内容摘要：我接手过一个线上商城项目，数据库里订单表才三百万行，每次按用户查订单要等两秒多。后来发现罪魁祸首是SELECT *把二十多个字段全捞出来，而页面只显示其中五个。改成只查需要的列后，响应时间直接掉到四百

我接手过一个线上商城项目，种方数据库里订单表才三百万行，种方每次按用户查订单要等两秒多。种方后来发现罪魁祸首是种方SELECT *把二十多个字段全捞出来，而页面只显示其中五个。种方改成只查需要的种方列后，响应时间直接掉到四百毫秒。种方这是种方最廉价也最容易被忽略的优化——查询时少碰数据。

索引是种方另一个重头戏。那个项目的种方订单表上有个联合索引(user_id, status)，但开发人员写查询时用了WHERE status = 'paid' AND user_id = 123，种方顺序反了，种方索引直接失效。种方MySQL的种方索引最左前缀原则不是开玩笑的——你调整一下字段顺序，执行计划从ALL全表扫描变成ref，种方速度提升十倍不止。但别急着给所有列都加索引，写入频繁的表会因此付出代价，每次插入都要更新索引树。我见过有人给布尔字段加索引，纯粹浪费空间。

说到EXPLAIN，我几乎每次调优都先看它。有一次发现某条查询的type列是index，意味着MySQL在扫全索引。那是个状态字段，区分度极低——只有“成功”和“失败”两种值，索引扫描了一半数据。后来我改成WHERE created_at > 某个时间点 AND status = 'success'，让时间字段走索引先过滤，效果立竿见影。低区分度字段单独建索引是自欺欺人，配合其他高区分度字段才有意义。

分页查询是另一个坑。项目里有个后台列表要按时间倒序翻页，越往后翻越慢，因为LIMIT 200000, 20要扫描前二十万行再丢弃。我把方案改成记住上一页最后一条记录的ID，用WHERE id < 上一页最小ID ORDER BY id DESC LIMIT 20，翻到十万页也毫秒级响应。这种延迟关联的思路同样适用于大表——先通过覆盖索引找出主键，再回表取完整行，比直接全行扫描快得多。

表结构设计上，我吃过亏。原表有个VARCHAR(255)的字段存用户备注，实际平均长度才十几个字符。MySQL的VARCHAR虽然变长，但排序时按最大长度分配内存，导致ORDER BY这个字段时临时表膨胀。后来改成VARCHAR(50)，排序快了不少。类似的还有用TEXT类型存储短内容——完全没必要，TEXT在磁盘上单独存储，查询时要多一次IO。

慢查询日志不能只开着不管。我把阈值设为一秒，每周扫一次日志，把高频慢查询拎出来单独处理。有一次发现某个统计接口每天凌晨被定时任务跑几百次，每次全表扫描——后来改成定时汇总到统计表，接口直接查结果，压力瞬间消失。缓存不是银弹，但把热点数据扔进Redis或MySQL的查询缓存（如果版本支持），能挡住百分之八十的重复请求。

最后一招是分库分表，但这是最后的手段。三百万行就分表，纯属过度设计。真到千万级，先试试归档旧数据——把三年前的历史订单挪到冷表，热表缩小到百万行内，大部分问题迎刃而解。MySQL优化不是堆技巧，而是先定位瓶颈在IO、CPU还是锁竞争，然后对症下药。别迷信某个单一方案能解决所有问题，每个系统都有自己的脾气。