数据库性能优化:一次慢查询背后,可能不只是SQL的问题

数据库性能优化:一次慢查询背后,可能不只是SQL的问题

做数据库相关开发,有一个现象其实挺有意思:项目刚上线的时候,大家都觉得数据库没什么问题。接口响应快,SQL 执行也正常,平时除了备份和简单的监控,基本不需要花太多时间关注数据库。

但运行一段时间之后,情况就不一样了。

订单表从几十万条涨到几千万条,后台多了几个统计页面,原本每隔几分钟执行一次的批处理任务也开始频繁运行。某天业务人员突然反馈,订单列表打开要等好几秒。开发人员看了一下日志,发现接口没有报错,数据库连接也正常,就是查询时间明显变长了。

这种问题其实很难通过一个简单的操作解决。

有时候是索引没有建好,有时候是统计信息发生变化,还有些情况,SQL 本身没有明显问题,但数据库正在等待磁盘完成数据读取。甚至还有一种情况,数据库执行得并不慢,真正拖慢接口的是应用程序反复查询数据库。

所以,遇到数据库性能问题,我不太建议第一时间就去调整内存参数。先把整个查询过程弄清楚,往往比直接修改配置更有效。

这篇主要聊几个实际项目中比较容易碰到的问题,也结合电科金仓 KingbaseES 的使用场景,整理一下从 SQL 到存储层的排查思路。

一、同一条SQL,为什么数据量增加后就不一样了?

先看一个比较普通的订单查询:

sql 复制代码
SELECT
    id,
    order_no,
    user_id,
    amount,
    create_time
FROM orders
WHERE user_id = 10001
ORDER BY create_time DESC;

这条 SQL 没有什么特别复杂的地方。

如果 orders 表只有几千条数据,即使没有针对 user_id 创建索引,查询也可能很快完成。但当数据增长到几千万条,数据库需要处理的数据量就完全不同了。

这里有个容易被忽略的地方:SQL 没变,不代表数据库实际执行的工作量没变。

假设最初表里只有5000条订单,后来增长到了5000万条。原来一次顺序扫描就能完成的操作,现在可能需要读取大量数据页。

这时候有人会直接给 user_id 加索引:

sql 复制代码
CREATE INDEX idx_orders_user_id
ON orders(user_id);

确实有可能解决问题,但我一般不会只做到这里。

因为这条 SQL 还有一个排序条件:

sql 复制代码
ORDER BY create_time DESC

如果查询返回的记录比较多,数据库可能还需要额外执行排序操作。

因此,可以进一步评估组合索引:

sql 复制代码
CREATE INDEX idx_orders_user_time
ON orders(user_id, create_time);

对于 user_id 等值查询,并按照 create_time 排序的场景,这种索引设计通常更有针对性。

不过,索引是否真正生效,不能只看创建语句有没有执行成功。还要看优化器最终选择了什么执行计划。

二、我更习惯先看执行计划,而不是先改SQL

有时候一条 SQL 看起来很普通,真正的问题却藏在执行计划里。

在 KingbaseES 中,可以通过 EXPLAIN 查看优化器选择的执行路径:

sql 复制代码
EXPLAIN
SELECT
    id,
    order_no,
    amount,
    create_time
FROM orders
WHERE user_id = 10001
ORDER BY create_time DESC;

如果需要了解实际执行情况,可以使用:

sql 复制代码
EXPLAIN ANALYZE
SELECT
    id,
    order_no,
    amount,
    create_time
FROM orders
WHERE user_id = 10001
ORDER BY create_time DESC;

这里我比较关注几个地方。

一个是扫描方式。有没有出现不必要的大范围顺序扫描?

另一个是排序。查询明明已经有合适的索引,为什么执行计划中还出现了额外的 Sort?

