当前位置：首页 > news >正文

索引+Explain搞定慢查询全流程

news 2026/8/9 9:44:15

索引+Explain搞定慢查询全流程

做后端开发的人大概率都遇过这种惊魂时刻：凌晨三点运维群突然弹出几十条告警，原本响应在1秒以内的订单列表接口，突然飙升到十几秒，前端页面转半天加载不出来，用户投诉瞬间涌进客服后台。排查一圈下来，硬件CPU、内存使用率都很正常，最后定位到一条不起眼的统计SQL，在千万级订单表里跑了12秒，直接把数据库连接池占满拖垮了整个服务。很多人写SQL的时候总觉得“数据量不大随便写就行”，等到业务规模上来，才发现一条没优化的慢查询，就能把整个系统的性能拖到谷底。今天我们就从真实的电商生产案例出发，把SQL优化、索引设计、执行计划分析这些能力拆解成普通人也能直接落地的步骤，帮你彻底告别慢查询带来的线上故障。

一、SQL优化的底层核心逻辑

很多新手对SQL优化的认知停留在“给字段加个索引”，实际上它是一套覆盖需求设计、表结构定义、语句编写、线上运维的完整工程体系。想要做好调优，首先要搞清楚一条SQL从客户端发出来，到最终返回结果，数据库内部到底经历了什么流程：请求先经过语法解析、语义校验，查询优化器会生成多条候选执行路径，从中挑选预估成本最低的方案，最后通过存储引擎从磁盘读取数据返回给业务侧。我们做优化的本质，就是帮优化器避开错误的执行路径，用最少的磁盘IO、CPU计算和内存占用完成数据检索。

1、优先压缩数据扫描范围

所有SQL优化的第一原则，就是尽可能减少需要扫描的数据行数。很多开发写查询习惯直接用SELECT *，哪怕业务只需要3个字段，也会把整张表的所有字段全部读取出来，不仅产生大量不必要的磁盘IO，还会让数据库无法使用覆盖索引优化，必须额外回表读取数据。在千万级订单表中，一条全字段查询可能要扫描几十万行数据，而如果只提取订单号、用户ID、订单金额这三个业务必需字段，数据读取量可以直接降低70%以上。

2、避开索引失效的隐形陷阱

不少场景下我们明明给字段加了索引，执行计划里依然显示全表扫描，这就是典型的索引失效问题。最常见的错误写法就是在WHERE条件的索引字段上套函数，比如写WHERE DATE(create_time) = '2025-01-01'，数据库无法直接利用create_time字段上的索引，只能逐行读取数据计算函数结果再做过滤。正确的写法应该把函数操作移到常量侧，改成`WHERE create_time >= '2025-01-01 00:00:00' AND create_time

`了创建我们比如。生效索引触发正常才能，字段的左侧最索引到匹配连续只有条件查询，排序进行字段对依次右到左从会索引联合，基础核心的设计索引是原则匹配左最的索引联合

实战匹配左最的索引联合、1

。规则设计的体系成一套遵循必须，索引加字段哪个给随手就字段哪个想到不能绝对，的时候设计索引做在我们。存储空间磁盘大量占用同时，性能的删除、更新、插入数据降低大幅会索引的过多，越好越多不是绝对索引，但百倍上甚至几十提升速度查询把就能索引的合理设计一个，手段的最高性价比里优化SQL是索引

示例策略索引的落地直接可、二##

。操作耗时这类读写文件、调用接口远程执行中事务在不能绝对，操作读写数据库的必要保留只内部事务，之外事务放到逻辑计算业务把，范围覆盖的事务缩小尽可能就是思路核心的优化。速度响应的数据库整个垮拖会就之后堆积请求大量，阻塞被都会操作修改的数据一条同对会话其他期间这，事务提交才之后几秒，计算业务做接口第三方多个了调用同步之后，查询一条了执行先里事务一个比如。等待锁的引发事务大是背后实际上，慢查询SQL是看上表面问题性能很多

堆积锁连锁避免范围事务缩小、3

。失效索引导致直接都会，点坑踩的频最高中开发日常都是，细节这些查询模糊的开头%以、字段的索引建立未全部连接OR使用、转换类型式隐，除此之外。倍数十提升直接效率查询，可用性的索引保留完整就能这样，'95:95:32 10-10-5202 '

