MySQL 优化详解：从基础到高级全面指南
MySQL 优化是一个系统工程，涵盖查询优化、索引设计、配置调优、架构优化等多个层面。以下是详细的优化策略和方法：
一、SQL 语句优化
1. 查询优化基础
- 避免 SELECT *：只查询需要的列
-- 不推荐
SELECT * FROM users;
-- 推荐
SELECT id, name, email FROM users;- 使用 LIMIT 分页：大数据量时分页优化
-- 低效
SELECT * FROM articles LIMIT 10000, 20;
-- 高效 (使用索引列)
SELECT * FROM articles WHERE id > 10000 LIMIT 20;2. JOIN 优化
- 确保关联字段有索引
- 小表驱动大表原则
-- 假设 departments 是小表
SELECT * FROM departments d
JOIN employees e ON d.id = e.dept_id;3. 子查询优化
- 将子查询转为 JOIN
-- 不推荐
SELECT * FROM products
WHERE category_id IN (SELECT id FROM categories WHERE type = 'electronics');
-- 推荐
SELECT p.* FROM products p
JOIN categories c ON p.category_id = c.id
WHERE c.type = 'electronics';二、索引优化
1. 索引设计原则
- 最左前缀原则：联合索引 (a,b,c) 可支持 WHERE a=?、WHERE a=? AND b=? 等条件
- 区分度高的列建索引（如用户ID而非性别）
索引是MySQL性能优化的核心环节，合理的索引设计可以提升查询效率几个数量级。以下从索引原理、设计策略、优化技巧到实战案例进行全面解析。
一、索引底层原理
1. B+Tree索引结构
- 存储方式：平衡多路搜索树，InnoDB中每个索引都是一棵B+Tree
- 节点组成：
-
- 非叶子节点：存储键值和指向子节点的指针
- 叶子节点：存储键值和数据行指针（聚簇索引存储完整数据行）
- 特点：
-
- 所有叶子节点通过指针相连形成链表
- 非叶子节点不存储数据，只存储索引
- 通常3-4层即可存储千万级数据
2. 聚簇索引 vs 二级索引
| 特性 | 聚簇索引 | 二级索引 |
| 存储内容 | 完整数据行 | 索引列+主键值 |
| 数量限制 | 每表1个 | 每表多个 |
| 查询效率 | 直接获取数据 | 需要回表 |
| 示例 | PRIMARY KEY | UNIQUE/普通索引 |
二、索引类型详解
1. 普通索引
CREATE INDEX idx_name ON users(name);
- 最基本的索引类型
- 允许重复值和NULL值
2. 唯一索引
CREATE UNIQUE INDEX idx_email ON users(email);
- 保证列值的唯一性
- 允许NULL值（但只能有一个NULL）
3. 主键索引
ALTER TABLE users ADD PRIMARY KEY (id);
- 特殊的唯一索引
- 不允许NULL值
- 自动创建聚簇索引（InnoDB）
4. 联合索引
CREATE INDEX idx_name_age ON users(name, age);
- 多列组合索引
- 遵循最左前缀原则
5. 全文索引
ALTER TABLE articles ADD FULLTEXT INDEX ft_content (content);
- 专用于文本搜索
- 支持MATCH AGAINST语法
6. 空间索引
CREATE SPATIAL INDEX sp_location ON maps(coordinates);
- 用于地理空间数据
- 支持GIS函数计算
三、索引设计策略
1. 索引选择原则
- 高选择性：区分度=不重复值/总行数 > 10%
-- 计算列的选择性
SELECT COUNT(DISTINCT status)/COUNT(*) FROM orders; -- 区分度低
SELECT COUNT(DISTINCT user_id)/COUNT(*) FROM orders; -- 区分度高- 高频查询：WHERE/JOIN/ORDER BY/GROUP BY涉及的列
- 短字段优先：整型效率 > 字符串
2. 联合索引设计
- 最左前缀原则：
INDEX(a,b,c)支持a=?、a=? AND b=?、a=? AND b=? AND c=?，但不支持b=? - 列顺序策略：
-
- 区分度高的列在前
- 等值查询列在前，范围查询列在后
- 常用列在前
示例：
-- 良好设计
CREATE INDEX idx_region_age_gender ON users(region, age, gender);
-- 可优化为
CREATE INDEX idx_region_gender_age ON users(region, gender, age);
-- 理由：gender的等值查询通常比age的范围查询更常用3. 覆盖索引优化
- 定义：索引包含查询需要的所有字段，避免回表
- 实现方法：
-- 原始查询（需要回表）
SELECT id, name, age FROM users WHERE name LIKE '张%';
-- 优化为覆盖索引
CREATE INDEX idx_name_covering ON users(name, age);
-- 现在索引包含所有查询字段四、索引失效场景分析
1. 函数操作导致失效
-- 失效（对列使用函数）
SELECT * FROM users WHERE DATE_FORMAT(create_time,'%Y-%m') = '2023-01';
-- 优化方案
