MySQL慢查询全攻略：定位、分析与优化实战

MySQL慢查询全攻略：定位、分析与优化实战

#数据库优化 #性能调优 #SQL优化 #MySQL实战

---

一、慢查询定位：找到性能瓶颈

1.1 开启慢查询日志

-- 查看当前配置  
SHOW VARIABLES LIKE '%slow_query%';  

-- 动态开启（重启失效）  
SET GLOBAL slow_query_log = 'ON';  
SET GLOBAL long_query_time = 2;  -- 阈值设为2秒  
SET GLOBAL slow_query_log_file = '/var/log/mysql/slow.log';  

-- 永久生效（修改my.cnf）  
[mysqld]  
slow_query_log = 1  
slow_query_log_file = /var/log/mysql/slow.log  
long_query_time = 2  
log_queries_not_using_indexes = 1  -- 记录未走索引的查询  

1.2 分析工具推荐

工具	使用场景	命令示例
mysqldumpslow	官方自带，基础分析	mysqldumpslow -s t /path/to/slow.log
pt-query-digest	高级分析，生成详细报告	pt-query-digest slow.log > report.txt
Percona Toolkit	专业级分析，支持多维度统计	pt-query-digest --filter '$event->{arg} =~ m/SELECT/i' slow.log

---

二、核心优化策略：从SQL到架构

2.1 索引优化（90%的性能问题根源）

黄金法则：

• 最左前缀原则：联合索引按字段顺序匹配
• 覆盖索引：SELECT字段全在索引中，避免回表
• 索引选择性：区分度高的字段（如唯一ID）优先建索引

示例优化：

-- 优化前（全表扫描）  
SELECT * FROM orders WHERE status = 'paid' AND create_time > '2023-01-01';  

-- 添加联合索引  
ALTER TABLE orders ADD INDEX idx_status_time(status, create_time);  

-- 优化后（索引范围扫描）  
SELECT id, status, amount FROM orders   
WHERE status = 'paid' AND create_time > '2023-01-01';  

2.2 SQL语句重构

常见问题与解决方案：

问题类型	优化方案	示例
大分页查询	使用WHERE替代LIMIT OFFSET	WHERE id > 1000 LIMIT 10
隐式类型转换	保持字段与参数类型一致	WHERE phone = '13800138000'
不必要的排序	移除ORDER BY或添加索引	添加INDEX(create_time)
IN子查询	改用JOIN	JOIN (SELECT id FROM ...) tmp

2.3 EXPLAIN执行计划解析

关键字段解读：

EXPLAIN SELECT * FROM users WHERE age > 20;  

字段	理想值	问题信号
type	ref/range/index	ALL（全表扫描）
key	使用索引名称	NULL（未用索引）
rows	扫描行数少	数值过大（如>10000）
Extra	Using index	Using filesort/Using temporary

---

三、高级调优：参数与架构升级

3.1 参数优化（my.cnf关键配置）

[mysqld]  
# 缓冲池大小（通常设为物理内存的70%-80%）  
innodb_buffer_pool_size = 8G  

# 日志写入策略  
innodb_flush_log_at_trx_commit = 1  # 高安全要求  
innodb_flush_log_at_trx_commit = 2  # 高性能场景  

# 连接管理  
max_connections = 500  
thread_cache_size = 50  

3.2 架构升级方案

场景	解决方案	优势
单表数据量过大（>5000万）	分库分表（Sharding）	水平扩展，降低单表压力
高频复杂查询	读写分离（主从复制）	分散读压力
实时分析需求	使用列式存储（如ClickHouse）	提升聚合查询速度

---

四、预防与监控：建立长效机制

4.1 实时监控工具

• Percona Monitoring and Management (PMM)：监控慢查询、锁等待
• Prometheus + Grafana：自定义指标可视化
• MySQL Enterprise Monitor：官方企业级方案

4.2 自动化优化建议

-- 使用内置诊断工具  
ANALYZE TABLE orders;  -- 更新统计信息  
OPTIMIZE TABLE logs;   -- 重建表（针对碎片化严重场景）  

-- 查询优化建议器  
SELECT * FROM sys.schema_index_statistics;  
SELECT * FROM sys.statements_with_full_table_scans;  

---

五、实战案例：电商订单查询优化

5.1 原始慢查询（执行时间3.2秒）

SELECT * FROM orders  
WHERE user_id = 1001  
  AND status IN ('paid', 'shipped')  
ORDER BY create_time DESC  
LIMIT 0, 10;  

5.2 优化步骤

1. 执行计划分析：发现type=ALL，未使用索引

2. 创建覆盖索引：

   ALTER TABLE orders ADD INDEX idx_user_status_time(user_id, status, create_time);  
   

3. SQL改写：

   SELECT id, user_id, status, amount, create_time  
   FROM orders  
   WHERE user_id = 1001  
     AND status IN ('paid', 'shipped')  
   ORDER BY create_time DESC  
   LIMIT 10;  
   

4. 结果：执行时间降至28ms，提升115倍！

---

总结：MySQL慢查询优化需结合索引策略、SQL重构、参数调优三位一体。通过EXPLAIN分析执行计划，使用pt-query-digest定位问题查询，建立监控体系预防性能退化，方能实现数据库高效稳定运行。