MySQL 查询优化案例分享

在日常开发中，SQL 查询性能直接影响到系统的响应速度和用户体验。随着数据量的增长，慢查询可能成为系统的瓶颈。本文将通过实际案例，分享几种常见的 MySQL 查询优化方法，帮助开发者快速定位和优化慢查询，提升数据库性能。

一、慢查询定位与分析

1. 开启慢查询日志

通过开启慢查询日志，可以记录执行时间超过指定阈值的 SQL 查询，帮助分析系统中的瓶颈。

SET GLOBAL slow_query_log = 1;  
SET GLOBAL long_query_time = 1;  -- 超过 1 秒的查询会记录  
SHOW VARIABLES LIKE 'slow_query_log_file';  -- 查看慢查询日志位置  

示例输出（日志格式）：

# Time: 2023-12-01T10:05:34  
# Query_time: 2.456 Lock_time: 0.002 Rows_sent: 1000 Rows_examined: 500000  
SELECT * FROM orders WHERE order_date > '2023-01-01';  

二、案例 1：大表全表扫描优化

问题描述

查询订单表 orders 中近一年的订单数据，查询速度缓慢。

SELECT * FROM orders WHERE order_date > '2023-01-01';  

分析：

• 订单表数据量庞大，每次查询都进行全表扫描（EXPLAIN 显示 type=ALL）。
• order_date 列没有建立索引。

优化方案：

1. 为 order_date 字段添加索引：

ALTER TABLE orders ADD INDEX idx_order_date (order_date);  

2. 使用覆盖索引查询，避免回表：

SELECT order_id, order_date