如何医治一条慢SQL?

前言

"苏工，订单列表又崩了！"

接到电话时，我对着监控大屏上999ms的SQL响应时间哭笑不得。

几年来，我发现一个定律：所有SQL问题都是在凌晨三点爆发！

今天抽丝剥茧，教你用架构师的思维给慢SQL开刀手术。

希望对你会有所帮助。

1 术前检查：找准病灶

1.1 EXPLAIN 查看执行计划

使用EXPLAIN查看SQL语句的执行计划，相当于给SQL拍了张X光。

下面是一个典型的SQL问题，它是某电商平台历史订单查询的SQL语句：

SELECT *

FROM orders o

LEFT JOIN users u ON o.user_id = u.id

LEFT JOIN products p ON o.product_id = p.id

WHERE o.create_time > '2023-01-01'

  AND u.vip_level > 3

  AND p.category_id IN (5,8)

ORDER BY o.amount DESC

LIMIT 1000,20;

使用EXPLAIN关键字查看执行计划的结果如下：

+----+-------------+-------+------+---------------+------+---------+------+---------+---------------------------------+

| id | select_type | table | type | possible_keys | key  | rows    | Extra| key_len |

+----+-------------+-------+------+---------------+------+---------+------+---------+---------------------------------+

| 1  | SIMPLE      | o     | ALL  | idx_user_time | NULL | 1987400 | Using where; Using filesort     |

| 1  | SIMPLE      | u     | ALL  | PRIMARY       | NULL | 100000  | Using where                     |

| 1  | SIMPLE      | p     | ALL  | PRIMARY       | NULL | 50000   | Using where                     |

+----+-------------+-------+------+---------------+------+---------+------+---------+---------------------------------+

诊断报告：

全表扫描三连击（type=ALL）
filesort暴力排序（内存警告）
索引全军覆没

2 手术方案：精准打击

2.1 单表代谢手术

如果通过执行计划查到是索引有问题，我们就需要单独优化索引。

病根：JSON字段索引失效

错误用法：

ALTER TABLE users ADD INDEX idx_extend ((extend_info->'$.is_vip'));

extend_info字段是JSON类型的字段，即使创建了索引，索引也会丢失。

正解姿势（MySQL 8.0+）：

ALTER TABLE users ADD INDEX idx_vip_level (vip_level);

ALTER TABLE orders ADD INDEX idx_create_user (create_time, user_id) COMMENT '组合索引覆盖查询';

创建组合索引覆盖查询。

2.2 血管疏通术

卡点分析：

原始join顺序是：

orders → users → products

优化后的方案：

(子查询过滤users) → products → orders

调整执行顺序，用小表驱动大表。

重写后的SQL：

SELECT o.*

FROM products p

INNER JOIN (

  SELECT o.id, o.amount, o.create_time

  FROM orders o

  WHERE o.create_time > '2023-01-01'

) o ON p.id = o.product_id

INNER JOIN (

  SELECT id

  FROM users

  WHERE vip_level > 3

) u ON o.user_id = u.id

WHERE p.category_id IN (5,8)

ORDER BY o.amount DESC

LIMIT 1000,20;

术后效果：

先扫小表（users过滤后只有100条）
消除冗余字段传输
减少Join时临时表生成

2.3 开颅手术

通过执行计划锁定了问题，走错索引了，该怎么处理呢？

可以通过FORCE INDEX强制指定索引：

SELECT /*+ INDEX(o idx_create_user) */

       o.id, o.amount

FROM orders o FORCE INDEX (idx_create_user)

WHERE o.create_time > '2023-01-01';

使用衍生表加速：

SELECT *

FROM (

  SELECT id, amount

  FROM orders

  WHERE create_time > '2023-01-01'

  ORDER BY amount DESC

  LIMIT 1020

) tmp

ORDER BY amount DESC

LIMIT 1000,20;

医嘱：

警惕OR导致的索引失效
用覆盖索引避免回表查询
CTE表达式谨慎使用

2.4 生命体征监测

查看索引使用：

SHOW INDEX FROM orders;

监控索引使用率：

SELECT object_schema, object_name, index_name,

       count_read, count_fetch

FROM performance_schema.table_io_waits_summary_by_index_usage

WHERE index_name IS NOT NULL;

3 术后护理：体系化治理

3.1 SQL消毒中心

需要制定优秀的代码规范，否则可能会出现全表扫描的问题。

在日常工作中，我们要尽可能减少Java代码感染源。

MyBatis危险写法：

@Select("SELECT * FROM orders WHERE #{condition}")

List<Order> findByCondition(@Param("condition") String condition);

condition参数可以传入任何内容，如何传入了1=1，可能会导致查询所有的数据，走全表扫描，让查询效率变得非常低。

正确做法（参数化查询）：

@Select("SELECT * FROM orders WHERE create_time > #{time}")

List<Order> findByTime(@Param("time") Date time);

消毒方案：

SQL审核平台接入（如Yearning）
MyBatis拦截器拦截全表更新
自动化EXPLAIN分析流水线

3.2 查杀大表癌症

如果遇到大表的癌症病例，可以用分库分表的方案解决。

病历案例：3亿订单表终极解决方案

// Sharding-JDBC分片配置

spring.shardingsphere.rules.sharding.tables.orders.actual-data-nodes=ds$0..1.orders_$->{2020..2023}

spring.shardingsphere.rules.sharding.tables.orders.table-strategy.standard.sharding-column=create_time

spring.shardingsphere.rules.sharding.tables.orders.table-strategy.standard.sharding-algorithm-name=time_range

化疗方案：

时间维度分片（2020~2023年度表）
用户ID取模分库
冷热分离（OSS归档历史数据）

医嘱总结

优化三板斧：

定位：慢查询日志+执行计划分析
切割：化繁为简拆分多步执行
重建：符合业务场景的数据结构

避坑口诀：

索引不是银弹，覆盖才是王道
Join水深，能拆就拆
Order By+Limit≠分页优化

最后送上苏三的传秘方：当你优化SQL到怀疑人生时，不妨试试这三味药：

删业务逻辑
加缓存
换数据库

保证药到病除（老板打不打死你我就不管了，哈哈哈）！

最后说一句(求关注，别白嫖我)

如果这篇文章对您有所帮助，或者有所启发的话，帮忙关注一下我的同名公众号：苏三说技术，您的支持是我坚持写作最大的动力。

求一键三连：点赞、转发、在看。

关注公众号：【苏三说技术】，在公众号中回复：进大厂，可以免费获取我最近整理的10万字的面试宝典，好多小伙伴靠这个宝典拿到了多家大厂的offer。