上周帮一个创业团队排查线上事故,他们的订单接口从200毫秒突然飙到3秒,数据库CPU直接打满。查了半天,问题不在代码,也不在服务器,就是一张表忘了加索引。这种场景我见了太多次,每次都想说同一句话:索引这东西,平时没人当回事,出事的时候它就是命根子。

做数据库优化的年头多了,我越来越觉得,索引设计其实就三个问题。把这三个问题想透了,性能基本就稳了。哪三个?为什么建、建在哪、怎么建。听着简单,但绝大多数团队连第一问都没认真回答过。
先说第一问:为什么建?有人觉得这问题蠢,建索引不就是为了快吗?但你要是追问他,这张表到底要解决哪个慢查询,哪个业务场景需要什么数据访问路径,他往往答不上来。很多团队的索引是DBA拍脑袋加的,或者是开发看某条SQL慢就随手加一个,完全没有从业务模型出发。索引不是越多越好,它是有代价的——每次写入都要维护索引结构,索引文件占磁盘空间,还会影响缓冲池的命中率。你为了一条一个月跑一次的报表SQL加三个索引,结果核心交易链路每天被拖慢,这笔账怎么算都不划算。
所以第一问的答案,不是“为了快”,而是“为了哪个具体的查询场景服务”。你得先把业务侧的查询模式摸清楚:哪些是高频查询,哪些是低频统计,哪些是实时请求,哪些是跑批任务。每种场景对索引的要求完全不一样。高频查询要的是稳定低延迟,索引要精准命中;低频统计要的是吞吐量,索引可以适当放宽;跑批任务往往全表扫描反而更快,这时候索引就是累赘。
第二问:建在哪?这问的是索引的字段选择。很多人知道要建索引,但不知道字段选错了,索引就是摆设。最典型的就是把索引建在低选择性的列上,比如性别、状态这种只有两三个取值的字段。你以为加了索引查询快了,实际优化器根本不鸟你,照样全表扫描。因为索引的代价比全表扫描还高,优化器不傻。另一个常见问题是在参与运算的列上建索引,比如where里面写了age+1>30,或者对日期列用了函数date_format,索引直接失效。这些坑几乎每个团队都踩过。
字段选择的核心逻辑,是区分度和查询条件的使用方式。区分度高的字段适合做索引,比如订单号、用户ID、手机号;区分度低的字段只能作为联合索引的辅助列。还有一点很多人忽略:如果要查询的字段本身就在索引里,也就是覆盖索引,那查询速度可以再上一个台阶,因为不需要回表。这个技巧在报表查询里特别管用,能让性能翻几倍。
第三问:怎么建?这问的是索引的结构设计。单列索引是最基础的,但实际业务中更多需要联合索引。联合索引的字段顺序,决定了索引能覆盖多少查询场景。这里有个原则叫“最左前缀”,你把哪个字段放最左边,索引就只能从那个字段开始匹配。所以你得把等值查询的字段放前面,范围查询的字段放后面,排序字段再往后放。这个顺序搞反了,索引要么失效,要么只能部分使用。
再往下细说,还有索引的冗余问题。很多团队的表上有好几个索引,结果发现索引之间有大量重叠。比如已经建了(a,b,c)联合索引,又单独建了一个(a)索引,这就是冗余。因为前者已经能覆盖后者的功能,后者除了浪费空间,没有任何意义。我见过一张表上挂了八个索引,其中四个都是冗余的,写入性能被拖累得一塌糊涂。定期清理冗余索引,是索引设计里最容易被忽视的环节。
三个问题想清楚了,索引设计的框架基本就立住了。但光有框架不够,落地的时候还得讲究方法论。我自己的习惯是:先看慢查询日志,把所有超过100毫秒的查询捞出来,按执行频率排序,然后针对TOP20的查询逐个分析执行计划。看什么?看type字段,从system到const到ref到range再到index,最后是ALL,越靠前越好。如果看到ALL,大概率就是缺了合适的索引。
每个索引建完之后,不能只看这条查询变快了就完事,还要重新跑一遍整个压测,确认没有拖慢其他查询。索引这东西,牵一发而动全身。有时候你为了一条查询加了索引,结果另一条查询的优化器路线变了,性能反而下降。这种回归测试,是索引优化里必须做的一步。
还有一个细节经常被忽略:索引的基数统计。MySQL的优化器是根据索引基数来估算成本的,但基数统计不是实时的,有时候统计信息过期了,优化器会做出错误的判断。这时候你明明建了索引,优化器却不用。解决办法是定期执行ANALYZE TABLE,更新统计信息。很多团队的索引没变,性能却忽好忽坏,往往就是这个原因。
回到标题里的“三问”。为什么建、建在哪、怎么建,这三问不是一次性的,而是持续迭代的过程。业务在变,数据量在涨,查询模式也在变,索引设计必须跟着调整。每季度做一次索引健康检查,看看哪些索引命中率低,哪些查询还在慢日志里,然后动态调优,这才是索引设计的常态。
数据库性能的跃升,从来不是靠某一个天才设计,而是靠这些基础问题一个个想透、一个个落地。三问之后,还有三问,但能把这三问做好,你的数据库已经跑赢大多数团队了。


