MySQL慢查询优化实战：从日志分析到SQL重构全流程

⚡ MySQL慢查询优化实战：从日志分析到SQL重构全流程

一篇带你从发现慢查询 → 分析 → 优化 → 测试 的完整实战教程

🧩 关键词：MySQL优化 / 性能分析 / 慢查询 / 索引设计

---

🔍 一、前言

在大型业务系统中，MySQL 慢查询会导致：

• 系统响应变慢
• 页面加载延迟
• 高并发下锁等待严重
  

解决方案就是 找到慢查询 → 分析执行计划 → 优化 SQL → 设计合理索引 。

本文通过一个 电商订单查询系统 的实例，带你全流程实战演示。

---

🏗 二、业务场景

假设我们有一个电商系统 orders 表：

CREATE TABLE orders (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    user_id BIGINT NOT NULL,
    product_id BIGINT NOT NULL,
    status VARCHAR(20),
    total_amount DECIMAL(10,2),
    created_at DATETIME,
    INDEX idx_user_created (user_id, created_at)
);

业务需求：

• 查询某用户在某时间段的订单
• 查询某状态订单总额
• 高峰期每天有百万级订单

---

🧾 三、开启慢查询日志

修改 MySQL 配置文件 my.cnf：

[mysqld]
slow_query_log = ON
slow_query_log_file = /var/log/mysql/slow.log
long_query_time = 1  # 秒
log_queries_not_using_indexes = 1

重启 MySQL：

sudo systemctl restart mysql

查询慢查询日志示例：

# Time: 2025-11-05T15:00:01.000000Z
# User@Host: root[root] @ localhost []
# Query_time: 3.542 Lock_time: 0.000 Rows_sent: 500 Rows_examined: 100000
SELECT * FROM orders WHERE user_id=12345 AND created_at BETWEEN '2025-11-01' AND '2025-11-05';

注意：Rows_examined=100,000 → 查询扫描了大量行，效率低

---

🧐 四、执行计划分析

使用 EXPLAIN 分析 SQL：

EXPLAIN SELECT * FROM orders
WHERE user_id=12345 AND created_at BETWEEN '2025-11-01' AND '2025-11-05';

输出示例：

id	select_type	table	type	possible_keys	key	rows	Extra
1	SIMPLE	orders	ref	idx_user_created	idx_user_created	100000	Using where

分析：

• 查询使用了 idx_user_created 索引，但扫描行数仍然多
• 原因：索引顺序和条件不完全匹配

---

🛠 五、SQL重构与索引优化

1️⃣ 优化 SQL

原 SQL：

SELECT * FROM orders 
WHERE user_id=12345 AND created_at BETWEEN '2025-11-01' AND '2025-11-05';

优化 SQL：

SELECT id, product_id, total_amount 
FROM orders
WHERE user_id=12345 
  AND created_at >= '2025-11-01' AND created_at <= '2025-11-05';

✅ 优化点：

• 只查询必要字段，避免 SELECT *
• 避免不必要的数据扫描

---

2️⃣ 调整索引

当前索引：

INDEX idx_user_created (user_id, created_at)

优化方案：

• 如果查询经常按 status 和时间筛选，可加复合索引：

ALTER TABLE orders 
ADD INDEX idx_user_status_created (user_id, status, created_at);

• 这样查询 WHERE user_id=12345 AND status='PAID' AND created_at BETWEEN ... 可以直接走索引覆盖

---

3️⃣ 验证优化效果

执行优化后的 SQL：

EXPLAIN SELECT id, product_id, total_amount 
FROM orders
WHERE user_id=12345 AND status='PAID' AND created_at BETWEEN '2025-11-01' AND '2025-11-05';

输出示例：

id	select_type	table	type	possible_keys	key	rows	Extra
1	SIMPLE	orders	ref	idx_user_status_created	idx_user_status_created	500	Using index

✅ Rows 从 100,000 降到 500，查询速度提升近 200 倍

---

🔁 六、慢查询优化全流程总结

1. 发现慢查询

   • 慢查询日志 + long_query_time
   • pt-query-digest 分析大量慢查询

2. 分析执行计划

   • EXPLAIN 查看扫描方式、索引使用情况
   • 关注 rows、Extra

3. SQL优化

   • 避免 SELECT *
   • 使用必要字段
   • 合理拆分复杂查询

4. 索引优化

   • 复合索引覆盖查询条件
   • 使用前缀索引或联合索引减少扫描量
   • 删除冗余索引

5. 验证与回归测试

   • EXPLAIN + 实测响应时间
   • 高并发下压测

---

📊 七、日志分析工具推荐

• mysqldumpslow
• Percona Toolkit: pt-query-digest
• Grafana + Prometheus + MySQL Exporter
• 慢查询日志可视化面板，辅助优化