还有一个经常被忽略的地方,就是优化器估算的记录数和实际返回的记录数是否接近。

例如,执行计划预计返回20条记录,实际却返回了几万条,那么后续执行节点的成本估算就可能出现偏差。

这类问题有时并不是 SQL 写得不好,而是数据库掌握的数据统计信息不够准确。

比如一张订单表刚完成批量导入,原来的数据分布已经发生明显变化,但统计信息还没有及时更新。

可以执行:

sql 复制代码
ANALYZE orders;

更新统计信息后,再次查看执行计划。

有些查询在更新统计信息之后,执行路径就会发生变化。

这里需要说明一点:看到 Seq Scan 不要马上认为索引失效。对于小表,或者需要返回大部分数据的查询,顺序扫描本来就可能是更合适的选择。

数据库优化器考虑的是执行成本,不是单纯比较有没有使用索引。

三、有些索引建了也没用,问题出在查询写法上

这个问题在业务系统中比较常见。

尤其是后台管理系统,开发人员为了方便,经常会在 WHERE 条件中对字段进行格式转换。

例如:

sql 复制代码
SELECT *
FROM orders
WHERE TO_CHAR(create_time, 'YYYY-MM-DD')
      = '2026-11-16';

从业务角度来看,这样写非常直观,查询某一天的订单也很容易理解。

但从数据库执行角度看,查询条件对 create_time 做了函数处理,普通索引不一定能够直接用于原始字段的范围定位。

通常可以改成:

sql 复制代码
SELECT *
FROM orders
WHERE create_time >= TIMESTAMP '2026-11-16 00:00:00'
  AND create_time <  TIMESTAMP '2026-11-17 00:00:00';

这个写法还有一个好处,就是不会遗漏当天最后一秒之后的高精度时间记录。

如果业务系统中有大量按照日期查询的 SQL,我会优先检查这类条件。

另外,还有一个经常出现在后台管理系统里的问题:分页。

sql 复制代码
SELECT *
FROM orders
ORDER BY id
LIMIT 20 OFFSET 100000;

刚开始分页很快,翻到后面几千页就明显变慢。

原因在于数据库需要处理前面大量记录,再跳过指定数量的数据,最终只返回20条。

如果业务允许使用唯一且递增的 ID 作为游标,可以改成:

sql 复制代码
SELECT *
FROM orders
WHERE id > 100000
ORDER BY id
LIMIT 20;

如果按照创建时间倒序查询,最好再加一个唯一 ID 作为辅助排序字段,保证分页顺序稳定。

这类优化在订单列表、操作日志、消息记录等数据量较大的页面中比较实用。

四、索引太多,同样会影响数据库性能

索引优化还有一个容易走向另一个极端的情况:为了提高查询速度,不断增加索引。

刚开始给 user_id 建一个索引,发现某个状态查询慢,又增加 order_status 索引。后来发现日期查询慢,再加一个 create_time 索引。

时间长了,一张业务表上可能有十几个索引。

查询的时候看起来索引很多,但写入数据时,数据库需要同步维护这些索引结构。

例如订单表每天新增几百万条记录,每次 INSERT 不只是写入表数据,还需要维护相关索引。

UPDATE 如果修改了索引涉及的字段,也可能产生额外的索引维护开销。

因此,索引设计最好从真实 SQL 出发。

我通常会先整理这张表最频繁的几类查询:

  • 用户查询订单。
  • 按订单状态筛选。
  • 按创建时间查询。
  • 按订单编号精确查询。
  • 后台按照用户和时间组合查询。

然后再看哪些查询可以通过同一个组合索引覆盖,哪些查询确实需要单独索引。

还有一点,索引创建完成后,不建议马上把它当作有效优化成果。最好在相近的数据量和业务负载下,对比执行计划和响应时间。

毕竟,索引占用的是实实在在的存储空间,维护成本也是真实存在的。

五、SQL看着正常,数据库却一直在等磁盘

有一次排查数据库性能问题时,最容易让人产生误判的就是这种情况:SQL 没有明显错误,执行计划也没有特别异常,但查询就是快不起来。

这时候需要把排查范围扩大到操作系统。

数据库查询并不意味着所有数据都在内存中。如果需要访问的数据页不在缓存里,就需要从存储设备读取。

如果磁盘本身响应较慢,或者多个业务同时进行大量读写操作,数据库就可能花费大量时间等待 I/O。

Linux 环境可以先执行:

