前言

想象你是明明一家餐厅的服务员，面前有两个菜单：菜单A：按菜品分类排列（前菜、同条主菜、什有时候甜点）菜单B：按价格从低到高排列

当顾客说："我要最便宜的走索走索川菜"。

你会：

先用菜单B找到所有低价菜从中筛选川菜

或者：

先用菜单A找到所有川菜再按价格排序

这就是引a有时引MySQL优化器的日常决策！

明明是明明同一条SQL，有时候走的同条索引a，而有时候走的什有时候索引b，就是走索走索它的锅。

今天这篇文章跟大家一起聊聊，引a有时引MySQL选错索引的明明问题，希望对你会有所帮助。同条

1.一个让程序员崩溃的什有时候案例

现在有个需求：查询今年开始已付款的前100个订单。

给status字段创建了索引idx_status。走索走索

给create_time字段创建了索引idx_create_time。引a有时引

查询订单的sql如下：

复制SELECT * FROM orders WHERE status = paid -- 状态条件 AND create_time > 2025-01-01 -- 时间条件 ORDER BY amount DESC LIMIT 100;1.2.3.4.5.

周一执行计划如下：

复制使用索引：idx_status（状态索引） 扫描行数：500行 耗时：0.1秒1.2.3.

周二执行计划如下：

复制使用索引：idx_create_time（时间索引） 扫描行数：50万行 耗时：8秒1.2.3.

周一只扫描了500行数据，而周二却扫描了50万行数据。

周一耗时0.1秒，亿华云计算而周二耗时却又8秒。

同一SQL在不同时间性能差异80倍！

让我们拆解背后的原因。

2.揭秘优化器的"决策三步曲"

MySQL优化器的决策流程如下：

成本计算示例：

索引名称

预估扫描行数

回表次数

排序成本

总成本

idx_status

50万

50万次

需要排序

1050分

idx_create_time

5万

5万次

无需排序

600分

根据扫描行数、回表次数、排序成本，计算一个总成本的分数。

优化器会选择总成本更低的idx_create_time索引。

3.导致索引切换的四大真凶

真凶1：数据分布变化

场景还原：

周一数据：已支付订单5万条，其中2025年的5万条周二数据：已支付订单50万条，其中2025年的50万条

这个例子中数据分布变化很大，周二的数据，比周一的数据一下子多了45万。

可能会影响总成本的分数。

我们可以通过下面的SQL查看数据分布：

复制SELECT COUNT(*) AS total, SUM(status=paid) AS paid_count, SUM(create_time>2023-01-01) AS new_orders FROM orders;1.2.3.4.5. 真凶2：统计信息过期

统计信息过期，就像用去年的地图导航，新修的路不会出现在地图上。源码库

MySQL的"地图"就是统计信息。

我们可以通过ANALYZE TABLE ... DELETE STATISTICS命令删除统计信息：

复制ANALYZE TABLE orders DELETE STATISTICS;1.

这时候查询可能变成全表扫描：

复制EXPLAIN SELECT...1.

显示type: ALL

那么，如何解决这个问题呢？

使用ANALYZE TABLE命令，刷新统计信息（相当于更新地图）：

复制ANALYZE TABLE orders;1. 真凶3：索引覆盖度差异

点餐类比：

菜单A能直接看到菜品价格 → 无需问厨师（覆盖索引）菜单B只能看到菜品名 → 需要问厨师详情（回表查询）

下面的SQL会走idx_status（需要回表）：

复制SELECT * FROM orders WHERE status=paid;1.

下面的SQL会走idx_create_time（覆盖索引）：

复制SELECT create_time FROM orders WHERE create_time>2023-01-01;1.2. 真凶4：索引碎片化

索引碎片化就像书本的目录页被撕破，找内容变得困难。

检查方法：

复制SHOW TABLE STATUS LIKE orders;1.

查看Data_free字段，值越大碎片越多。

优化方案：

使用ALTER TABLE命令重建索引。

复制ALTER TABLE orders ENGINE=INNODB;1.

4.问题排查四步法

第一步：查看当前执行计划

使用EXPLAIN查看当前SQL的执行计划：

复制EXPLAIN SELECT * FROM orders WHERE status=paid AND create_time>2023-01-01;1.2.3.4. 第二步：检查统计信息

使用SHOW INDEX命令检查索引的统计信息：

复制SHOW INDEX FROM orders;1.

关注Cardinality字段，值越接近真实数据越好。

第三步：分析数据分布

使用下面的SQL分析数据分布:

复制SELECT COUNT(*) AS total, AVG(LENGTH(status)) AS status_avg_len FROM orders;1.2.3.4. 第四步：追踪优化器思考过程 复制SET optimizer_trace="enabled=on"; SELECT * FROM orders WHERE ...; SELECT * FROM INFORMATION_SCHEMA.OPTIMIZER_TRACE;1.2.3.

开启optimizer_trace，然后通过INFORMATION_SCHEMA.OPTIMIZER_TRACE表查看追踪优化器思考过程。

5.三大终极解决方案

方案1：引导优化器选择

使用FORCE INDEX强制使用指定索引：

复制SELECT * FROM orders FORCE INDEX(idx_status) WHERE ...;1. 方案2：创建更优索引

创建更优的联合索引：

复制ALTER TABLE orders ADD INDEX idx_status_create_time(status,create_time);1.2. 方案3：定期维护计划定期统计信息更新定期碎片率检查定期索引重建

总结

六个必须检查的点WHERE条件字段是否有合适索引ORDER BY/GROUP BY是否利用索引排序统计信息是否最新（尤其大表每天更新）是否存在索引碎片（每月检查一次）是否出现索引合并（INDEX_MERGE）是否使用覆盖索引（减少回表）三条黄金法则二八定律：20%的索引满足80%的查询数据驱动：定期分析查询模式调整索引防御编程：核心查询明确指定索引

云服务器