MySQL用了索引还是很慢的原因分析及解决方案

作者：袖梨 2026-07-20

即使查询使用了索引，仍然可能很慢，主要原因可以归纳为 6 大类：

MySQL用了索引还是很慢的原因分析及解决方案

类别具体原因影响
索引设计问题索引选择性差、索引列顺序不当、索引冗余扫描行数过多
SQL 写法问题SELECT *、LIKE '%xxx'、函数操作、类型转换索引失效或回表过多
数据分布问题数据量过大、数据倾斜严重、热点数据集中即使走索引也慢
表结构问题字段过大、行过长、未分区I/O 开销大
数据库配置问题缓冲池过小、连接数不足、参数配置不当整体性能下降
硬件资源瓶颈磁盘 I/O、内存不足、CPU 瓶颈物理层面慢

一句话总结：索引只是加速查询的必要条件而非充分条件，需要结合索引设计、SQL 优化、表结构设计、数据库配置和硬件资源进行系统性优化。

一、索引设计问题

1. 索引选择性差

索引选择性对查询性能的影响。选择性越高，索引的效果越好；选择性越低，索引的效果越差。

  • 高选择性：例如用户表的 user_id 字段，100 万用户有 100 万个不同的 user_id，选择性为 1.0，查询时可以快速定位到唯一行。
  • 低选择性：例如性别字段 gender，只有 "男" 和 "女" 两个值，100 万行数据的选择性仅为 0.000002，查询 "男" 性用户时需要扫描约 50 万行，数据库优化器可能直接选择全表扫描。

判断标准：一般建议索引选择性大于 0.1，可以通过以下 SQL 计算：

​-- 计算字段的选择性SELECT    COUNT(DISTINCT column_name) / COUNT(*) AS selectivityFROM table_name;-- 示例：gender 字段的选择性SELECT    COUNT(DISTINCT gender) / COUNT(*) AS selectivityFROM users;-- 结果：0.000002（非常低，不适合单独建索引）​

2. 索引列顺序不当（最左前缀原则）

-- 创建联合索引CREATE INDEX idx_name_age_gender ON users(name, age, gender);-- ✅ 走索引：符合最左前缀SELECT * FROM users WHERE name = '张三';SELECT * FROM users WHERE name = '张三' AND age = 25;SELECT * FROM users WHERE name = '张三' AND age = 25 AND gender = '男';-- ❌ 不走索引：违反最左前缀SELECT * FROM users WHERE age = 25;              -- 缺少 nameSELECT * FROM users WHERE gender = '男';         -- 缺少 name 和 ageSELECT * FROM users WHERE age = 25 AND gender = '男'; -- 缺少 name-- ⚠️ 部分走索引：只有 name 走索引，后面的列无法利用索引排序SELECT * FROM users WHERE name = '张三' AND gender = '男'; -- age 跳过了

核心原则：联合索引要遵循 "最左前缀原则"，索引列的顺序非常重要。将区分度高、经常用于查询条件的列放在左边。

3. 索引冗余

-- ❌ 冗余索引示例CREATE INDEX idx_name ON users(name);                    -- 单列索引CREATE INDEX idx_name_age ON users(name, age);           -- 联合索引-- idx_name 是冗余的，因为 idx_name_age 可以覆盖 name 单列查询-- ✅ 优化后：删除冗余索引DROP INDEX idx_name ON users;-- 只保留联合索引 idx_name_age

二、SQL 写法问题

1.SELECT *导致大量回表

 SELECT * 查询的回表过程。如果查询只需要部分字段，但使用了 SELECT *，就会导致不必要的回表操作，严重影响性能。

  • 回表过程：先在二级索引（如 name 索引）中找到满足条件的主键 ID，然后根据主键 ID 到聚簇索引中查找完整的行数据。
  • 性能影响：如果查询返回 1000 行数据，就需要进行 1000 次回表操作，每次回表都是一次随机 I/O，性能开销巨大。

优化方案：使用覆盖索引，只查询索引列，避免回表。

-- ❌ 慢查询：需要回表SELECT * FROM users WHERE name = '张三';-- ✅ 优化：使用覆盖索引，无需回表-- 假设有索引 idx_name_age(name, age)SELECT name, age FROM users WHERE name = '张三';

2.LIKE查询导致索引失效

-- ✅ 走索引：前缀匹配SELECT * FROM users WHERE name LIKE '张%';-- ❌ 不走索引：后缀匹配或包含匹配SELECT * FROM users WHERE name LIKE '%张';    -- 后缀匹配SELECT * FROM users WHERE name LIKE '%张%';   -- 包含匹配-- ✅ 优化方案 1：使用覆盖索引-- 即使 LIKE '%张%' 不走索引，如果只查询索引列，可能走索引扫描SELECT name FROM users WHERE name LIKE '%张%';-- ✅ 优化方案 2：使用全文索引ALTER TABLE users ADD FULLTEXT INDEX ft_name(name);SELECT * FROM users WHERE MATCH(name) AGAINST('张');-- ✅ 优化方案 3：使用搜索引擎（如 Elasticsearch）

