慢查询排查不是玄学:从慢日志到执行计划的一条完整链路
线上数据库一慢,很多人的第一反应是"加个索引试试",结果索引加了、CPU 降了点,过两天又慢回来。问题出在排查顺序不对:没有先定位"哪条 SQL 慢、为什么慢",就开始动手术。这套流程我们在一个日均千万级订单查询的系统里反复验证过,排查时间从原来的半天压缩到二十分钟以内。
第一步:让慢日志说人话
很多团队的慢日志开了但没人看,原因很简单:默认参数下 long_query_time 设成 10 秒,等于没开。我们的实践是把它压到 0.5 秒,再配合 log_queries_not_using_indexes,宁可日志多一点,也不放过低频但致命的全表扫描。
拿到日志后别急着看 SQL 文本,先按两个维度聚合:一是按指纹(把参数替换成占位符)聚合执行次数,二是按总耗时排序。经常出现的场景是:单次 80ms 的查询一天跑四十万次,比单次 3 秒的报表查询更早拖垮连接池。聚合之后,嫌疑对象通常不会超过五个。
第二步:读执行计划,重点看四列
对嫌疑 SQL 执行 EXPLAIN,大部分答案就写在计划里了。我们内部总结为四个必看项:
- type 列。出现 ALL(全表扫描)且表超过十万行,基本可以立案;index 和 range 都算可接受,但要确认扫描的行数范围合理。
-
- rows 列。这是优化器的估算值,如果估算行数与实际返回行数差出两三个数量级,说明统计信息过期了,先跑 ANALYZE TABLE 再看,别急着改 SQL。
-
-
key 列。显示 NULL 但表上明明有可用索引,最常见的两个原因:一是查询条件对索引列做了函数运算或隐式类型转换(典型如 varchar 列用数字查);二是联合索引的顺序不符合最左前缀。
-
我们踩过最大的坑就是混淆这两种慢。一个订单列表查询,索引命中了,但 Extra 里出现大量回表,行数 × 回表成本之后依然很慢。这时候 SQL 里 SELECT 的字段越少越好:把列表页只需要的三五个字段做成覆盖索引,让计划里出现 Using index,延迟常常直接掉一个数量级。
-
- 判断方法也很朴素:用
SELECT count(*)配同样的 WHERE 条件跑一遍,如果它很快而原查询很慢,瓶颈大概率在回表和排序,而不是过滤。
-
第四步:改完之后,必须验证两件事
第一,用生产等量的数据验证,开发环境几百行数据的执行计划没有任何参考价值。第二,盯住同一指纹的慢日志,确认次日在真实流量下确实消失了。我们要求每次索引变更都附一条回滚语句,因为新索引不只会加速,也可能把别的查询的执行计划带偏——这是优化器基于成本估算的,不是基于"你希望它快"。
写在最后
慢查询排查的核心不是背口诀,而是建立一条证据链:慢日志圈定嫌疑 → 执行计划定位原因 → 小改动验证 → 回归观察。每一步都有数据支撑,改不改、怎么改就有了依据。工具层面,华为云 RDS 自带的慢 SQL 分析已经把指纹聚合做掉了,把精力留给读懂执行计划这一步,性价比最高。
- 点赞
- 收藏
- 关注作者
评论(0)