数据库性能调优的关键步骤-CFANZ编程社区

数据库性能调优的关键步骤

识别性能瓶颈
通过监控工具（如Prometheus、Datadog）或数据库内置工具（如MySQL的SHOW PROCESSLIST、Oracle的AWR报告）分析慢查询、CPU/内存使用率、I/O等待时间。常见指标包括：

查询响应时间超过阈值（如>500ms）
锁等待时间过长
磁盘I/O饱和

优化查询语句
重写低效SQL，避免全表扫描和临时表。例如：

-- 优化前（未使用索引）
SELECT * FROM orders WHERE DATE(created_at) = '2023-01-01';

-- 优化后（利用索引）
SELECT * FROM orders WHERE created_at BETWEEN '2023-01-01 00:00:00' AND '2023-01-01 23:59:59';

使用EXPLAIN分析执行计划，确保使用索引（type=ref或range），避免ALL类型扫描。

索引策略优化

合理添加复合索引
根据高频查询条件组合创建索引。例如：

ALTER TABLE users ADD INDEX idx_name_email (last_name, email);

遵循最左前缀原则，避免冗余索引。

定期维护索引
删除未使用的索引（通过sys.schema_unused_indexes检测），重建碎片化索引：

-- MySQL碎片整理
ALTER TABLE orders ENGINE=InnoDB;

-- PostgreSQL重建索引
REINDEX INDEX idx_order_date;

数据库配置调整

内存分配调优

InnoDB缓冲池（MySQL）：设置为可用内存的70-80%
```
innodb_buffer_pool_size = 12G
```

共享内存（PostgreSQL）：

shared_buffers = 4GB
effective_cache_size = 12GB

并发连接控制
限制连接数避免资源争用：

# MySQL
max_connections = 200
thread_cache_size = 32

# PostgreSQL
max_connections = 100

案例：电商平台订单查询优化

问题现象
高峰期订单查询延迟达2秒，数据库CPU使用率90%+。

解决方案

发现orders表的status字段无索引，添加过滤索引：
```
CREATE INDEX idx_orders_status ON orders(status);
```

优化联合查询，将OR条件改写为UNION：

-- 优化前
SELECT * FROM orders WHERE user_id=100 OR status='pending';

-- 优化后
SELECT * FROM orders WHERE user_id=100 
UNION
SELECT * FROM orders WHERE status='pending' AND user_id!=100;

调整InnoDB日志文件大小至1GB：
```
innodb_log_file_size = 1G
```

效果
查询延迟降至200ms内，CPU使用率下降至60%。

高级优化技术

分库分表
对单表数据量超过千万的表按时间或ID哈希拆分。例如：

-- 按月分表
CREATE TABLE orders_202301 (LIKE orders INCLUDING INDEXES);

读写分离
配置主从复制，将报表类查询路由到只读副本。

缓存层引入
对热点数据（如商品详情）使用Redis缓存，减少数据库访问：

# Python示例：先查缓存
def get_product(product_id):
    data = redis.get(f"product:{product_id}")
    if not data:
        data = db.execute("SELECT * FROM products WHERE id=%s", product_id)
        redis.setex(f"product:{product_id}", 3600, data)
    return data