SQL查询优化和索引策略是Linux数据库性能提升最直接、见效最快的两个抓手，需结合EXPLAIN分析执行计划、合理创建覆盖索引、优先重写低效SQL，并协同调优Linux内核参数与文件系统配置。
SQL查询优化和索引策略是Linux数据库性能提升最直接、见效最快的两个抓手。不合理的查询写法和缺失/低效的索引，往往让CPU、I/O和内存白白承压，而这些问题在高并发或数据量增长后会集中爆发。关键不在堆硬件，而在看清执行路径、理解数据分布、精准干预访问方式。
看懂EXPLAIN：从执行计划里找瓶颈
优化前不看EXPLAIN，等于蒙眼调参。在MySQL或PostgreSQL中，用EXPLAIN ANALYZE（PostgreSQL）或EXPLAIN FORMAT=JSON（MySQL 8.0+）获取真实执行细节，重点关注：
-
Type字段：ALL（全表扫描）、index（全索引扫描）是危险信号；尽量落到range、ref、eq_ref甚至const
-
Rows/estimated_rows：预估扫描行数远大于实际返回行数？说明索引没走对，或统计信息过期（可运行ANALYZE TABLE更新）
-
Extra列：出现Using filesort、Using temporary、Using join buffer，意味着排序、临时表或缓冲区操作——这些极易成为慢点
-
Key/Actual startup time：确认是否命中预期索引；PostgreSQL中startup time显著高于total time，可能表示过滤条件太弱、索引选择率差
索引不是越多越好：建什么、怎么建、何时删
索引本质是空间换时间，但维护成本（INSERT/UPDATE/DELETE变慢、磁盘占用、缓冲池压力）必须纳入权衡。实战中坚持三条铁律：
-
覆盖索引优先：把SELECT字段和WHERE/ORDER BY/GROUP BY涉及的列打包进一个索引，避免回表。例如SELECT name, status FROM users WHERE dept_id = ? ORDER BY created_at DESC，可建(dept_id, created_at DESC, name, status)
-
区分度高的列放前面：比如gender（只有M/F）和user_id（唯一）组合索引，user_id必须在前，否则索引几乎无效
-
定期清理无用索引：MySQL可通过sys.schema_unused_indexes视图，PostgreSQL查pg_stat_all_indexes中idx_scan为0且存在半年以上的索引，结合慢日志交叉验证
查询重写比加索引更治本的5种情况
很多慢查询根源在逻辑本身。与其硬扛索引，不如先重构SQL：
- 用EXISTS替代IN (子查询)，尤其子查询结果集大时，EXISTS可短路退出
- 避免SELECT *，只取必要字段——减少网络传输、避免大字段拖累缓冲池
- 拆分复杂JOIN：单次查10张表不如分2–3次查核心关联，用应用层组装，可控性更强
- 日期范围慎用函数包裹字段：WHERE DATE(create_time) = '2025-01-01'无法走索引，改写为WHERE create_time >= '2025-01-01' AND create_time
- 分页深翻用游标替代OFFSET：LIMIT 10000, 20极慢，改用WHERE id > last_seen_id ORDER BY id LIMIT 20
Linux环境下的协同调优要点
数据库跑在Linux上，内核参数和文件系统行为直接影响IO效率：
- 确保vm.swappiness=1（避免数据库内存被swap），transparent_hugepage=never（防止THP导致锁竞争）
- 数据库数据目录挂载时
启用noatime,nodiratime，减少元数据更新开销
- 使用XFS文件系统（优于ext4对大文件顺序读写的处理），并配置logbsize=256k提升日志写入吞吐
- 监控iostat -x 1中的%util接近100%且await持续偏高，说明磁盘已成瓶颈，需检查SQL是否引发大量随机IO（如未走索引的ORDER BY）
启用noatime,nodiratime，减少元数据更新开销