一、前言
- SQL调优是提升数据库性能的关键手段。
- 需结合索引优化、SQL语句优化、执行计划分析及数据库架构设计等多方面综合处理。
二、索引优化
- 创建合适索引
- 高频查询字段：对WHERE、JOIN、ORDER BY涉及的字段创建索引，尤其是区分度高的字段（如用户ID）。
- 覆盖索引：通过包含查询所需字段的联合索引，减少回表查询（如INDEX (a, b)覆盖SELECT a, b FROM table）。
- 避免冗余索引：联合索引的顺序需匹配查询条件（如WHERE a=? AND b=?适合(a,b)索引）。
- 索引失效场景
- 对索引列进行函数计算（如WHERE YEAR(date_column)=2025）。
- 类型不匹配（如字符串字段用数字查询）。
- 模糊查询以通配符开头（LIKE ‘%abc’）。
三、SQL语句优化
- 减少数据扫描
- 仅查询必要字段：避免SELECT *，减少数据传输量。
- 分页优化：大表分页时，避免LIMIT 100000, 10，改用WHERE id 100000 LIMIT 10（基于有序主键）。
- 简化复杂查询
- 用JOIN替代子查询：子查询易导致全表扫描，改用INNER JOIN或EXISTS。
- 避免全表扫描：通过EXPLAIN检查是否命中索引，关注type=ALL的查询。
- 聚合与排序优化
- 预计算统计值：对频繁统计的字段（如COUNT、SUM）可定期预存结果。
- 利用索引排序：对ORDER BY字段加索引，避免临时表排序（Using filesort）。
四、执行计划与统计信息
- 分析执行计划
- 用EXPLAIN查看执行步骤，需关注： key（使用的索引）、rows（扫描行数）、Extra（是否出现临时表或文件排序）。
- 强制索引：在优化器选择不当时，通过FORCE INDEX干预（如SELECT FROM table FORCE INDEX(idx_a)）。
- 更新统计信息
- 数据库依赖统计信息选择执行计划，定期更新表统计信息（如ANALYZE TABLE）。
五、数据库架构设计优化
- 分库分表
- 水平拆分：按时间或哈希键拆分大表（如日志表按月分区）。
- 垂直拆分：将宽表拆分为高频字段和低频字段表，减少单行数据量。
- 读写分离与缓存
- 主从架构：将读请求分流到从库，减轻主库压力。
- 缓存热点数据：使用Redis缓存高频查询结果（如用户信息）。
六、高级调优技巧
- 参数调优
- 内存分配：调整缓冲池大小（如innodbbufferpool_size），减少磁盘IO。
- 并发控制：合理设置连接池大小（避免过多连接争抢资源）。
- 并行查询
- 对大查询启用并行执行（如/PARALLEL(8) /），利用多核资源加速。
- 下推计算
- 将过滤、聚合操作下推到存储层执行（如TiDB的LogicalView优化）。
七、实战案例
原语句：SELECT FROM orders LIMIT 9000000, 10（耗时17秒）。
优化后：SELECT FROM orders WHERE id 9000000 ORDER BY id LIMIT 10（耗时0.3秒）。
原语句：子查询导致全表扫描。
优化后：改用INNER JOIN并添加联合索引，执行时间从5秒降至50毫秒。
八、总结
- SQL调优需结合具体场景，通过分析执行计划、优化索引与语句、调整数据库架构逐步解决问题。
- 调优后需持续监控性能，并随着数据增长动态调整策略。
- 对于复杂系统，可借助数据库内置工具（如TiDB的慢查询日志、执行计划管理）或第三方监控平台（如Prometheus）分析。
