面试考察点

1. 系统性思维：面试官不仅仅想知道你会不会加索引，更想考察你是否具备从”发现问题 → 定位问题 → 解决问题 → 验证效果”的完整调优思路。
2. 工具掌握度：考察你是否熟练使用 EXPLAIN、SHOW PROFILE、慢查询日志 等调优工具，能否从执行计划中识别性能瓶颈。
3. 原理理解深度：是否理解索引的数据结构（B+ 树）、索引失效场景、MySQL 优化器的工作机制，而非只会照搬网上八股文。

核心答案

MySQL SQL 调优是一个系统化工程，核心流程如下：

  flowchart LR
    A["开启慢查询日志<br/>slow_query_log=ON"] --> B["定位慢 SQL<br/>mysqldumpslow 分析工具"]
    B --> C["分析执行计划<br/>EXPLAIN 执行计划"]
    C --> D["优化实施验证<br/>索引 / SQL / 表结构优化"]
  

上图展示了 SQL 调优的完整流程。整体分为四个阶段：

• 阶段一（开启监控）：通过配置 slow_query_log=ON 开启慢查询日志，设置 long_query_time 阈值（默认 10 秒，生产建议 1-3 秒），为后续分析提供数据基础。
• 阶段二（定位问题）：使用 mysqldumpslow 工具分析慢查询日志，按执行时间、执行次数排序，快速锁定最需要优化的 SQL。
• 阶段三（分析原因）：对目标 SQL 执行 EXPLAIN 查看执行计划，重点关注 type、key、rows、Extra 字段，判断是否走索引、扫描行数是否合理。
• 阶段四（优化验证）：根据分析结果进行索引优化、SQL 改写、表结构调整，然后再次执行 EXPLAIN 验证效果。
  一句话总结：调优 = 慢日志定位 + EXPLAIN 分析 + 索引优化 + SQL 改写。

深度解析

一、定位慢 SQL：慢查询日志

首先需要开启慢查询日志，记录执行时间超过阈值的 SQL：

-- 查看慢查询日志配置
SHOW VARIABLES LIKE '%slow_query%';
SHOW VARIABLES LIKE 'long_query_time';

-- 开启慢查询日志（临时生效）
SET GLOBAL slow_query_log = 'ON';
SET GLOBAL long_query_time = 2;  -- 超过 2 秒记录
SET GLOBAL log_queries_not_using_indexes = 'ON';  -- 记录未走索引的 SQL

-- 永久生效需修改 my.cnf
[mysqld]
slow_query_log = 1
long_query_time = 2
slow_query_log_file = /var/log/mysql/slow.log

使用 mysqldumpslow 工具分析慢日志：

# 按查询时间排序，显示前 10 条
mysqldumpslow -s t -t 10 /var/log/mysql/slow.log

# 按查询次数排序
mysqldumpslow -s c -t 10 /var/log/mysql/slow.log

二、分析执行计划：EXPLAIN 详解

使用 EXPLAIN 或 EXPLAIN ANALYZE（MySQL 8.0+）查看 SQL 执行计划：

EXPLAIN SELECT * FROM orders WHERE user_id = 100 AND status = 'PAID';

关键字段解读：

type 类型效率对比：

  flowchart LR
    T1["system<br/>单表只有一行"] --> T2["const<br/>主键/唯一索引<br/>最多一行"]
    T2 --> T3["eq_ref<br/>唯一索引<br/>关联查询"]
    T3 --> T4["ref<br/>非唯一索引<br/>返回多行"]
    T4 --> T5["range<br/>索引<br/>范围扫描"]
    T5 --> T6["index<br/>索引全扫描<br/>遍历索引树"]
    T6 --> T7["ALL<br/>全表扫描<br/>需优化"]
    T7 -.-> N["出现 ALL（全表扫描）通常是重点优化对象<br/>建议添加索引或优化查询条件"]
  

上图展示了 EXPLAIN 中 type 字段的访问类型，从左到右效率递减：

• system/const：最高效，主键或唯一索引查询，最多返回一行数据。
• eq_ref：唯一索引关联查询，每个索引键值对应一行。
• ref：非唯一索引查询，可能返回多行。
• range：索引范围扫描，如 BETWEEN、>、<、IN 等操作。
• index：遍历整个索引树，比 ALL 稍好（索引比数据文件小）。
• ALL：全表扫描，性能最差，需要重点关注优化。

三、索引优化：最常见的调优手段

1. 索引创建原则

-- 为高频查询条件创建索引
CREATE INDEX idx_user_status ON orders(user_id, status);

-- 联合索引遵循"最左前缀原则"
-- 索引 (a, b, c) 可支持：a | a,b | a,b,c 的查询
-- 无法支持：b | c | b,c 的查询（缺少最左列）

