SQL慢查询常见优化步骤

SQL慢查询优化是一个系统性的工程，通常遵循"定位→分析→优化→验证"的闭环流程。以下是完整的优化步骤体系：

一、定位慢查询（发现问题）

开启慢查询日志

bash 复制代码

-- 查看慢查询配置
SHOW VARIABLES LIKE '%slow_query_log%';
SHOW VARIABLES LIKE '%long_query_time%';

-- 临时开启（重启失效）
SET GLOBAL slow_query_log = 'ON';
SET GLOBAL long_query_time = 2;  -- 超过2秒记录

-- 永久配置（修改my.cnf）
slow_query_log = ON
slow_query_log_file = /var/log/mysql/slow.log
long_query_time = 2
log_queries_not_using_indexes = ON  -- 记录未使用索引的查询

二、分析慢查询原因（诊断问题）

使用EXPLAIN分析执行计划

bash 复制代码

EXPLAIN SELECT * FROM users WHERE age > 30;

重点关注EXPLAIN的关键字段：

• type：访问类型（const > ref > range > index > ALL）

• key：实际使用的索引

• rows：扫描行数（越少越好）

• Extra：额外信息（Using filesort、Using temporary需要警惕）

分析执行计划问题

使用PROFILING分析执行细节

bash 复制代码

-- 开启性能分析
SET profiling = 1;

-- 执行查询
SELECT * FROM large_table WHERE condition;

-- 查看分析结果
SHOW PROFILES;
SHOW PROFILE FOR QUERY 1;  -- 查看具体查询的耗时分布

三、常见优化手段（解决问题）

索引优化（最核心的优化手段）

① 添加缺失索引

bash 复制代码

-- 为频繁查询的字段添加索引
CREATE INDEX idx_age ON users(age);
CREATE INDEX idx_name_age ON users(name, age);  -- 复合索引

-- 为排序、分组字段添加索引
CREATE INDEX idx_created_at ON orders(created_at);

② 优化索引设计

• 遵循最左前缀原则：复合索引(a,b,c)只能用于a、a,b、a,b,c的查询

• 避免冗余索引：删除重复或很少使用的索引

• 选择高选择性字段：区分度高的字段更适合建索引

• 覆盖索引优化：让索引包含查询所需的所有字段，避免回表

③ 索引使用注意事项

bash 复制代码

-- 避免索引失效的常见情况：
-- 1. 对索引列进行函数操作
SELECT * FROM users WHERE DATE(created_at) = '2024-01-01';  -- 索引失效
SELECT * FROM users WHERE created_at >= '2024-01-01' AND created_at < '2024-01-02';  -- 正确

-- 2. 使用不等于(!=、<>)
SELECT * FROM users WHERE status != 1;  -- 可能全表扫描

-- 3. 使用OR连接条件（除非所有字段都有索引）
SELECT * FROM users WHERE name = '张三' OR age = 30;  -- 可能全表扫描

-- 4. 隐式类型转换
SELECT * FROM users WHERE phone = 13800138000;  -- phone是varchar，索引失效

SQL语句优化

① 避免SELECT *

bash 复制代码

-- 不推荐：返回所有字段，可能造成回表
SELECT * FROM users WHERE age > 30;

-- 推荐：只返回需要的字段
SELECT id, name FROM users WHERE age > 30;

② 优化WHERE条件

• 避免在WHERE子句中对字段进行运算或函数操作

• 使用EXISTS代替IN（子查询数据量大时）

• 避免使用NOT IN（可用NOT EXISTS或LEFT JOIN替代）

③ 分页优化

bash 复制代码

-- 传统分页（大数据量时性能差）
SELECT * FROM orders ORDER BY id LIMIT 1000000, 20;

-- 优化方案1：使用覆盖索引+子查询
SELECT * FROM orders 
WHERE id >= (SELECT id FROM orders ORDER BY id LIMIT 1000000, 1)
ORDER BY id LIMIT 20;

-- 优化方案2：记录上一页的最大ID
SELECT * FROM orders WHERE id > last_max_id ORDER BY id LIMIT 20;

④ JOIN优化

• 小表驱动大表：将数据量小的表放在前面

• 为JOIN字段添加索引：ON条件的字段必须有索引

• 避免多表JOIN：超过3个表JOIN时考虑拆分成多个查询

⑤ 子查询优化

bash 复制代码

-- 不推荐：相关子查询（外层每行都要执行子查询）
SELECT * FROM users u 
WHERE EXISTS (SELECT 1 FROM orders o WHERE o.user_id = u.id AND o.amount > 1000);

-- 推荐：使用JOIN或IN（数据量大时）
SELECT DISTINCT u.* FROM users u 
JOIN orders o ON u.id = o.user_id 
WHERE o.amount > 1000;

表结构优化

① 字段类型优化

• 使用合适的数据类型：能用INT不用BIGINT，能用VARCHAR(20)不用VARCHAR(255)

• 避免使用TEXT/BLOB：如果必须使用，考虑分表存储

• 使用NOT NULL：可减少存储空间，优化查询

② 范式与反范式

• 适当冗余：在查询频繁但更新少的场景，可适当冗余字段减少JOIN

• 垂直拆分：将大字段、不常用字段拆分到扩展表

• 水平拆分：数据量过大时考虑分表分库

③ 字符集优化

• 使用utf8mb4代替utf8（支持表情符号）

• 对于纯数字、英文字段，可使用latin1减少存储空间

五、常见慢查询场景与解决方案

四、架构层面优化（除SQL优化外的方法）

读写分离
主从复制：主库写，从库读
实现方式：MySQL原生复制、MHA、MGR
应用层：使用中间件（MyCat、ShardingSphere）或客户端路由
分库分表
垂直分表：按业务拆分（用户表、订单表）
水平分表：按数据量拆分（按用户ID取模）
分库：多个数据库实例
工具：ShardingSphere、MyCat、Vitess
缓存层优化
Redis缓存：缓存热点数据，减少数据库压力
多级缓存：本地缓存（Guava Cache）+ 分布式缓存（Redis）
缓存策略：缓存穿透、缓存击穿、缓存雪崩防护
表结构优化
字段类型选择：使用合适的数据类型（INT vs BIGINT）
避免NULL：设置NOT NULL DEFAULT，减少存储空间
范式与反范式：适当冗余减少JOIN
分区表：按时间或范围分区（MySQL 5.7+）
硬件与系统优化
SSD硬盘：提升IO性能
RAID配置：RAID 10提升读写性能
CPU与内存：根据负载配置
文件系统：使用XFS或ext4
连接池优化
连接池配置：合理设置最大连接数、最小空闲连接
连接复用：避免频繁创建连接
超时设置：设置合理的连接超时和查询超时

五、优化流程总结

标准优化步骤
监控发现：通过慢查询日志、监控系统发现慢SQL
定位分析：使用EXPLAIN分析执行计划，定位瓶颈
索引优化：检查索引使用情况，添加或调整索引
SQL改写：优化SQL写法，避免全表扫描
配置调优：调整数据库参数，优化内存和IO
架构优化：读写分离、分库分表、缓存等
验证测试：压力测试验证优化效果

六、总结

SQL慢查询优化是一个系统性的工作，需要从定位→分析→优化→监控形成闭环。核心优化手段包括：索引优化（最有效）、SQL改写、表结构优化、配置调优、架构升级。建议建立规范的优化流程，避免盲目优化，确保每次优化都能真正解决问题。

记住：优化前一定要先定位问题，不要凭感觉优化；优化后一定要验证效果，确保没有引入新问题。