我在电商订单系统做优化的过程中就遇到过典型案例，当时开发同学给订单表单独创建了user_id、order_status、create_time三个独立索引，但是实际运行的时候数据库只能选择其中一个索引，查询效率依然很低。后来我们梳理了所有高频查询场景，把三个字段调整为联合索引，原本需要扫描十几万行的查询，优化之后只需要扫描几十行数据，查询速度直接提升了近百倍。

2、覆盖索引的极致优化技巧

覆盖索引指的是SQL查询的所有字段都完整包含在联合索引里，数据库不需要回到主键索引中读取完整的行数据，直接通过索引就能返回所有需要的结果，这种优化方式可以大幅减少随机IO的次数，是性能提升效果最明显的手段之一。

举一个实际的业务场景，我们需要查询某个用户最近30天的订单编号和订单金额，最开始的SQL是这样写的：

sql

SELECT order_no, order_amount

FROM order

WHERE user_id = 12345 AND create_time >= '2025-07-01'

如果我们只给user_id字段创建普通索引，数据库需要先通过二级索引找到符合条件的主键ID，再根据主键ID回表两次读取数据，才能拿到order_no和order_amount字段。后来我们把联合索引调整为idx_user_create_no_amount(user_id, create_time, order_no, order_amount)，这样整个查询需要的所有字段都包含在索引里，数据库不需要任何回表操作，直接遍历索引就能返回全部结果，在百万级数据量下，这条查询的执行时间从原来的300毫秒降低到了不到10毫秒。

3、索引冗余与删减的平衡策略

很多开发团队的数据库里经常存在大量冗余索引，比如已经创建了联合索引(a,b)，又单独创建了索引(a)，后者就是完全冗余的，因为联合索引本身就可以作为a字段的独立索引使用，完全不需要重复创建。我们定期做数据库运维的时候，需要先梳理所有冗余索引进行清理，避免影响写入性能。

同时我们也要注意不能过度追求索引数量，一张业务表的索引数量最好控制在5个以内，每新增一个索引，表的INSERT、UPDATE操作都需要同步更新所有索引的数据，写入性能会成倍下降。我之前接触过一个用户表，开发同学为了覆盖所有可能的查询场景，创建了17个索引，结果用户注册接口的写入耗时超过了2秒，清理掉11个完全没用的低频索引之后，写入性能直接提升了5倍以上。

三、查询优化案例：Explain对比实战

很多人调优SQL的时候全靠猜，不知道数据库实际是怎么执行这条语句的，而Explain就是我们打开数据库执行黑盒的钥匙，在SELECT语句前面加上EXPLAIN关键字，就能拿到数据库生成的执行计划，清晰看到扫描行数、使用的索引、连接方式这些核心信息，直接定位慢查询的根本原因。

1、Explain核心字段解读

Explain返回的结果里有几个字段是我们调优的时候必须重点关注的：第一个是type字段，它代表了数据库查询的访问类型，性能从好到差依次是system > const > eq_ref > ref > range > index > ALL，一旦出现ALL就代表当前语句触发了全表扫描，是我们优化的首要目标。第二个是rows字段，代表数据库预估需要扫描的行数，这个数值越大，说明查询需要消耗的资源越多。第三个是Extra字段，这里会显示很多额外的执行信息，出现Using filesort就代表数据库无法利用索引完成排序，产生了文件排序操作，出现Using temporary就代表查询使用了临时表，通常出现在GROUP BY、多表关联的复杂场景里，这两个状态都是典型的性能风险点。

2、千万级订单表慢查询优化前后对比

我们用一个真实的线上慢查询案例来做完整的对比，这是电商系统里统计用户某月订单总金额的语句，优化前的SQL是这样写的：

sql

SELECT user_id, SUM(order_amount) AS total_amount

FROM order

WHERE order_status = 1 AND create_time BETWEEN '2025-01-01' AND '2025-01-31'