3. 对索引列使用函数或计算

-- ❌ 不走索引：对索引列使用函数SELECT * FROM users WHERE DATE(create_time) = '2024-01-01';SELECT * FROM users WHERE YEAR(create_time) = 2024;SELECT * FROM users WHERE SUBSTRING(name, 1, 1) = '张';-- ✅ 走索引：使用范围查询或等值查询SELECT * FROM users WHERE create_time >= '2024-01-01'                       AND create_time < '2024-01-02';-- ❌ 不走索引：索引列参与计算SELECT * FROM users WHERE age + 1 = 26;-- ✅ 走索引：调整计算方式SELECT * FROM users WHERE age = 25;

4. 隐式类型转换

-- 假设 user_id 是 VARCHAR 类型CREATE INDEX idx_user_id ON users(user_id);-- ❌ 不走索引：字符串与数字比较，发生隐式类型转换SELECT * FROM users WHERE user_id = 123;-- 等价于：SELECT * FROM users WHERE CAST(user_id AS SIGNED) = 123;-- ✅ 走索引：类型一致SELECT * FROM users WHERE user_id = '123';

核心原则：索引列的类型必须与查询条件的类型完全一致，否则会发生隐式类型转换，导致索引失效。

三、数据分布问题

1. 数据量过大

-- 查询表的总行数和大小SELECT    table_name,    table_rows,    ROUND(data_length / 1024 / 1024, 2) AS data_size_mb,    ROUND(index_length / 1024 / 1024, 2) AS index_size_mbFROM information_schema.tablesWHERE table_schema = 'your_database';

优化方案：

  • 分区表：按时间或范围分区，减少单次查询扫描的数据量
  • 分表分库：将大表拆分为多个小表
  • 归档历史数据：将历史数据迁移到归档表
  • 使用覆盖索引：减少回表次数

2. 数据倾斜严重

-- 查看数据分布SELECT gender, COUNT(*) as countFROM usersGROUP BY gender;-- 假设结果：-- gender | count-- -------|---------- 男     | 999000-- 女     |   1000-- 其他   |      0-- 查询 "男" 性用户时，即使有索引，也可能走全表扫描-- 因为优化器认为扫描 999000 行和全表扫描差不多

优化方案：

  • 对于极端倾斜的数据，考虑不建索引或使用复合索引
  • 使用 FORCE INDEX 强制走索引（谨慎使用）
-- 强制使用索引SELECT * FROM users FORCE INDEX(idx_gender) WHERE gender = '男';

四、表结构问题

1. 字段过大

-- ❌ 慢查询：大字段导致行过长CREATE TABLE articles (    id INT PRIMARY KEY,    title VARCHAR(255),    content TEXT,           -- 大字段    author VARCHAR(100),    create_time DATETIME);-- ✅ 优化：将大字段拆分到单独的表CREATE TABLE articles (    id INT PRIMARY KEY,    title VARCHAR(255),    author VARCHAR(100),    create_time DATETIME);CREATE TABLE article_contents (    article_id INT PRIMARY KEY,    content LONGTEXT,    FOREIGN KEY (article_id) REFERENCES articles(id));

2. 未使用合适的字段类型

-- ❌ 不合理：使用 VARCHAR 存储 IP 地址CREATE TABLE logs (    id INT PRIMARY KEY,    ip VARCHAR(15));-- ✅ 优化：使用 INT UNSIGNED 存储 IP 地址CREATE TABLE logs (    id INT PRIMARY KEY,    ip INT UNSIGNED);-- 插入时转换INSERT INTO logs (ip) VALUES (INET_ATON('192.168.1.1'));-- 查询时转换SELECT INET_NTOA(ip) FROM logs;

五、数据库配置问题

1. 缓冲池配置不当

-- 查看当前 InnoDB 缓冲池大小SHOW VARIABLES LIKE 'innodb_buffer_pool_size';-- 建议设置为服务器内存的 70%-80%-- 例如：16GB 内存的服务器，设置为 12GBSET GLOBAL innodb_buffer_pool_size = 12884901888;  -- 12GB

2. 其他重要参数

-- 查看当前配置SHOW VARIABLES LIKE 'innodb_io_capacity';        -- 磁盘 I/O 能力SHOW VARIABLES LIKE 'innodb_read_io_threads';    -- 读线程数SHOW VARIABLES LIKE 'innodb_write_io_threads';   -- 写线程数SHOW VARIABLES LIKE 'max_connections';           -- 最大连接数-- 根据服务器配置调整-- SSD 硬盘可以设置更高的 innodb_io_capacity

六、使用 EXPLAIN 分析执行计划

-- 查看执行计划EXPLAIN SELECT * FROM users WHERE name = '张三';-- 关键字段解读-- id: 查询标识符-- select_type: 查询类型（SIMPLE, PRIMARY, SUBQUERY 等）-- table: 访问的表-- type: 访问类型（从好到差：system > const > eq_ref > ref > range > index > ALL）-- possible_keys: 可能使用的索引-- key: 实际使用的索引-- key_len: 使用的索引长度-- rows: 预估扫描的行数-- Extra: 额外信息（Using index, Using where, Using filesort 等）

重点关注：

  • type 字段：如果是 ALL，说明是全表扫描；如果是 index，说明是索引扫描
  • rows 字段：预估扫描的行数，越大越慢
  • Extra 字段：Using filesort（文件排序）、Using temporary（临时表）都是性能杀手

相关文章

精彩推荐