使用连接池、预处理语句、批量操作和合理索引可显著提升Go应用数据库性能，避免SELECT *并根据场景选择ORM或原生SQL。
数据库查询性能直接影响应用的响应速度和资源消耗。在 Golang 中，优化数据库查询不仅仅是写好 SQL，还包括连接管理、预处理语句、批量操作以及 ORM 的合理使用。以下是几个关键实践，帮助你在 Go 项目中提升数据库访问效率。
使用连接池控制并发访问
Go 的 database/sql 包原生支持连接池，但默认配置可能不适合高并发场景。合理设置最大连接数、空闲连接数和连接生命周期，可以避免频繁创建连接带来的开销，同时防止数据库过载。
建议根据实际负载调整以下参数：
- SetMaxOpenConns：限制最大打开连接数，防止数据库承受过多并发连接
- SetMaxIdleConns：保持适量空闲连接，减少新建连接的延迟
- SetConnMaxLifetime：设置连接的最大存活时间，避免长时间运行后出现网络问题或数据库重启导致的失效连接
例如：
立即学习“go语言免费学习笔记（深入）”；
db.SetMaxOpenConns(50) db.SetMaxIdleConns(10) db.SetConnMaxLifetime(time.Hour)
优先使用预处理语句（Prepared Statements）
对于频繁执行的查询，使用预处理语句能显著提升性能。数据库可以缓存执行计划，减少 SQL 解析和编译的开销。在 Go 中，可以通过 Prepare 或 PrepareContext 创建预处理语句，并重复使用。
尤其适用于循环插入或更新的场景：
stmt, err := db.Prepare("INSERT INTO users(name, email) VALUES(?, ?)")
if err != nil {
log.Fatal(err)
}
defer stmt.Close()
for _, user := range users {
stmt.Exec(user.Name, user.Email)
}
注意：避免在循环内调用 Prepare，否则失去预处理的意义。
批量操作减少 round-trip 开销
单条插入或更新在大量数据时效率极低。使用批量插入（如 MySQL 的 INSERT ... VALUES(...), (...), (...)）可以大幅减少网络往返次数。
你可以手动拼接 SQL，或借助第三方库如 sqlx 或 squirrel 构建安全的批量语句。
示例：
query := "INSERT INTO logs(event, time) VALUES "
values := []interface{}{}
for _, log := range logs {
query += "(?, ?),"
values = append(values, log.Event, log.Time)
}
query = strings.TrimSuffix(query, ",")
_, err := db.Exec(query, values...)
注意 SQL 长度限制，必要时分批提交（如每 1000 条一批）。
合理使用索引并避免 SELECT *
即使代码再高效，糟糕的 SQL 仍会拖慢整体性能。确保查询条件中的字段已建立合适索引，尤其是 WHERE、JOIN 和 ORDER BY 涉及的列。
同时，避免使用 SELECT \*，只选择真正需要的字段。这能减少网络传输量和内存占用，特别是在大表或多表联查时效果明显。
例如：
立即学习“go语言免费学习笔记（深入）”；
rows, err := db.Query("SELECT id, name FROM users WHERE status = ?", "active")
选择合适的 ORM 或使用原生 SQL
ORM 如 GORM 提供便捷的开发体验，但可能生成低效 SQL 或隐藏性能问题。在性能敏感场景，建议：
- 对复杂查询使用原生 SQL + database/sql 或 sqlx
- 若使用 GORM，启用日志查看实际执行的 SQL，避免 N+1 查询
- 使用 Select 明确字段，避免加载冗余数据
例如，GORM 中可通过 FindInBatches 处理大数据集，避免内存溢出。
基本上就这些。关键是理解查询路径上的每一环：从连接管理到 SQL 生成，再到结果处理。通过监控慢查询日志、使用 pprof 分析耗时，持续优化才能让数据库层真正高效。