bash 复制代码
# 查看磁盘I/O状态
iostat -x 1 5

# 查看内存使用情况
free -h

# 查看系统运行状态
vmstat 1 5

# 查看磁盘空间
df -h

这里我会重点关注 await、读写吞吐量、设备队列以及系统是否出现 Swap。

比如数据库运行在云服务器上,磁盘 IOPS 有明确的规格限制。当业务高峰期的读写请求超过存储能力时,数据库就可能出现明显的等待。

这种情况,即使把 SQL 改得再漂亮,也很难完全解决。

还需要检查一个问题:数据库的数据文件、日志文件和其他业务是否共用同一块磁盘。

如果数据库旁边还运行着大量日志采集、文件处理或者备份任务,它们可能在高峰期争抢磁盘资源。

这时候应该从存储布局和资源隔离入手,而不是只调整数据库参数。

六、数据库内存参数,调大不一定就快

KingbaseES 中有几个内存参数,在性能调优时经常会接触到。

比如 shared_buffers、work_mem 和 maintenance_work_mem。

它们分别影响不同的数据库操作,不能简单地理解成统一的缓存空间。

先说 shared_buffers。

它主要用于数据库共享缓冲区。如果热点数据经常需要从磁盘读取,就需要结合缓存情况评估这个参数是否合理。

但也不能因为服务器有64GB内存,就直接把其中大部分都分配给数据库共享缓冲区。操作系统、数据库进程、排序操作以及其他服务都需要内存。

再看 work_mem。

这个参数主要影响排序、哈希连接等操作。

例如:

sql 复制代码
SET work_mem = '32MB';

EXPLAIN ANALYZE
SELECT *
FROM orders
ORDER BY create_time DESC;

在测试环境中,可以观察调整前后排序是否仍然需要使用临时文件。

不过这里有个细节很容易被忽略:work_mem 不是整个数据库实例共享的一块固定内存。一个复杂查询可能包含多个需要工作内存的执行节点,而且多个会话可以同时执行查询。

如果并发较高,却把这个参数设置得过大,可能会造成严重的内存压力。

maintenance_work_mem 则更多与索引创建等维护操作有关。

比如数据量很大的表需要建立索引,就可以结合维护窗口和服务器资源评估这个参数。

我的看法是,数据库参数不要照搬别人的配置。相同的内存规格,如果一台数据库主要承担高并发短查询,另一台主要运行复杂报表,两者的资源分配策略就可能完全不同。

七、存储过程慢,不能只看接口调用时间

除了普通 SQL,数据库内部的存储过程也值得单独排查。

有些系统为了减少应用层和数据库之间的交互,会把一部分业务逻辑放到存储过程里。

这种方式在某些批量处理场景下有实际价值,但也容易出现一个问题:外部只调用了一次过程,内部却执行了大量 SQL。

例如:

sql 复制代码
CREATE OR REPLACE PROCEDURE process_orders()
AS
BEGIN
    UPDATE orders
    SET order_status = 'EXPIRED'
    WHERE order_status = 'PENDING'
      AND create_time <
          CURRENT_TIMESTAMP - INTERVAL '7 days';

    COMMIT;
END;
/

这个过程比较简单,主要是批量更新过期订单。

但真实业务中的存储过程可能包含循环、查询、条件判断、函数调用和多次数据更新。

举个常见的情况:

sql 复制代码
FOR item IN
    SELECT id, user_id
    FROM orders
    WHERE order_status = 'PENDING'
LOOP
    SELECT balance
    INTO v_balance
    FROM account
    WHERE user_id = item.user_id;

    -- 继续处理订单
END LOOP;

如果待处理订单有10万条,内部账户查询就可能执行10万次。

每一次查询单独看起来都不慢,但累积起来,整个过程的执行时间就会非常明显。

这种情况通常可以从减少重复查询、合并批量操作以及缩小事务范围几个方向考虑。

在电科金仓 KingbaseES 的性能诊断场景中,除了查看普通 SQL,也可以结合 SYS_KSH 等诊断能力分析 Top PL/SQL、Top SQL、等待事件和锁等待情况。

这样排查时就不必只盯着外层接口,而是能够进一步了解数据库内部究竟在执行什么操作。

八、线上数据库出现锁等待,先不要急着杀会话

数据库性能问题不一定都来自查询效率。

有时候,某个事务执行时间过长,也可能影响其他业务。

例如,一个订单更新事务开始后,应用程序执行了其他业务逻辑,却一直没有提交事务。

此时其他会话可能需要等待相关锁释放。

可以从数据库会话和锁等待信息入手排查,确认:

  • 哪个会话正在等待?
  • 哪个事务持有相关锁?
  • 事务已经运行多长时间?
  • 是否存在程序异常导致事务没有及时提交?

