封面图片

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

原理：为频繁筛选或排序的列建立合适的索引，避免全表扫描。
实现：使用 B-Tree、哈希索引或覆盖索引。

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 DESCLIMIT 10;

方案 B：查询重写与分页优化

原理：通过拆分复杂 SQL，避免大范围排序与联表；优化分页查询。
实现：利用覆盖索引分页、二次过滤或游标。

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 ordersWHERE user_id = 1234AND created_at < @last_timeORDER BY created_at DESC LIMIT 20;

方案 C：分区表 & 分库分表

原理：通过按时间或用户 ID 手动/自动划分表或数据库，减少单表或单库数据量。
实现：MySQL 原生分区、Proxy 层分片、ShardingSphere 等。

示例：按月份进行分区：

ALTER TABLE ordersPARTITION 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）

原理：将热点查询结果缓存在内存中，减少数据库压力。
实现：使用 Redis 哈希、Sorted Set 或自定义缓存策略。

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

典型 SQL：按照用户查询、按下单时间倒序分页。
初始数据：orders 表记录量 5000 万，按页码分页时 5000 页后响应时间超 2s。

优化前 EXPLAIN：

+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
| id | select_type | table  | type | possible_keys | key  | rows    | Extra                |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
|  1 | SIMPLE      | orders | ALL  | NULL          | NULL | 50000000| Using filesort       |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+