1. 联表查询的性能瓶颈分析
联表查询是关系型数据库中最消耗资源的操作之一。当执行多表关联时，数据库引擎需要执行复杂的连接算法，常见的有三种基础实现方式：
嵌套循环连接（Nested Loop Join）是最基础的算法，其时间复杂度为O(M*N)。假设表A有10万条记录，表B有20万条记录，最坏情况下需要进行20亿次比较。这种算法在小数据量时效率尚可，但随着数据量增长性能呈指数级下降。
哈希连接（Hash Join）通过建立哈希表优化连接过程，时间复杂度可降至O(M+N)。但需要额外内存存储哈希表，当连接键存在大量重复值时性能会显著下降。实测显示在内存充足情况下，哈希连接比嵌套循环快3-5倍。
排序合并连接（Merge Sort Join）要求连接键已排序，时间复杂度为O(M log M + N log N)。在已建立合适索引的情况下表现优异，但维护排序索引会增加写入成本。某电商平台统计显示，排序合并连接比哈希连接节省约30%的CPU资源。
2. 索引优化实战策略
2.1 复合索引设计原则
对于WHERE a=? AND b=? ORDER BY c这样的查询，理想的复合索引应该是(a,b,c)。但需要注意：
- 索引列顺序必须严格遵循"等值查询列→范围查询列→排序列"的原则
- 单表复合索引不宜超过5列，否则会显著增加写入开销
- 使用
EXPLAIN验证索引是否被正确命中
2.2 覆盖索引的妙用
当索引包含查询需要的所有字段时，可以避免回表操作。例如：
sql复制-- 原始查询
SELECT user_name, dept_name
FROM users u JOIN departments d ON u.dept_id=d.id
WHERE u.status=1;
-- 优化方案
ALTER TABLE users ADD INDEX idx_status_dept (status, dept_id, user_name);
某社交平台采用覆盖索引后，关键查询的QPS从200提升到1500，效果显著。
3. 查询重写技巧
3.1 子查询转连接
错误示范：
sql复制SELECT * FROM products
WHERE category_id IN (