GROUP BY user_id

这条语句在千万级的订单表里执行耗时超过了12秒，我们用Explain查看优化前的执行计划：

表格

id select_type table type possible_keys key rows Extra

1 SIMPLE order ALL NULL NULL 12560000 Using where; Using temporary; Using filesort

从执行计划里可以清晰看到，type是ALL代表全表扫描，预估需要扫描1256万行数据，Extra里同时出现了Using temporary和Using filesort，数据库需要创建临时表完成分组操作，还需要对结果进行文件排序，这就是查询耗时极高的根本原因。

我们针对这个高频统计场景，创建联合索引idx_status_create_amount(order_status, create_time, user_id, order_amount)，优化之后再用Explain查看执行计划：

表格

id select_type table type possible_keys key rows Extra

1 SIMPLE order range idx_status_create_amount idx_status_create_amount 126800 Using where; Using index

优化之后type变成了range，只需要扫描12万多行数据，相比之前的1256万行减少了99%以上的扫描量，Extra里的Using temporary和Using filesort完全消失，还出现了Using index代表触发了覆盖索引，这条SQL的执行耗时直接从12秒降低到了不到200毫秒，性能提升了60倍以上。

3、多表关联查询的Explain调优方法

多表JOIN关联是最容易出现性能问题的场景，很多新手写SQL的时候习惯一次性JOIN五六张表，最后导致整个查询的执行效率极低。优化多表关联的核心原则就是小表驱动大表，让数据量小的表作为驱动表，外层循环的次数尽可能少，同时保证被驱动表的关联字段上创建有索引，避免被驱动表反复全表扫描。

我之前处理过一个三张表关联的慢查询，关联逻辑是用户表、订单表、商品表，最开始的写法没有任何索引，执行耗时超过了8秒。我们通过Explain分析发现，驱动表选择了千万级的订单表，导致外层循环次数极多，同时被驱动表的关联字段没有索引，每次关联都要全表扫描。我们调整了关联顺序，让只有几十万行的用户表作为驱动表，同时给订单表的user_id字段、商品表的order_id字段都创建合适的索引，优化之后整个查询的执行时间降低到了30毫秒以内，完全满足线上业务的响应要求。

四、生产环境进阶优化经验

除了前面提到的基础方法，在真实的生产环境里，我们还会遇到很多复杂场景的性能问题，这些实战经验是很多教程里不会提到的，却能帮你解决很多棘手的线上故障。

1、分页深翻页的性能优化

很多网站的列表分页功能，当用户翻到第几十页之后，会出现查询越来越慢的情况，这就是典型的深翻页问题。常见的写法是LIMIT 100000, 20，数据库需要先扫描10万零20行数据，然后丢弃前面的10万行，只返回最后20行，这个过程会产生大量不必要的IO消耗。优化的方案就是利用延迟关联，先通过覆盖索引找到第10万条之后的主键ID范围，再通过主键关联查询需要的完整字段，优化之后的写法示例如下：

sql

SELECT a.*

FROM order a

INNER JOIN (

SELECT id

FROM order

WHERE user_id = 12345

ORDER BY id

LIMIT 100000, 20

) b ON a.id = b.id

这种优化方式可以把深翻页的查询速度提升几十倍，在百万级数据量下也能保持稳定的响应速度。

2、批量操作的性能提升技巧

很多开发同学处理批量数据的时候，会在循环里逐条执行INSERT语句，连接数据库的次数成千上万，接口耗时直接飙升到十几秒。正确的做法是把多条记录合并成一条批量INSERT语句，一次性提交给数据库执行，原本需要几十次网络交互的操作，一次就能完成，写入性能可以提升数倍。同时我们也要注意批量操作的单次提交数据量不要太大，建议单次控制在100到500行之间，避免单次数据包过大引发数据库性能抖动。

3、慢查询监控体系的搭建

SQL调优不能只靠线上出了问题之后再紧急排查，我们需要提前搭建完整的慢查询监控体系，在数据库里开启慢查询日志，把执行时间超过200毫秒的SQL语句全部记录下来，每天定时对慢日志进行分析，提前发现潜在的性能风险。很多团队就是因为没有慢查询监控，等到数据量突破临界值之后才发现大量慢查询集中爆发，最后引发严重的线上故障。