这里不建议一发现等待就直接终止会话。

因为终止事务可能触发回滚,尤其是涉及大量数据修改时,回滚过程本身也可能消耗不少资源。

更稳妥的做法是先确定阻塞关系,再判断是否需要由业务人员确认终止。

对于 Java 应用,还应该检查事务注解和连接使用方式。

例如,是否在一个事务中执行了远程 HTTP 调用,是否在事务提交前进行了耗时文件处理,是否出现连接获取后长时间不释放的情况。

这些问题虽然发生在应用层,但最终都可能表现为数据库锁等待和连接资源紧张。

九、KingbaseES性能诊断,重点还是把信息串起来

前面提到的 SQL、索引、磁盘、内存和锁等待,其实都是数据库性能排查的一部分。

在电科金仓 KingbaseES 的实际运维中,我认为比较有价值的是把这些信息放到同一条分析链路中。

例如,某个订单查询突然变慢。

先通过执行计划确认查询路径有没有变化,再检查统计信息是否准确。如果执行计划没有明显异常,就继续观察数据库资源,看看是否存在磁盘等待或者内存压力。

如果发现数据库内部有大量 PL/SQL 调用,则进一步分析过程执行情况。

KingbaseES 提供的 SYS_KSH 性能诊断能力,可以辅助分析数据库活动情况,包括 Top SQL、Top PL/SQL、会话活动以及等待事件等信息。

对于运行时间比较长的业务系统,这类诊断信息的价值在于能够帮助 DBA 回看某个时间段内数据库的运行情况,而不是只能依赖故障发生时的现场日志。

实际使用时,具体诊断报告的生成方式和可用指标应以所部署的 KingbaseES 版本及对应工具文档为准。

我不太建议在生产环境中看到某个参数就直接修改。尤其是内存、连接数和日志相关配置,最好先在测试环境验证,再结合业务低峰期进行调整。

十、最后说说我对数据库优化的一点看法

数据库性能优化这件事,很多时候并没有想象中复杂。

真正麻烦的是找到问题发生的位置。

一条 SQL 慢,可能是索引问题,也可能是统计信息不准确;数据库整体慢,可能是资源不足,也可能是连接和事务管理不合理。

如果只从 SQL 层面看问题,很容易漏掉存储和应用程序的影响。

反过来,如果一看到数据库 CPU 高就升级服务器,也可能花了钱却没有解决根本问题。

我更倾向于保留每次优化前后的数据。哪条 SQL 有问题,执行计划是什么,调整了哪个索引,磁盘等待有没有变化,接口响应时间是否真正改善,都应该有记录。

这样下一次再遇到类似情况,至少有东西可以参考。

对于使用电科金仓 KingbaseES 的项目来说也是如此。执行计划分析、统计信息维护、索引设计、存储资源监控以及 PL/SQL 诊断,这些能力最终都要落实到具体业务问题上。

数据库优化没有一个通用参数模板,可以让所有系统都变快。

有些系统需要优化查询,有些需要调整存储,有些则应该回到应用程序检查事务和连接使用方式。

把问题找准,比一口气修改十几个参数更重要。

相关推荐
AskHarries1 小时前
联盟营销怎么玩
后端
deli0072 小时前
锁过期了业务还没跑完:SETNX 分布式锁 1000 次并发实测
前端
一条Go2 小时前
Webhook 签名:钉钉、企业微信、飞书的四种算法差异
后端·架构·github
不一样的少年_2 小时前
用了这 Skill,我觉得前端兄弟可以毕业了
前端·后端·agent
FRing033 小时前
vue2干货总结10(json-server、vant-ui、postcss插件、axios二次封装、图形验证码、toast轻提示)
开发语言·前端·vue.js·ui·json·vue2·postcss
梦想很大很大3 小时前
一句“你好”用了 5671 Token:我在 Workrun 中追查 Agent 隐性成本的过程
前端·人工智能·后端
坤岭3 小时前
Agentic BI 落地实战
后端
SameX3 小时前
HarmonyOS ArkTS 做动画 FPS 自适应降级的滞后窗口做法
前端
SimonKing3 小时前
AI Assistant被"隐藏"了?别慌,IDEA 2026.3 这波是换了个脑子
java·后端·程序员