紧急止损应立即kill执行delete的线程：mysql用kill线程id，postgresql用pg_cancel_backend(pid)，sql server用kill spid；同时须严格规范delete必须带索引where条件，并分批处理避免锁表与性能恶化。
DELETE 语句没加 WHERE 就执行了，怎么紧急止损？
直接 kill 连接是最有效的止损方式。MySQL 中用 KILL <code>查到的线程 ID（先查 SHOW PROCESSLIST 找正在执行 DELETE 的线程）；PostgreSQL 用 SELECT pg_cancel_backend(<code>pid)；SQL Server 用 KILL <code>spid。别等它自己跑完——全表扫描 + 行锁 + binlog 写入可能让数据库卡死十几分钟。
- 生产环境所有 DELETE 必须带 WHERE，且 WHERE 字段要有索引
- 开发阶段在连接串里加
sql_mode=STRICT_TRANS_TABLES,NO_AUTO_CREATE_USER,NO_ENGINE_SUBSTITUTION（MySQL），能阻止无 WHERE 的 DELETE（5.7+ 默认启用） - 临时补救：如果已开始删但还没结束，
SHOW ENGINE INNODB STATUS可看当前事务锁情况，判断是否还能抢在锁升级前中断
为什么 LIMIT 1000 的 DELETE 还很慢？
因为 DELETE FROM t WHERE status = 'old' LIMIT 1000 不代表只扫描 1000 行——它会先全表/全索引扫描匹配所有 status = 'old' 的行，再取前 1000 条删。当匹配行数达百万级时，I/O 和锁开销巨大。
- 改用基于主键分页：先查出一批
id，再删，例如SELECT id FROM t WHERE status = 'old' ORDER BY id LIMIT 1000;
拿到结果后执行DELETE FROM t WHERE id IN (1,2,3,...);
- 确保
WHERE条件字段（如status）和排序字段（如id）有联合索引，比如INDEX(status, id) - 避免在大表上用
ORDER BY RAND()或函数索引条件，它们强制全表扫描
MySQL 中 DELETE 走不了索引？检查这三点
常见现象是 EXPLAIN DELETE FROM t WHERE created_at 显示 <code>type: ALL（全表扫描）。根本原因往往不是 SQL 写错，而是索引失效。
前后台订单管理页添加商品缩图显示 后台系统设置可直接对商品缩图大小进行设置 去掉商品图片水印功能 上传一张图片,可同时生成列表页缩图及商品详细页缩图,以不同的大小满足页面不同的需要 商品收藏添加批量删除功能 修改商品详细页会员等级显示BUG 优化缩图生成功能(注:因此次优化已更换上传内核,所以有可能会影响已上传商品图片数据) 加入简繁转换 前台订单管理添加单订单在线支付功能 修正VS081样式前台
- 字段类型不一致：
created_at是DATETIME，但传参用了字符串'2022-01-01'—— MySQL 会隐式转换，导致索引失效；应统一用'2022-01-01 00:00:00' - 使用了函数：
WHERE DATE(created_at) 会让索引失效；改写为 <code>WHERE created_at - 索引列上有 IS NULL / IS NOT NULL 判断，且该列允许 NULL：MySQL 8.0 前对 NULL 的索引支持弱，建议设为
NOT NULL DEFAULT '1970-01-01'并统一填充默认值
PostgreSQL 批量 DELETE 卡住，其实是事务膨胀
PostgreSQL 没有真正的“删除”，只是标记 dead tuple。如果批量 DELETE 在长事务里执行，或者 autovacuum 跟不上，dead tuple 积压会导致查询变慢、磁盘暴涨、甚至触发 ERROR: out of shared memory。
- 切忌在一个事务里删几十万行；拆成每批 1000–5000 行，中间加
COMMIT - 检查
pg_stat_all_tables.n_dead_tup，如果远大于n_live_tup，说明 vacuum 滞后，手动执行VACUUM VERBOSE t; - 对高频删除表，调高
autovacuum_vacuum_scale_factor（比如从 0.2 降到 0.05），并设小一点的autovacuum_vacuum_threshold
大表删数据不是拼 SQL，是拼索引设计、事务粒度和 vacuum 节奏。最容易被忽略的是：删完不 vacuum，等于把问题留给下一次查询。
