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
LEFTJOINusers u ON o.user_id = u.id
LEFTJOIN 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)
ORDERBY o.amount DESC
LIMIT1000,20;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
INNERJOIN (
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
INNERJOIN (
SELECTid
FROMusers
WHERE vip_level > 3
) u ON o.user_id = u.id
WHERE p.category_id IN (5,8)
ORDERBY o.amount DESC
LIMIT1000,20;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 (
SELECTid, amount
FROM orders
WHERE create_time > '2023-01-01'
ORDERBY amount DESC
LIMIT1020
) tmp
ORDERBY amount DESC
LIMIT1000,20;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 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 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）！
