explain显示走索引但函数调用仍慢，根本原因是函数阻止索引下推且标量函数逐行执行；应避免where中对索引列用函数，改用范围查询。
为什么 EXPLAIN 看起来没问题，但函数调用还是慢？
MySQL 中自定义函数（UDF）或内置函数（如 DATE_FORMAT()、JSON_EXTRACT()）在 WHERE 或 SELECT 中高频使用时，常成为性能瓶颈——即使 EXPLAIN 显示走了索引，实际执行仍卡顿。根本原因在于：函数会阻止索引下推（Index Condition Pushdown），甚至导致全表扫描；更隐蔽的是，标量函数在每行数据上重复执行，无法被优化器提前剪枝。
实操建议：
- 避免在
WHERE子句中对索引列使用函数，例如把WHERE DATE(create_time) = '2024-01-01'改成WHERE create_time >= '2024-01-01' AND create_time - 对 JSON 字段慎用
JSON_EXTRACT()做条件过滤，优先考虑生成虚拟列并建索引：ALTER TABLE t ADD COLUMN status INT AS (JSON_EXTRACT(data, '$.status')) STORED, ADD INDEX idx_status(status) - 确认函数是否为「确定性」（DETERMINISTIC）：非确定性函数（如含
NOW()、RAND()）无法被缓存，且可能干扰查询重写
哪些 MySQL 函数天生就慢？怎么绕开？
不是所有函数都适合线上高频调用。以下几类需特别警惕：
-
LIKE '%xxx'：左侧通配符必然放弃索引，改用全文索引（FULLTEXT）或倒排表 + ES 同步 -
CONCAT()在大字段上拼接（尤其含TEXT类型）会触发隐式转换和临时表，可提前在应用层拼接或用生成列固化 -
GROUP_CONCAT()无ORDER BY时行为不可控，且受group_concat_max_len限制，超长会被截断；若用于分组聚合展示，优先考虑应用层组装 -
MD5()/SHA1()等哈希函数 CPU 开销大，批量计算时易拖慢 QPS，应尽量前置到写入阶段计算并存储
如何定位是函数本身慢，还是函数+数据联合慢？
单看慢日志（slow_query_log）只能知道整条 SQL 慢，无法拆解函数耗时。必须结合运行时诊断：
- 启用
performance_schema并查询events_statements_history_long，过滤出含函数名的 SQL，观察TIMER_WAIT和LOCK_TIME占比 - 用
sys.statement_analysis视图快速识别高延迟函数调用模式，例如：SELECT * FROM sys.statement_analysis WHERE query LIKE '%JSON_EXTRACT%' - 对疑似慢函数做隔离测试：单独执行
SELECT func(col) FROM t LIMIT 1000，对比SELECT col FROM t LIMIT 1000的执行时间，差值即为函数开销基准
UDF 和存储函数有哪些隐藏代价？
自定义函数（尤其是 C/C++ 编写的 UDF）看似灵活，但极易引入稳定性与性能问题：
- UDF 每次调用都需跨用户态/内核态，上下文切换成本高；若函数内部有网络/磁盘 I/O（比如调外部 HTTP 接口），会彻底阻塞整个连接线程
- 存储函数（
CREATE FUNCTION）默认以DETERMINISTIC声明，但若实际非确定却未声明NOT DETERMINISTIC，会导致主从不一致或复制中断 - 函数返回值类型不匹配（如定义为
INT却返回字符串）会触发隐式转换，且该转换发生在每一行，放大 CPU 使用率 - MySQL 8.0+ 对函数内联支持有限，无法像 PostgreSQL 那样自动内联展开，复杂逻辑仍需解释执行
真正棘手的从来不是“怎么写函数”，而是“要不要在这里用函数”。多数场景下，把计算逻辑下沉到应用层、或用物化视图/汇总表预计算，比硬扛一个慢函数更可靠。
