort和Using temporary则是要盯紧的危险信号。

5.2 开启慢查询日志，建立优化闭环

调优不是改完SQL就结束，还要用数据验证效果。开启慢查询日志是建立闭环的第一步：

sql复制SET GLOBAL slow_query_log = ON;
SET GLOBAL long_query_time = 1;
SET GLOBAL log_output = 'TABLE';

这样设置之后，执行时间超过1秒的SQL都会记录到mysql.slow_log表，可以用普通SELECT查询分析。线上环境建议把long_query_time设为0.5甚至更低，因为很多隐藏的性能问题都藏在几百毫秒的SQL里，等涨到一秒以上再发现就晚了。

5.3 一个完整的调优对比案例

拿最早那条订单查询SQL为例。优化前：

code复制rows: 8350000
Extra: Using where; Using filesort
耗时: 1.62s

加了(user_id, create_time)联合索引之后：

code复制rows: 423
Extra: Using index condition
耗时: 18ms

优化前后扫描行数差了接近两万倍。但这里要提醒一句：rows列的数值是优化器基于统计信息估算出来的，不是实际扫描行数。想知道真实的扫描行数，可以用EXPLAIN ANALYZE（MySQL 8.0.18+），它会真正执行SQL并返回实际耗时和行数，但注意它真的会执行写操作，生产环境慎用。

6. 结合业务场景选择主键和二级索引的策略

6.1 主键设计为什么直接决定索引上限

MySQL的InnoDB引擎里，主键索引就是聚集索引，表数据本身就是按主键顺序存储在B+树的叶子节点上。二级索引叶子节点存储的是主键值，所以每次通过二级索引查询最终都要回到主键索引取完整行，这个动作就叫回表。

主键的长度和写入顺序直接影响所有索引的性能。如果用一个UUID字符串做主键，每个二级索引的叶子节点都会冗余存储这个32字符的UUID，索引体积膨胀，IO开销变大，而且UUID随机性导致插入时频繁页分裂。如果用一个自增整数做主键，新数据永远追加在B+树末尾，页分裂概率极低，索引体积也小得多。

这个特性决定了，InnoDB表最好有主键，且主键最好是单调递增的数值类型。如果没有合适的天然主键，自增BIGINT几乎是唯一推荐方案。很多人纠结业务上有没有唯一键，但主键和唯一约束是两回事，主键更多承担的是物理存储组织的职责，不需要有业务含义。

6.2 覆盖索引：让查询彻底不回表

二级索引如果包含了查询所需的全部列，MySQL就不需要回表了，直接在索引树上完成查询，这是索引优化里性价比最高的手段之一。

举例：

sql复制SELECT user_id, create_time FROM order_info WHERE user_id = 20240001;

如果只有(user_id, create_time)联合索引，这个查询的Extra会显示Using index，因为user_id和create_time都在索引树上。但如果查询里加了一个amount列，索引里没有，那就得回表。所以设计索引时可以考虑把高频查询需要的字段“顺带”放进索引，但也要克制，索引列太多会导致索引体积过大，写入变慢，得不偿失。

6.3 前缀索引的应用和长度选择

字符串列做索引时，如果整列很长，索引体积会非常大。比如用户表的email列最长64个字符，为整列建索引不够划算，可以只取前N个字符建立前缀索引：

sql复制ALTER TABLE user_info ADD INDEX idx_email_prefix (email(20));

前缀索引的核心是选择一个足够长的N，让前缀区分度接近整列区分度。计算公式：

sql复制SELECT COUNT(DISTINCT LEFT(email, 20)) / COUNT(DISTINCT email) FROM user_info;

这个比例越接近1，说明前缀区分度越好。通常建议达到0.9以上再使用。但前缀索引有个缺陷：它无法用于ORDER BY和GROUP BY，因为索引里只存了前缀，无法判断完整的排序顺序。所以前缀索引只适合那种只需要等值查询的字符串列。

最后分享几个我实测下来的判断依据

索引优化做到最后，真正考验人的不是会不会写CREATE INDEX，而是面对一个具体的业务查询，能不能快速判断出该不该建索引、建什么形式的索引、建完之后怎么验证。我自己的判断流程固定成了一套：

第一步，把慢查询SQL拿出来，去掉所有SELECT列，只看WHERE条件、JOIN条件和ORDER BY字段；第二步，根据最左前缀原则设计联合索引，等值条件放前面，范围条件放后面，排序字段跟着范围条件走；第三步，建完索引立刻EXPLAIN验证，确认type不是ALL，key是预期索引，Extra里没有filesort；第四步，观察一周慢查询日志，确认新索引确实被用上，旧索引用sys.schema_unused_indexes识别出来之后删除。

这个方法不一定最优，但胜在稳。索引优化没有银弹，每张表的数据分布、查询模式、写入频率都不一样，能做的就是不断通过执行计划和慢查询日志去校准判断。希望这篇能把你在MySQL索引优化的路上往前推一小步。