--- title: 常见SQL优化手段总结 description: 本文系统总结常见的 SQL 优化手段，涵盖慢 SQL 定位与分析（EXPLAIN、Show Profile）、索引优化策略、查询重写技巧、分页优化等实战方法，帮助你快速提升数据库查询性能。 category: 高性能 head: - - meta - name: keywords content: SQL优化,慢SQL,EXPLAIN执行计划,索引优化,MySQL优化,查询优化,分页优化,Show Profile --- ## 避免使用 SELECT \* - `SELECT *` 会消耗更多的 CPU。 - `SELECT *` 无用字段增加网络带宽资源消耗，增加数据传输时间，尤其是大字段（如 varchar、blob、text）。 - `SELECT *` 无法使用 MySQL 优化器覆盖索引的优化（基于 MySQL 优化器的“覆盖索引”策略又是速度极快，效率极高，业界极为推荐的查询优化方式） - `SELECT <字段列表>` 可减少表结构变更带来的影响。 ## 尽量避免多表做 join 阿里巴巴《Java 开发手册》中有这样一段描述： > 【强制】超过三个表禁止 join。需要 join 的字段，数据类型保持绝对一致;多表关联查询时，保证被关联 的字段需要有索引。 ![尽量避免多表做 join](https://oss.javaguide.cn/github/javaguide/mysql/alibaba-java-development-handbook-multi-table-join.png) join 的效率比较低，主要原因是因为其使用嵌套循环（Nested Loop）来实现关联查询，以前常见的实现效率都不是很高： - **Simple Nested-Loop Join** ：直接使用笛卡尔积实现 join，逐行遍历/全表扫描，效率最低。 - **Block Nested-Loop Join (BNL)** ：利用 JOIN BUFFER 进行优化。**注意：在 MySQL 8.0.20 及更高版本中，BNL 已被 Hash Join 取代**，Hash Join 通常能将非索引列关联的复杂度从 O(M\*N) 降低到接近 O(M+N)。 - **Index Nested-Loop Join** ：在必要的字段上增加索引，性能得到进一步提升。 实际业务场景避免多表 join 常见的做法有两种： 1. **单表查询后在内存中自己做关联** ：对数据库做单表查询，再根据查询结果进行二次查询，以此类推，最后再进行关联。 2. **数据冗余**，把一些重要的数据在表中做冗余，尽可能地避免关联查询。很笨的一种做法，表结构比较稳定的情况下才会考虑这种做法。进行冗余设计之前，思考一下自己的表结构设计的是否有问题。 更加推荐第一种，这种在实际项目中的使用率比较高，除了性能不错之外，还有如下优势： 1. **拆分后的单表查询代码可复用性更高** ：join 联表 SQL 基本不太可能被复用。 2. **单表查询更利于后续的维护** ：不论是后续修改表结构还是进行分库分表，单表查询维护起来都更容易。 不过，如果系统要求的并发量不大的话，我觉得多表 join 也是没问题的。很多公司内部复杂的系统，要求的并发量不高，很多数据必须 join 5 张以上的表才能查出来。 ## 深度分页优化 深度分页问题的根本原因在于：当 `LIMIT` 的偏移量过大时，MySQL 需要扫描并跳过大量记录才能获取目标数据，查询优化器可能放弃索引而选择全表扫描。此时即使有索引，也无法避免大量的回表操作，导致查询性能急剧下降。 本文介绍了四种常见的深度分页优化方案，各方案的特点及适用场景对比如下： | 优化方案 | 核心思路 | 适用场景 | 限制 | | ------------ | ------------------------------------------------------------------- | ----------------------------------- | ------------------------------------------------ | | **范围查询** | 记录上一页最后一条 ID，通过 `WHERE id > last_id LIMIT n` 获取下一页 | ID 连续、按 ID 排序、允许游标式翻页 | 不支持跳页、ID 不连续时失效、非 ID 排序不适用 | | **子查询** | 先通过子查询获取起始主键，再根据主键过滤 | 需要支持传统 OFFSET 翻页 | 子查询可能产生临时表、仅适用于 ID 正序 | | **延迟关联** | 用 `INNER JOIN` 将分页转移到主键索引，减少回表 | 大数据量分页、需要传统翻页逻辑 | SQL 相对复杂 | | **覆盖索引** | 建立包含查询字段的联合索引，避免回表 | 查询字段固定、可建立合适索引 | 字段较多时索引维护成本高、大结果集可能走全表扫描 | **方案选择建议**： - **优先使用延迟关联**：对于大多数需要支持传统 `LIMIT offset, size` 翻页逻辑的场景，延迟关联是性能和可维护性较好的选择。 - **考虑范围查询（游标分页）**：如果业务允许使用"下一页"式的游标翻页（如社交媒体 feed 流、无限滚动），范围查询性能最佳且稳定。 - **覆盖索引作为补充**：当查询字段固定且数量不多时，可配合其他方案建立覆盖索引进一步优化。 **注意事项**： - 无论采用哪种方案，都应注意监控实际执行计划（`EXPLAIN`），确保优化器按预期使用索引。 - 对于超深分页（如百万级偏移量），应从业务层面评估是否真的需要支持，考虑限制最大翻页数或采用其他检索方式（如搜索引擎）。 详细介绍可以阅读这篇文章：[深度分页介绍及优化建议](https://javaguide.cn/high-performance/deep-pagination-optimization.html)。 ## 建议不要使用外键与级联 阿里巴巴《Java 开发手册》中有这样一段描述： > 不得使用外键与级联，一切外键概念必须在应用层解决。 ![](https://oss.javaguide.cn/github/javaguide/mysql/alibaba-java-development-handbook-multi-table-join-foreign-keys-and-cascades.png) 网络上已经有非常多分析外键与级联缺陷的文章了，个人认为不建议使用外键主要是因为对分库分表不友好，性能方面的影响其实是比较小的。 ## 选择合适的字段类型 存储字节越小，占用也就空间越小，性能也越好。 **a.某些字符串可以转换成数字类型存储比如可以将 IP 地址转换成整型数据。** 数字是连续的，性能更好，占用空间也更小。 MySQL 提供了两个方法来处理 ip 地址 - `INET_ATON()` ： 把 IPv4 转为无符号整型（4 字节，32 位）。对于 IPv6，可使用 `INET6_ATON()` 转为 16 字节（128 位）的二进制字符串。 - `INET_NTOA()` :把整型的 ip 转为地址 插入数据前，先用 `INET_ATON()` 把 ip 地址转为整型，显示数据时，使用 `INET_NTOA()` 把整型的 ip 地址转为地址显示即可。 **b.对于非负型的数据 (如自增 ID,整型 IP，年龄) 来说,要优先使用无符号整型来存储。** 无符号相对于有符号可以多出一倍的存储空间 ```sql SIGNED INT -2147483648~2147483647 UNSIGNED INT 0~4294967295 ``` **c.小数值类型（比如年龄、状态表示如 0/1）优先使用 TINYINT 类型。** **d.对于日期类型来说， 一定不要用字符串存储日期。可以考虑 DATETIME、TIMESTAMP 和 数值型时间戳。** 这三种种方式都有各自的优势，根据实际场景选择最合适的才是王道。下面再对这三种方式做一个简单的对比，以供大家实际开发中选择正确的存放时间的数据类型： | 类型 | 存储空间 | 日期格式 | 日期范围 | 是否带时区信息 | | ------------ | -------- | ------------------------------ | ------------------------------------------------------------ | -------------- | | DATETIME | 5~8 字节 | YYYY-MM-DD hh:mm:ss[.fraction] | 1000-01-01 00:00:00[.000000] ～ 9999-12-31 23:59:59[.999999] | 否 | | TIMESTAMP | 4~7 字节 | YYYY-MM-DD hh:mm:ss[.fraction] | 1970-01-01 00:00:01[.000000] ～ 2038-01-19 03:14:07[.999999] | 是 | | 数值型时间戳 | 4 字节 | 全数字如 1578707612 | 1970-01-01 00:00:01 之后的时间 | 否 | MySQL 时间类型选择的详细介绍请看这篇：[MySQL 时间类型数据存储建议](https://javaguide.cn/database/mysql/some-thoughts-on-database-storage-time.html)。 **e.金额字段用 decimal，避免精度丢失。** decimal 用于存储有精度要求的小数比如与金钱相关的数据，可以避免浮点数带来的精度损失。 在 Java 中，MySQL 的 decimal 类型对应的是 Java 类 `java.math.BigDecimal` 。 `BigDecimal`的详细介绍请参考这篇：[BigDecimal 详解](https://javaguide.cn/java/basis/bigdecimal.html)。 **f.尽量使用自增 id 作为主键。** 如果主键为自增 id 的话，每次都会将数据加在 B+树尾部（本质是双向链表），时间复杂度为 O(1)。在写满一个数据页的时候，直接申请另一个新数据页接着写就可以了。 如果主键是非自增 id 的话，为了让新加入数据后 B+树的叶子节点还能保持有序，它就需要往叶子结点的中间找，查找过程的时间复杂度是 O(lgn)。如果这个也被写满的话，就需要进行页分裂。页分裂操作需要加悲观锁，性能非常低。 不过， 像分库分表这类场景就不建议使用自增 id 作为主键，应该使用分布式 ID 比如 uuid 。 相关阅读：[数据库主键一定要自增吗？有哪些场景不建议自增？](https://mp.weixin.qq.com/s/vNRIFKjbe7itRTxmq-bkAA)。 **g.不建议使用 `NULL` 作为列默认值。** `NULL` 跟 `''`(空字符串)是两个完全不一样的值，区别如下： - `NULL` 代表一个不确定的值,就算是两个 `NULL`,它俩也不一定相等。例如，`SELECT NULL=NULL`的结果为 false，但是在我们使用`DISTINCT`,`GROUP BY`,`ORDER BY`时,`NULL`又被认为是相等的。 - `''`的长度是 0，是不占用空间的，而`NULL` 是需要占用空间的。 - `NULL` 会影响聚合函数的结果。例如，`SUM`、`AVG`、`MIN`、`MAX` 等聚合函数会忽略 `NULL` 值。 `COUNT` 的处理方式取决于参数的类型。如果参数是 `*`(`COUNT(*)`)，则会统计所有的记录数，包括 `NULL` 值；如果参数是某个字段名(`COUNT(列名)`)，则会忽略 `NULL` 值，只统计非空值的个数。 - 查询 `NULL` 值时，必须使用 `IS NULL` 或 `IS NOT NULLl` 来判断，而不能使用 =、!=、 <、> 之类的比较运算符。而`''`是可以使用这些比较运算符的。 ## 尽量用 UNION ALL 代替 UNION UNION 会把两个结果集的所有数据放到临时表中后再进行去重操作，更耗时，更消耗 CPU 资源。 UNION ALL 不会再对结果集进行去重操作，获取到的数据包含重复的项。 不过，如果实际业务场景中不允许产生重复数据的话，还是可以使用 UNION。 ## 优先使用批量操作 对于数据库中的数据更新，如果能使用批量操作就要尽量使用，减少请求数据库的次数，提高性能。 ```sql # 反例 INSERT INTO `cus_order` (`id`, `score`, `name`) VALUES (1, 426547, 'user1'); INSERT INTO `cus_order` (`id`, `score`, `name`) VALUES (1, 33, 'user2'); INSERT INTO `cus_order` (`id`, `score`, `name`) VALUES (1, 293854, 'user3'); # 正例 INSERT into `cus_order` (`id`, `score`, `name`) values(1, 426547, 'user1'),(1, 33, 'user2'),(1, 293854, 'user3'); ``` ## Show Profile 分析 SQL 执行性能 为了更精准定位一条 SQL 语句的性能问题，需要清楚地知道这条 SQL 语句运行时消耗了多少系统资源。 [`SHOW PROFILE`](https://dev.mysql.com/doc/refman/5.7/en/show-profile.html) 和 [`SHOW PROFILES`](https://dev.mysql.com/doc/refman/5.7/en/show-profiles.html) 展示 SQL 语句的资源使用情况，展示的消息包括 CPU 的使用，CPU 上下文切换，IO 等待，内存使用等。 MySQL 在 5.0.37 版本之后才支持 Profiling，`select @@have_profiling` 命令返回 `YES` 表示该功能可以使用。 ```sql mysql> SELECT @@have_profiling; +------------------+ | @@have_profiling | +------------------+ | YES | +------------------+ 1 row in set (0.00 sec) ``` > **注意** ：`SHOW PROFILE` 和 `SHOW PROFILES` 已经被弃用，未来的 MySQL 版本中可能会被删除，取而代之的是使用 [Performance Schema](https://dev.mysql.com/doc/refman/8.0/en/performance-schema.html)。