主要流程“定位-分析-优化”

1、开启慢查询日志 ，MySQL 自带的核心排查工具，它会自动记录执行时间超过指定阈值的 SQL。

临时开启：

-- 开启慢查询日志
SET GLOBAL slow_query_log = 'ON';
-- 阈值，生产环境建议设为 0.5 或 1 秒
SET GLOBAL long_query_time = 1; 

永久开启：在 MySQL 的配置文件（my.cnf 或 my.ini）中添加相关配置并重启服务。

2、实时查看正在执行的 SQL：使用 SHOW PROCESSLIST，可以实时查看当前数据库中正在运行的线程，找到长时间卡住、未结束的 SQL 语句。

3、使用 EXPLAIN 深度分析：根据上一步找到的慢 SQL ，千万不要上来就盲目加索引，最好在 SQL 语句前加上 EXPLAIN 关键字，查看 MySQL 的执行计划，找出性能瓶颈。

EXPLAIN SELECT * FROM `order` WHERE user_id = 1001 AND status = 1;

然后根据分析结果可做以下优化：

1、索引优化（成本低，效果显著）

        为高频过滤字段加索引：给 WHERE 条件、JOIN 连接以及 ORDER BY / GROUP BY 涉及的字段建立合理的索引。

        遵循最左前缀原则：如果是联合索引（例如 (a, b, c)），查询条件必须包含最左侧的字段 a，否则索引会失效。

        避免索引失效：不要在索引列上做函数运算（如 WHERE YEAR(create_time) = 2026）、隐式类型转换或使用左模糊查询（如 LIKE '%关键词'），会让索引失效。

2. SQL 语句改写

        非必要别SELECT *：只查询业务真正需要的字段，减少网络传输的数据量，可以增加“覆盖索引”命中的几率。

        优化分页查询：面对大偏移量的分页（如 LIMIT 100000, 10），可以使用延迟关联或子查询优化，避免扫描大量无效数据。

        用 JOIN 替代子查询：在大多数场景下，多表连接（JOIN）的执行效率要优于复杂的嵌套子查询。

        用小结果集驱动大结果集：在多表连接时，尽量让数据量小的表作为驱动表。

3. 架构与表结构优化

        缓存层：对于高频且变动不频繁的热点数据（如商品详情、用户基础信息），接入 Redis 等缓存，直接从内存读取，减轻数据库压力。

        合理分表与归档：当单表数据量达到千万级甚至亿级时，可以考虑水平分表，或者将早期的历史冷数据迁移到归档表中，保持主表的轻量。

        选择合适的数据类型：在满足业务需求的前提下，尽量使用占用空间更小的数据类型（如用 TINYINT 代替 INT 存储状态），能提升磁盘 I/O 和内存利用效率。