2. 索引失效场景

上图总结了索引失效的六大常见场景。每个场景都需要特别注意：

• 函数/计算：索引列经过函数处理后，B+ 树的有序性被破坏，无法利用索引。
• 隐式转换：MySQL 会将字符串转数字进行比较，相当于对列做了函数操作。
• LIKE 前缀通配：%xxx 无法利用 B+ 树的有序性，只能全扫描。
• OR 条件：只要有一个条件列没有索引，整体就会退化为全表扫描。
• 最左前缀：联合索引按照定义顺序构建，跳过前面的列无法利用索引。
• 否定条件：优化器可能认为返回数据量过大，直接全表扫描更高效。

四、SQL 语句优化技巧

1. 避免 SELECT *

-- ❌ 不推荐：查询所有列，增加 IO 和网络开销
SELECT * FROM orders WHERE user_id = 100;

-- ✅ 推荐：只查询需要的列
SELECT order_id, amount, status FROM orders WHERE user_id = 100;

2. 优化分页查询

-- ❌ 深分页性能差：需要扫描前 100000 条
SELECT * FROM orders LIMIT 100000, 10;

-- ✅ 方案一：基于游标分页（需要连续 ID）
SELECT * FROM orders WHERE id > 100000 LIMIT 10;

-- ✅ 方案二：延迟关联（先查 ID，再关联）
SELECT o.* FROM orders o
INNER JOIN (SELECT id FROM orders LIMIT 100000, 10) t
ON o.id = t.id;

3. 优化 COUNT 查询

-- ❌ COUNT(*) 扫描全表
SELECT COUNT(*) FROM orders WHERE status = 'PAID';

-- ✅ 维护计数表（适合高频统计场景）
CREATE TABLE order_stats (status VARCHAR(20), count INT);
-- 业务变更时同步更新计数

4. 优化 ORDER BY

-- ❌ filesort：排序字段未走索引
SELECT * FROM orders WHERE user_id = 100 ORDER BY create_time;

-- ✅ 创建联合索引，覆盖 WHERE + ORDER BY
CREATE INDEX idx_user_time ON orders(user_id, create_time);

五、表结构优化

1. 选择合适的数据类型

2. 适度反范式设计

-- 范式设计：订单表只存 user_id，查询时 JOIN 用户表
SELECT o.*, u.name FROM orders o JOIN users u ON o.user_id = u.id;

-- 反范式设计：订单表冗余 user_name（适合读多写少场景）
-- 优点：减少 JOIN，提升查询性能
-- 缺点：用户改名需同步更新订单表

六、高级调优工具

1. SHOW PROFILE（查询性能剖析）

-- 开启 profiling
SET profiling = 1;

-- 执行 SQL
SELECT * FROM orders WHERE user_id = 100;

-- 查看性能详情
SHOW PROFILE;
SHOW PROFILE FOR QUERY 1;  -- 查看具体 SQL 的各阶段耗时

2. Performance Schema（MySQL 5.7+）

-- 查看哪些 SQL 执行时间最长
SELECT * FROM performance_schema.events_statements_summary_by_digest
ORDER BY SUM_TIMER_WAIT DESC LIMIT 10;

3. EXPLAIN ANALYZE（MySQL 8.0+）

-- 真实执行 SQL 并显示各步骤实际耗时
EXPLAIN ANALYZE SELECT * FROM orders WHERE user_id = 100;

面试高频追问

1. 联合索引的”最左前缀原则”是什么？为什么这样设计？
   • 联合索引按照定义顺序构建 B+ 树，先按第一列排序，第一列相同再按第二列排序，以此类推。查询时必须从最左列开始匹配才能利用索引的有序性。
2. 什么情况下应该创建索引？什么情况下不应该？
   • 应创建：高频查询的 WHERE 条件、JOIN 关联列、ORDER BY/GROUP BY 列、区分度高（基数大）的字段。
   • 不应创建：区分度低（如性别、状态只有几个值）、频繁更新的列、数据量小的表。
3. 如何优化大批量数据导入？
   • 临时关闭索引（ALTER TABLE ... DISABLE KEYS）、使用批量 INSERT（一条语句插入多行）、关闭唯一性检查、增大 innodb_buffer_pool_size。

常见面试变体

• “EXPLAIN 执行计划中 type 字段有哪些值？分别代表什么？”
• “什么情况下索引会失效？举几个例子。”
• “如何优化 MySQL 的深分页问题？”
• “慢查询日志怎么开启？如何分析？”

记忆口诀

调优四步法：慢日志定位 → EXPLAIN 分析 → 索引优化 → 验证效果 索引失效六宗罪：函数计算、隐式转换、左模糊、OR 缺索引、最左缺失、否定条件 type 效率排序：system > const > eq_ref > ref > range > index > ALL

总结

MySQL SQL 调优的核心思路是：通过慢查询日志定位问题 SQL，使用 EXPLAIN 分析执行计划找出性能瓶颈（全表扫描、文件排序、临时表等），然后针对性地进行索引优化（遵循最左前缀、避免索引失效场景）、SQL 改写（避免 SELECT *、优化深分页）、表结构调整（选择合适字段类型、适度反范式）。调优是一个持续迭代的过程，需要结合业务场景和数据特点综合考量。

声明：本文转载自小哈的博客 《如何进行 SQL 调优？》，版权归原文作者所有。转载请保留本声明与原文链接。