在该功能被删除之前，我们简单介绍一下其基本使用方法。 想要使用 Profiling，请确保你的 `profiling` 是开启（on）的状态。 你可以通过 `SHOW VARIABLES` 命令查看其状态： ![](https://oss.javaguide.cn/github/javaguide/mysql/mysql-show-variables-profiling.png) 也可以通过 `SELECT @@profiling`命令进行查看： ```sql mysql> SELECT @@profiling; +-------------+ | @@profiling | +-------------+ | 0 | +-------------+ 1 row in set (0.00 sec) ``` 默认情况下， `Profiling` 是关闭（off）的状态，你直接通过`SET @@profiling=1`命令即可开启。 开启成功之后，我们执行几条 SQL 语句。执行完成之后，使用 `SHOW PROFILES` 可以展示当前 Session 下所有 SQL 语句的简要的信息包括 Query_ID（SQL 语句的 ID 编号） 和 Duration（耗时）。 具体能收集多少个 SQL，由参数 `profiling_history_size` 决定，默认值为 15，最大值为 100。如果设置为 0，等同于关闭 Profiling。 ![](https://oss.javaguide.cn/github/javaguide/mysql/mysql-show-profiles-ranking-list-table.png) 如果想要展示一个 SQL 语句的执行耗时细节，可以使用`SHOW PROFILE` 命令。 `SHOW PROFILE` 命令的具体用法如下： ```sql SHOW PROFILE [type [, type] ... ] [FOR QUERY n] [LIMIT row_count [OFFSET offset]] type: { ALL | BLOCK IO | CONTEXT SWITCHES | CPU | IPC | MEMORY | PAGE FAULTS | SOURCE | SWAPS } ``` 在执行`SHOW PROFILE` 命令时，可以加上类型子句，比如 CPU、IPC、MEMORY 等，查看具体某类资源的消耗情况： ```sql SHOW PROFILE CPU,IPC FOR QUERY 8; ``` 如果不加 `FOR QUERY {n}`子句，默认展示最新的一次 SQL 的执行情况，加了 `FOR QUERY {n}`，表示展示 Query_ID 为 n 的 SQL 的执行情况。 ![](https://oss.javaguide.cn/github/javaguide/mysql/mysql-show-profiles-cpu-ipc.png) ## 优化慢 SQL 为了优化慢 SQL ，我们首先要找到哪些 SQL 语句执行速度比较慢。 MySQL 慢查询日志是用来记录 MySQL 在执行命令中，响应时间超过预设阈值的 SQL 语句。因此，通过分析慢查询日志我们就可以找出执行速度比较慢的 SQL 语句。 出于性能层面的考虑，慢查询日志功能默认是关闭的，你可以通过以下命令开启： ```sql # 开启慢查询日志功能 SET GLOBAL slow_query_log = 'ON'; # 慢查询日志存放位置 SET GLOBAL slow_query_log_file = '/var/lib/mysql/ranking-list-slow.log'; # 无论是否超时，未被索引的记录也会记录下来。 SET GLOBAL log_queries_not_using_indexes = 'ON'; # 慢查询阈值（秒），SQL 执行超过这个阈值将被记录在日志中。 SET SESSION long_query_time = 1; # 慢查询仅记录扫描行数大于此参数的 SQL SET SESSION min_examined_row_limit = 100; ``` 设置成功之后，使用 `show variables like 'slow%';` 命令进行查看。 ```bash | Variable_name | Value | +---------------------+--------------------------------------+ | slow_launch_time | 2 | | slow_query_log | ON | | slow_query_log_file | /var/lib/mysql/ranking-list-slow.log | +---------------------+--------------------------------------+ 3 rows in set (0.01 sec) ``` 我们故意在百万数据量的表(未使用索引)中执行一条排序的语句： ```sql SELECT `score`,`name` FROM `cus_order` ORDER BY `score` DESC; ``` 确保自己有对应目录的访问权限： ```bash chmod 755 /var/lib/mysql/ ``` 查看对应的慢查询日志： ```bash cat /var/lib/mysql/ranking-list-slow.log ``` 我们刚刚故意执行的 SQL 语句已经被慢查询日志记录了下来： ```plain # Time: 2022-10-09T08:55:37.486797Z # User@Host: root[root] @ [172.17.0.1] Id: 14 # Query_time: 0.978054 Lock_time: 0.000164 Rows_sent: 999999 Rows_examined: 1999998 SET timestamp=1665305736; SELECT `score`,`name` FROM `cus_order` ORDER BY `score` DESC; ``` 这里对日志中的一些信息进行说明： - `Time` ：被日志记录的代码在服务器上的运行时间。 - `User@Host`：谁执行的这段代码。 - `Query_time`：这段代码运行时长。 - `Lock_time`：执行这段代码时，锁定了多久。 - `Rows_sent`：慢查询返回的记录。 - `Rows_examined`：慢查询扫描过的行数。 实际项目中，慢查询日志通常会比较复杂，我们需要借助一些工具对其进行分析。像 MySQL 内置的 `mysqldumpslow` 工具就可以把相同的 SQL 归为一类，并统计出归类项的执行次数和每次执行的耗时等一系列对应的情况。 找到了慢 SQL 之后，我们可以通过 `EXPLAIN` 命令分析对应的 `SELECT` 语句： ```sql mysql> EXPLAIN SELECT `score`,`name` FROM `cus_order` ORDER BY `score` DESC; +----+-------------+-----------+------------+------+---------------+------+---------+------+--------+----------+----------------+ | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra | +----+-------------+-----------+------------+------+---------------+------+---------+------+--------+----------+----------------+ | 1 | SIMPLE | cus_order | NULL | ALL | NULL | NULL | NULL | NULL | 997572 | 100.00 | Using filesort | +----+-------------+-----------+------------+------+---------------+------+---------+------+--------+----------+----------------+ 1 row in set, 1 warning (0.00 sec) ``` 比较重要的字段说明： - `select_type` ：查询的类型，常用的取值有 SIMPLE（普通查询，即没有联合查询、子查询）、PRIMARY（主查询）、UNION（UNION 中后面的查询）、SUBQUERY（子查询）等。 - `table` ：表示查询涉及的表或衍生表。 - `type` ：执行方式，判断查询是否高效的重要参考指标，结果值从差到好依次是：ALL < index < range ~ index_merge < ref < eq_ref < const < system。 - `rows` : SQL 要查找到结果集需要扫描读取的数据行数，原则上 rows 越少越好。 - …… 关于 Explain 的详细介绍，请看这篇文章：[MySQL 执行计划分析](https://javaguide.cn/database/mysql/mysql-query-execution-plan.html)。另外，再推荐一下阿里的这篇文章：[慢 SQL 治理经验总结](https://mp.weixin.qq.com/s/LZRSQJufGRpRw6u4h_Uyww)，总结的挺不错。 ## 正确使用索引 正确使用索引可以大大加快数据的检索速度（大大减少检索的数据量）。 ### 选择合适的字段创建索引 - **不为 NULL 的字段** ：索引字段的数据应该尽量不为 NULL，因为对于数据为 NULL 的字段，数据库较难优化。如果字段频繁被查询，但又避免不了为 NULL，建议使用 0,1,true,false 这样语义较为清晰的短值或短字符作为替代。 - **被频繁查询的字段** ：我们创建索引的字段应该是查询操作非常频繁的字段。 - **被作为条件查询的字段** ：被作为 WHERE 条件查询的字段，应该被考虑建立索引。 - **频繁需要排序的字段** ：索引已经排序，这样查询可以利用索引的排序，加快排序查询时间。 - **被经常频繁用于连接的字段** ：经常用于连接的字段可能是一些外键列，对于外键列并不一定要建立外键，只是说该列涉及到表与表的关系。对于频繁被连接查询的字段，可以考虑建立索引，提高多表连接查询的效率。 ### 避免索引失效 索引失效也是慢查询的主要原因之一，常见的导致索引失效的情况有下面这些： **`SELECT *` 查询（成本权衡）** - `SELECT *` **不会直接导致索引失效**。如果 `WHERE` 条件符合索引规则，索引依然会被使用。 - 它会导致**回表成本增加**。如果查询需要的字段不在索引中（非覆盖索引），数据库需要拿着主键回聚簇索引查数据。当数据量较大时，优化器会对比“索引查找 + 回表”与“直接全表扫描”的成本，若前者成本过高，优化器会**主动放弃索引**选择全表扫描。 - `SELECT *` 还会网络传输和数据处理的浪费。尽量只查询需要的字段，利用**覆盖索引**减少回表。 **违背最左前缀原则** - 最左前缀匹配原则指的是在使用联合索引时，MySQL 会根据索引中的字段顺序，从左到右依次匹配查询条件中的字段。如果查询条件与索引中的最左侧字段相匹配，那么 MySQL 就会使用索引来过滤数据，这样可以提高查询效率。 - 最左匹配原则会一直向右匹配，直到遇到范围查询（如 >、<）为止。对于 >=、<=、BETWEEN 以及前缀匹配 LIKE 的范围查询，不会停止匹配。 - MySQL 8.0.13 版本引入了索引跳跃扫描（Index Skip Scan，简称 ISS），它可以在某些索引查询场景下提高查询效率。在没有 ISS 之前，不满足最左前缀匹配原则的联合索引查询中会执行全表扫描。而 ISS 允许 MySQL 在某些情况下避免全表扫描，即使查询条件不符合最左前缀。不过，这个功能比较鸡肋， 和 Oracle 中的没法比，MySQL 8.0.31 还报告了一个 bug：[Bug #109145 Using index for skip scan cause incorrect result](https://bugs.mysql.com/bug.php?id=109145)（后续版本已经修复）。个人建议知道有这个东西就好，不需要深究，实际项目也不一定能用上。 失效示例： ```sql -- 索引：(sname, s_code, address) WHERE s_code = 1; -- 跳过最左列 sname，失效 WHERE sname = 'A' AND address = 'Shanghai'; -- 跳过中间列 s_code，仅 sname 走索引 WHERE sname = 'A' AND s_code > 1 AND address = 'Shanghai'; -- 范围查询后，address 失效 ``` **在索引列上进行计算、函数或类型转换** - 索引存储的是字段的**原始值**。对字段进行操作后，数据库无法利用索引树的有序性，只能全表扫描后计算。 - MySQL 8.0 支持**函数索引**，可针对计算后的值建索引，但使用场景有限，首选还是优化 SQL 写法。 失效示例： ```sql WHERE height + 1 = 170; -- 对索引列进行计算 WHERE DATE(create_time) = '2022-01-01'; -- 对索引列使用函数 ``` 优化建议： ```sql WHERE height = 169; -- 将计算移到等号右边 WHERE create_time BETWEEN '2022-01-01 00:00:00' AND '2022-01-01 23:59:59'; ``` **`LIKE` 模糊查询以通配符开头** - `LIKE` 查询必须以具体字符开头才能利用索引有序性，例如 `WHERE sname LIKE 'Guide%'; `。 - 这是因为B+ 树是从左到右排序的。前缀通配符（`%`）破坏了有序性，无法定位起始点。 失效示例： ```sql WHERE sname LIKE '%Guide'; -- 前缀模糊，全表扫描 WHERE sname LIKE '%Guide%'; -- 前后模糊，全表扫描 ``` **`OR` 连接条件使用不当** - 如果 `OR` 两边的列中**有一列没有索引**，通常会导致整个查询放弃索引，走全表扫描。 - 确保 `OR` 两边的列都建有索引，或改写为 `UNION ALL`。 失效示例： ```sql -- 假设 sname 有索引，address 无索引 WHERE sname = '学生 1' OR address = '上海'; -- 索引失效，全表扫描 ``` **`N` / `NOT IN` 使用不当** - **`IN`**：当 `IN` 列表中的值太多（通常超过 200 个，由 `eq_range_index_dive_limit` 参数决定）或查询范围覆盖了太多行，会导致索引失效。 - **`NOT IN`**：在大多数情况下会引发全表扫描，因为它需要证明“不属于”某个集合，这在 B+ 树中通常需要遍历所有叶子节点。 失效示例： ```sql WHERE s_code IN (1, 2, 3 ... 500); -- 列表过长可能失效 WHERE s_code NOT IN (1, 2, 3); -- 通常失效 ``` **隐式类型转换** 这是开发中最隐蔽的坑，转换的方向决定了索引的生死。 - 字段类型为字符串，查询条件未加引号（如 `varchar` 字段查 `WHERE col = 123`）；或字段类型为数字，查询条件加了引号且字符集不匹配。 - MySQL 会自动进行类型转换，导致索引列值发生变化，无法匹配索引树。 - 详细介绍：[MySQL隐式转换造成索引失效](https://javaguide.cn/database/mysql/index-invalidation-caused-by-implicit-conversion.html) 。 **`ORDER BY` 排序优化陷阱** 即使 `WHERE` 条件精准，如果 `ORDER BY` 处理不好，依然会出现慢查询。 - 如果查询走了索引 A，但排序要求字段 B，或者需要回表的数据量太大导致优化器放弃索引排序，就会触发 `Using filesort`（内存/磁盘排序）。 - 利用**覆盖索引**同时满足 `WHERE` 和 `ORDER BY`。例如索引为 `(name, age)`，查询 `SELECT name, age FROM users WHERE name = 'A' ORDER BY age` 是极其高效的。 **最后，总结一个口诀** - 全值匹配我最爱，最左前缀不能改。 - 范围之后全失效，函数计算索引败。 - 模糊首位莫加百分号，类型转换要避开。 - OR 连接需谨慎，覆盖索引避回表。 ### 被频繁更新的字段应该慎重建立索引 虽然索引能带来查询上的效率，但是维护索引的成本也是不小的。 如果一个字段不被经常查询，反而被经常修改，那么就更不应该在这种字段上建立索引了。 ### 尽可能的考虑建立联合索引而不是单列索引 因为索引是需要占用磁盘空间的，可以简单理解为每个索引都对应着一颗 B+树。如果一个表的字段过多，索引过多，那么当这个表的数据达到一个体量后，索引占用的空间也是很多的，且修改索引时，耗费的时间也是较多的。如果是联合索引，多个字段在一个索引上，那么将会节约很大磁盘空间，且修改数据的操作效率也会提升。 ### 注意避免冗余索引 冗余索引指的是索引的功能相同，能够命中索引(a, b)就肯定能命中索引(a) ，那么索引(a)就是冗余索引。如（name,city ）和（name ）这两个索引就是冗余索引，能够命中前者的查询肯定是能够命中后者的 在大多数情况下，都应该尽量扩展已有的索引而不是创建新索引。 ### 考虑在字符串类型的字段上使用前缀索引代替普通索引 前缀索引仅限于字符串类型，较普通索引会占用更小的空间，所以可以考虑使用前缀索引带替普通索引。 ### 删除长期未使用的索引 删除长期未使用的索引，不用的索引的存在会造成不必要的性能损耗 MySQL 5.7 可以通过查询 sys 库的 schema_unused_indexes 视图来查询哪些索引从未被使用 ## 参考 - MySQL 8.2 Optimizing SQL Statements：https://dev.mysql.com/doc/refman/8.0/en/statement-optimization.html - 为什么阿里巴巴禁止数据库中做多表 join - Hollis：https://mp.weixin.qq.com/s/GSGVFkDLz1hZ1OjGndUjZg - MySQL 的 COUNT 语句，竟然都能被面试官虐的这么惨 - Hollis：https://mp.weixin.qq.com/s/IOHvtel2KLNi-Ol4UBivbQ - MySQL 性能优化神器 Explain 使用分析：https://segmentfault.com/a/1190000008131735 - 如何使用 MySQL 慢查询日志进行性能优化 ：https://kalacloud.com/blog/how-to-use-mysql-slow-query-log-profiling-mysqldumpslow/