大数据量表的查询慢，核心问题往往不在SQL写法本身，而在于索引是否匹配查询模式、数据分布是否合理、以及执行计划是否被正确引导。优化不是堆索引，而是让索引真正“被用上”且“高效覆盖”。
精准匹配查询条件建索引
索引不是越多越好，关键看WHERE、JOIN、ORDER BY中实际出现的字段组合。单列索引对多条件查询效果有限，应优先考虑复合索引，并遵循最左前缀原则。
- 例如查询常写成 WHERE status = 'done' AND create_time > '2024-01-01' ORDER BY update_time DESC，适合建 (status, create_time, update_time) 复合索引
- 把高区分度字段（如 status）放前面，能更快过滤；范围查询字段（如 create_time）尽量靠后，避免阻断索引下推
- 避免在索引字段上做函数操作，比如 WHERE DATE(create_time) = '2024-01-01' 会让索引失效，改用 create_time >= '2024-01-01' AND create_time
覆盖索引减少回表开销
当查询只涉及索引包含的字段时，数据库可直接从索引页返回结果，无需再回主键索引查整行数据——这对IO密集型大表尤为关键。
住哪API酒店+租车源码包
下载
数据本地化解决接口缓存数据无限增加，读取慢的问题，速度极大提升更注重SEO优化优化了系统的SEO，提升网站在搜索引擎的排名，增加网站爆光率搜索框本地化不用远程读取、IFRAME调用，更加容易应用及修改增加天气预报功能页面增加了天气预报功能，丰富内容增加点评和问答页面增加了点评和问答相关页面，增强网站粘性电子地图优化优化了电子地图的加载速度与地图功能酒店列表增加房型读取酒店列表页可以直接展示房型，增
- 例如表有 id、user_id、status、content、create_time 字段，但常用查询是 SELECT user_id, status, create_time FROM t WHERE status = 'pending'，可建索引 (status, user_id, create_time)
- 注意：不要盲目把所有SELECT字段都加进索引，尤其含 TEXT/BLOB 或长字符串字段会显著增大索引体积
- 用 EXPLAIN 检查 Extra 列是否出现 Using index，确认走的是覆盖扫描
分区+索引协同降低扫描量
单表超千万甚至上亿行时，即使有索引，全索引扫描仍可能很慢。按时间或业务维度分区（如按月分表或使用 RANGE/LIST 分区），能让查询自动裁剪到少数分区，再配合分区本地索引，效率跃升。
- 日志类、订单类表适合按 create_time 做 RANGE 分区，每月一个分区；查询最近7天数据时，仅访问2–3个分区
- 分区键最好与查询条件强相关，否则无法生效；同时确保每个分区内的数据量相对均衡
- MySQL 8.0+ 支持 ALTER TABLE ... REORGANIZE PARTITION 动态管理，避免手动拆分表
定期维护索引统计与碎片
数据持续写入会导致索引页分裂、统计信息过期，使优化器误判成本，选错执行计划。尤其在批量导入或高频更新后，必须干预。
- 执行 ANALYZE TABLE t 更新索引基数和数据分布统计，帮优化器更准估算行数
- InnoDB 表长期增删后可用 OPTIMIZE TABLE t（本质是重建表+索引），释放碎片空间；但注意该操作会锁表，建议在低峰期进行
- 监控 information_schema.INNODB_METRICS 中的 index_page_splits 和 index_page_reorgs，异常升高提示索引设计或写入模式需调整
不复杂但容易忽略。索引优化的本质是让数据组织方式贴合查询路径，而不是追求“全覆盖”或“全加速”。每次加索引前，先看慢查询日志里真实执行的语句和 EXPLAIN 结果，再动手。
