问题背景介绍
在大型互联网或企业级应用中，数据库往往成为系统性能的瓶颈。随着数据量和并发量的增长，单一的 SQL 查询可能出现响应迟缓、锁等待、全表扫描等性能问题。为保证系统的稳定性和用户体验，需要对 SQL 查询做深入的调优。常见的调优手段包括索引优化、查询重写、分库分表、缓存方案等。本文将从多种方案入手，对比分析各自优缺点，并结合真实生产环境案例展示调优效果。
多种解决方案对比
方案 A：索引优化
示例：为订单表的 user_id 和 created_at 建联合索引：
ALTER TABLE orders ADD INDEX idx_user_created (user_id, created_at DESC);
使用 EXPLAIN 查看执行计划：
EXPLAIN SELECT * FROM orders WHERE user_id = 1234 ORDER BY created_at DESC LIMIT 10;
方案 B：查询重写与分页优化
示例：传统高页码分页会严重影响性能：
SELECT * FROM orders WHERE user_id = 1234 ORDER BY created_at DESC LIMIT 100000, 20;
重写为“基于最后读取位置的分页”：
-- 前一页最后一行的 created_at 值 SET @last_time = '2024-07-01 12:34:56'; SELECT * FROM orders WHERE user_id = 1234 AND created_at < @last_time ORDER BY created_at DESC LIMIT 20;
方案 C：分区表 & 分库分表
示例：按月份进行分区：
ALTER TABLE orders
PARTITION BY RANGE (TO_DAYS(created_at)) (
PARTITION p202407 VALUES LESS THAN (TO_DAYS('2024-08-01')),
PARTITION p202408 VALUES LESS THAN (TO_DAYS('2024-09-01'))
);
方案 D：缓存层（Redis）
示例：通过 Spring Cache 简单集成：
@Service
public class OrderService {
@Cacheable(value = "orderList", key = "#userId")
public List<Order> getRecentOrders(long userId) {
return orderMapper.findByUserOrderByCreatedAt(userId, 20);
}
}
各方案优缺点分析
| 方案 | 优点 | 缺点 |
|---|---|---|
| 索引优化 | 最基础、低成本；即插即用；显著减少全表扫描 | 建索引占用空间；写入性能略有下降；对复杂查询提升有限 |
| 查询重写 | 针对性强；可解决分页等特定问题 | 代码层复杂度上升；需分析不同场景重写策略 |
| 分区/分表 | 支撑超大规模数据；单表/单库规模可控 | 设计和运维复杂；跨分区/跨库查询难；可能导致跨库事务问题 |
| 缓存层 | 减少数据库压力；提升响应速度 | 缓存一致性、热点失效、二级缓存上下文复杂 |
选型建议与适用场景
数据量中等（百万级）且查询模式稳定：优先考虑 方案 A：索引优化 与 方案 B：查询重写。低成本、风险小。
业务增长迅速、表数据量突破千万甚至亿级：结合 方案 C：分区表/分库分表。大型电商、日志系统等。
热点数据重复访问高：在以上方案基础上引入 方案 D：缓存层。防止缓存雪崩采用双层缓存或预热策略。
混合场景：可按业务模块拆分策略（OLTP 与 OLAP 分离），或采用 HTAP 数据库（如 TiDB）兼顾多种需求。
实际应用效果验证
场景：电商订单列表查询
优化前 EXPLAIN：
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+ | id | select_type | table | type | possible_keys | key | rows | Extra | +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+ | 1 | SIMPLE | orders | ALL | NULL | NULL | 50000000| Using filesort | +----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
综合来看，方案 A + 方案 B 是快速见效的低成本首选；方案 C + 方案 D 可结合应对超高并发与 PB 级数据量。
到此这篇关于MySQL中SQL查询常见调优方案对比与实践的文章就介绍到这了,
