SQL性能优化:让查询快10倍的8个实战技巧(2026版)

news2026/5/10 5:23:18
学习是为了不落后整理则是为了不忘记。这是我在数据分析这行干了近10年的体会。SQL写得烂不只是慢是浪费公司的钱——你多跑1小时的查询集群就多烧1小时的钱。2026年了AI能帮你写SQL但AI写出来的SQL不一定快。今天船长把压箱底的8个优化技巧全拆给你看每个都有真实案例直接复制就能用。一、EXPLAIN先看执行计划别猜90%的SQL性能问题EXPLAIN一眼就能看出来。但很多人习惯改了再跑跑完再说。正确姿势EXPLAIN ANALYZESELECT u.name, COUNT(o.id) AS order_countFROM users uLEFT JOIN orders o ON u.id o.user_idWHERE u.created_at 2026-01-01GROUP BY u.id, u.name;看三个指标Seq Scan vs Index Scan有没有走索引、rows estimated vs rows actual预估行数准不准、execution time总耗时。实战案例一个用户画像查询从12秒优化到0.3秒就是因为EXPLAIN发现走了全表扫描加了个组合索引就解决了。二、索引不是越多越好组合索引有讲究见过有人给表加了20个索引结果INSERT比SELECT还慢。索引是双刃剑写快了读就慢读快了写就慢。组合索引的黄金法则最左前缀匹配-- 建索引CREATE INDEX idx_user_status_date ON orders(user_id, status, created_at);-- ✅ 能命中索引WHERE user_id 123 AND status paidWHERE user_id 123-- ❌ 不能命中索引跳过了最左列WHERE status paid AND created_at 2026-01-01船长经验单表索引不超过5个组合索引列数不超过3列。超过这个数说明你的表设计有问题。三、子查询改成JOIN性能差10倍这是新手最常犯的错。子查询在MySQL 5.6之前每执行一次就是一次全表扫描改成JOIN可以直接走索引。慢写法子查询SELECT * FROM ordersWHERE user_id IN (SELECT id FROM users WHERE city 北京);快写法JOINSELECT o.* FROM orders oINNER JOIN users u ON o.user_id u.idWHERE u.city 北京;实测数据一个100万行的订单表子查询耗时3.2秒JOIN只用了0.15秒差了21倍。四、避免SELECT *只查需要的列SELECT * 看着方便但后果很严重①网络传输量暴增 ②无法使用覆盖索引 ③回表次数增加。覆盖索引的威力如果你的查询只涉及索引列数据库直接从索引返回数据不需要回表查数据行。这个优化在某些场景下可以快100倍。-- 假设有索引 idx_user_name_age(user_id, name, age)-- ✅ 覆盖索引不需要回表SELECT user_id, name, age FROM users WHERE user_id 123;-- ❌ 多查了一列必须回表SELECT user_id, name, age, email FROM users WHERE user_id 123;五、LIKE模糊查询的坑LIKE %关键词和LIKE %关键词%都会导致索引失效触发全表扫描。解决方案① 前缀匹配可以用索引LIKE 关键词%② 全文检索用全文索引MySQL的FULLTEXT或Elasticsearch③ 精确匹配用等号 关键词实战案例一个商品搜索接口原来用LIKE %手机%500万商品表查询耗时8秒。改用MySQL FULLTEXT索引后查询降到0.05秒。六、分页查询的深分页问题LIMIT 100000, 20这种写法数据库要先查出100020行再丢弃前100000行。越往后翻越慢。优化方案游标分页-- ❌ 深分页查100万行只要最后20行SELECT * FROM orders ORDER BY id LIMIT 1000000, 20;-- ✅ 游标分页只查大于上一页最后一条ID的记录SELECT * FROM orders WHERE id 1000000 ORDER BY id LIMIT 20;实测数据1000万行订单表OFFSET分页第50页耗时2.3秒游标分页始终在0.01秒。七、批量INSERT代替逐条INSERTinserting 1万条数据逐条INSERT要30秒批量INSERT只要0.5秒。-- ❌ 逐条插入循环1万次INSERT INTO logs (user_id, action) VALUES (1, click);-- ✅ 批量插入一次1千条INSERT INTO logs (user_id, action) VALUES(1, click), (2, view), (3, click), ...;船长经验批量大小控制在500-1000条/次太大可能触发MySQL的max_allowed_packet限制。八、用窗口函数替代自连接查每个部门的薪资最高的人老写法是自连接新写法用窗口函数ROW_NUMBER()。-- ❌ 自连接两次扫描同一张表SELECT e.* FROM employees eINNER JOIN (SELECT dept, MAX(salary) AS max_salFROM employees GROUP BY dept) m ON e.dept m.dept AND e.salary m.max_sal;-- ✅ 窗口函数一次扫描搞定WITH ranked AS (SELECT *, ROW_NUMBER() OVER (PARTITION BY dept ORDER BY salary DESC) AS rnFROM employees)SELECT * FROM ranked WHERE rn 1;实测数据50万行员工表自连接耗时1.8秒窗口函数0.4秒快了4.5倍代码也更清晰。总结SQL优化检查清单✅ 1. 先EXPLAIN看执行计划别凭感觉✅ 2. 组合索引遵循最左前缀单表不超过5个✅ 3. 子查询改JOIN避免全表扫描✅ 4. 不用SELECT *善用覆盖索引✅ 5. LIKE前缀通配符走索引后缀不行✅ 6. 深分页用游标别用OFFSET✅ 7. 批量INSERT每次500-1000条✅ 8. 窗口函数替代自连接 数据来源个人工作记录统计2024-2026年数据分析项目实战测试环境为MySQL 8.0表数据量100万-1000万行。你在工作中遇到过哪些SQL性能坑评论区聊聊船长帮你看看。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2554446.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…