SELECT * FROM users WHERE create_time BETWEEN '2023-01-01' AND '2023-01-31';2. 隐式类型转换
-- user_id是INT类型，但传入字符串（导致索引失效）
SELECT * FROM users WHERE user_id = '1001';
-- 应改为
SELECT * FROM users WHERE user_id = 1001;3. 模糊查询通配符开头
-- 无法使用索引
SELECT * FROM users WHERE name LIKE '%张';
-- 可以使用索引
SELECT * FROM users WHERE name LIKE '张%';4. OR条件部分无索引
-- 只有name有索引，age无索引（全表扫描）
SELECT * FROM users WHERE name = '张三' OR age = 30;
-- 优化方案1：为age添加索引
-- 优化方案2：改写为UNION
SELECT * FROM users WHERE name = '张三'
UNION
SELECT * FROM users WHERE age = 30;5. 使用!=或NOT IN
-- 通常无法使用索引
SELECT * FROM users WHERE status != 1;
SELECT * FROM orders WHERE id NOT IN (1001, 1002);
-- 优化方案：考虑业务逻辑改写
SELECT * FROM users WHERE status IN (0, 2, 3);更多索引失效的场景：
https://zhuanlan.zhihu.com/p/22362255750
- 常见原因: 使用
OR、函数、范围查询、LIKE开头、NOT、IS NULL、DISTINCT等。 - 避免策略: 尽量避免在查询条件中使用这些情况，或者使用合适的索引（如组合索引、覆盖索引）来优化查询。
五、索引优化实战案例
案例1：分页查询优化
问题SQL：
SELECT * FROM orders ORDER BY id LIMIT 100000, 10;
优化方案：
-- 方案1：使用索引覆盖+延迟关联
SELECT * FROM orders o
JOIN (SELECT id FROM orders ORDER BY id LIMIT 100000, 10) t
ON o.id = t.id;
-- 方案2：记录上次查询的最大ID
SELECT * FROM orders WHERE id > 100000 ORDER BY id LIMIT 10;案例2：订单统计优化
问题SQL：
SELECT user_id, COUNT(*)
FROM orders
WHERE create_time > '2023-01-01'
GROUP BY user_id;优化方案：
-- 创建联合索引
CREATE INDEX idx_user_create ON orders(user_id, create_time);
-- 使用覆盖索引
SELECT user_id, COUNT(*)
FROM orders
WHERE create_time > '2023-01-01'
GROUP BY user_id;
-- 执行计划应显示"Using index"六、索引维护与管理
1. 索引监控
-- 查看索引使用情况
SELECT * FROM sys.schema_index_statistics
WHERE table_schema = 'your_db';
-- 查看冗余索引
SELECT * FROM sys.schema_redundant_indexes;2. 索引碎片整理
-- 查看碎片率
SELECT table_name, index_name,
ROUND(stat_value * @@innodb_page_size / 1024 / 1024, 2) size_mb,
stat_description
FROM mysql.innodb_index_stats
WHERE stat_name = 'size' AND database_name = 'your_db';
-- 重建索引
ALTER TABLE orders ENGINE=InnoDB;
-- 或
OPTIMIZE TABLE orders;3. 索引生命周期管理
- 新建索引：上线前在测试环境验证效果
- 监控调整：通过性能监控评估索引效果
- 下线清理：定期清理使用率低的冗余索引
七、高级索引技术（MySQL 8.0+）
1. 降序索引
CREATE INDEX idx_desc ON orders(create_time DESC, amount ASC);
-- 优化 ORDER BY create_time DESC, amount ASC2. 函数索引
-- 创建基于函数的索引
CREATE INDEX idx_name_lower ON users((LOWER(name)));
-- 查询使用
SELECT * FROM users WHERE LOWER(name) = '张三';3. 隐藏索引
-- 测试删除索引影响
ALTER TABLE users ALTER INDEX idx_name INVISIBLE;
-- 恢复可见
ALTER TABLE users ALTER INDEX idx_name VISIBLE;索引优化检查清单
- 所有高频查询条件都有合适索引
- 联合索引列顺序遵循最左前缀原则
- 避免出现索引失效场景
- 大表查询尽量使用覆盖索引
- 定期监控和清理冗余索引
- 为排序和分组操作建立适当索引
通过深入理解索引原理并结合实际业务场景进行优化，可以显著提升MySQL查询性能。建议结合EXPLAIN分析工具持续优化索引策略。
使用Explain查询sql执行过程进一步优化
参见下一篇博客