---

---

！实战范例： MySQL慢查询优化实战项目演示：百万订单表优化

---

1️⃣ 数据准备：生成百万级订单表

CREATE DATABASE IF NOT EXISTS shop;
USE shop;

DROP TABLE IF EXISTS orders;
CREATE TABLE orders (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    user_id BIGINT NOT NULL,
    product_id BIGINT NOT NULL,
    status VARCHAR(20),
    total_amount DECIMAL(10,2),
    created_at DATETIME,
    INDEX idx_user_created (user_id, created_at)
);

-- 插入测试数据（模拟100万条）
DELIMITER $$

CREATE PROCEDURE populate_orders()
BEGIN
    DECLARE i INT DEFAULT 1;
    WHILE i <= 1000000 DO
        INSERT INTO orders(user_id, product_id, status, total_amount, created_at)
        VALUES(
            FLOOR(1 + RAND() * 10000),    -- user_id
            FLOOR(1 + RAND() * 500),      -- product_id
            ELT(FLOOR(1 + RAND()*3), 'PAID','PENDING','CANCELLED'),
            ROUND(RAND()*1000, 2),
            NOW() - INTERVAL FLOOR(RAND()*30) DAY
        );
        SET i = i + 1;
    END WHILE;
END$$

DELIMITER ;

CALL populate_orders();

✅ 这样我们就有了百万级订单表，可真实模拟慢查询。

---

2️⃣ 原始慢查询测试

原 SQL 示例（经常使用场景）：

SELECT * 
FROM orders 
WHERE user_id=1234 
  AND created_at BETWEEN '2025-11-01' AND '2025-11-05';

执行前加 EXPLAIN 分析：

EXPLAIN SELECT * 
FROM orders 
WHERE user_id=1234 
  AND created_at BETWEEN '2025-11-01' AND '2025-11-05';

输出示例：

id	table	type	possible_keys	key	rows	Extra
1	orders	ref	idx_user_created	idx_user_created	100000	Using where

Rows=100,000 → 仍然扫描大量行，效率低

---

3️⃣ SQL重构与索引优化

优化 SQL

• 只查询需要字段
• 避免 SELECT *

SELECT id, product_id, total_amount 
FROM orders 
WHERE user_id=1234 
  AND created_at BETWEEN '2025-11-01' AND '2025-11-05';

新增复合索引

ALTER TABLE orders
ADD INDEX idx_user_created_status (user_id, status, created_at);

---

4️⃣ 优化后性能验证

EXPLAIN SELECT id, product_id, total_amount 
FROM orders 
WHERE user_id=1234 
  AND status='PAID'
  AND created_at BETWEEN '2025-11-01' AND '2025-11-05';

id	table	type	key	rows	Extra
1	orders	ref	idx_user_created_status	500	Using index

✅ Rows 从 100,000 → 500，查询速度提升近 200倍。

---

5️⃣ Node.js 测试脚本（可选）

用 Node.js 模拟实际请求，测试查询性能：

const mysql = require('mysql2/promise');

(async function() {
    const conn = await mysql.createConnection({
        host: 'localhost',
        user: 'root',
        password: '123456',
        database: 'shop'
    });

    console.time('原SQL');
    await conn.query(`SELECT * FROM orders WHERE user_id=1234 AND created_at BETWEEN '2025-11-01' AND '2025-11-05'`);
    console.timeEnd('原SQL');

    console.time('优化SQL');
    await conn.query(`SELECT id, product_id, total_amount FROM orders WHERE user_id=1234 AND status='PAID' AND created_at BETWEEN '2025-11-01' AND '2025-11-05'`);
    console.timeEnd('优化SQL');

    await conn.end();
})();

运行结果示例：

原SQL: 2450ms
优化SQL: 12ms

---

6️⃣ 总结

通过这个实战项目，我们完成了：

1. 百万级订单表数据生成
2. 原始 SQL 慢查询分析
3. SQL 重构 + 索引优化
4. 查询性能测试验证

✅ 实战结果：

• 原 SQL：Rows 扫描 10万+，耗时 2-3秒
• 优化 SQL：Rows 扫描 500，耗时 10-15ms
• 高并发场景下性能显著提升

---