MySQL 慢查询优化实战：从 EXPLAIN 到索引重构的进阶方法
欢迎来到蓝队云技术小课堂，每天分享一个技术小知识。
很多线上 MySQL 性能问题，最终都可以归结为“慢查询”。但真正的难点不在于发现慢 SQL，而在于如何精准优化。
开启慢查询日志：
SET GLOBAL slow_query_log = 'ON';
SET GLOBAL long_query_time = 1;
建议生产环境设置为 1 秒甚至更低，用于捕捉潜在问题。
拿到一条慢 SQL：
SELECT * FROM orders WHERE user_id = 10001 ORDER BY create_time DESC LIMIT 10;
第一步不是改 SQL，而是分析执行计划：
EXPLAIN SELECT * FROM orders WHERE user_id = 10001 ORDER BY create_time DESC LIMIT 10;
重点关注几个字段：
· type：访问类型（ALL / index / range / ref / const）
· rows：扫描行数
· Extra：是否出现 Using filesort、Using temporary
如果你看到：
type: ALL
Extra: Using filesort
说明发生了全表扫描 + 排序，这是典型性能杀手。
优化思路不是“加索引”，而是加对索引。
针对这个 SQL，很多人会这样做：
CREATE INDEX idx_user_id ON orders(user_id);
结果性能依然不好，因为排序字段没有被覆盖。
正确方式是使用联合索引：
CREATE INDEX idx_user_time ON orders(user_id, create_time DESC);
这会带来两个关键优化：
· WHERE 条件命中索引
· ORDER BY 利用索引顺序，避免 filesort
再看一个常见坑：
SELECT * FROM orders WHERE DATE(create_time) = '2026-04-01';
这个 SQL 即使有索引也不会生效，因为对字段做了函数操作。
错误写法会导致：
type: ALL
正确优化：
SELECT * FROM orders
WHERE create_time >= '2026-04-01 00:00:00'
AND create_time < '2026-04-02 00:00:00';
让索引“可用”，比“存在”更重要。
覆盖索引也是一个关键优化点。
如果原 SQL：
SELECT * FROM orders WHERE user_id = 10001;
可以优化为：
SELECT id, user_id, create_time
FROM orders
WHERE user_id = 10001;
并建立索引：
CREATE INDEX idx_cover ON orders(user_id, create_time);
这样可以实现：
Extra: Using index
即无需回表，性能显著提升。
再看分页优化问题：
SELECT * FROM orders ORDER BY id LIMIT 100000, 10;
这是典型的“深分页”，MySQL 会扫描前 100000 行再丢弃。
优化方式：
SELECT * FROM orders
WHERE id > 100000
ORDER BY id
LIMIT 10;
或者结合子查询：
SELECT * FROM orders
WHERE id >= (
SELECT id FROM orders ORDER BY id LIMIT 100000, 1
)
LIMIT 10;
避免无意义扫描。
索引不是越多越好，过多索引会带来：
· 写入性能下降
· 索引维护成本高
· 优化器选择错误路径
可以用如下语句查看索引使用情况：
SHOW INDEX FROM orders;
或者结合 performance_schema 分析热点 SQL。
最后一个容易忽略的点是统计信息：
ANALYZE TABLE orders;
当数据分布发生变化时，优化器可能做出错误决策，定期更新统计信息非常重要。
总结实战经验：
· 慢查询优化从 EXPLAIN 开始，而不是“猜”
· 联合索引要匹配 WHERE + ORDER BY
· 避免对索引字段做函数操作
· 覆盖索引是高性能关键手段
· 深分页必须改写 SQL
· 定期更新统计信息，避免优化器误判
MySQL 性能优化的本质，不是“调参数”，而是让数据访问路径尽可能短。谁减少了扫描，谁就赢了。
支付宝微信扫一扫，打赏作者吧～本文链接：https://kinber.cn/post/6481.html 转载需授权！
推荐本站淘宝优惠价购买喜欢的宝贝:
您阅读本篇文章共花了： 