MySQL单表两亿行还在加索引,慢查询早把锅甩给了分库分表
摘要:一张 2.1 亿行的订单表,六个索引没治好慢查询,写入反而更慢。文章拆解归档、查询改造、索引瘦身的实际动作,说明分库分表解决的是容量问题而非慢查询,并给出何时才该拆分的明确判断。
上个月去一个做本地生活的团队救火,主库单表 2.1 亿行,开发还在往上加二级索引。问为什么,答得挺干脆:有个查询慢,加个索引就好了。我看了一眼慢日志,那条 SQL 平均 4.7 秒,扫描行数 800 万,加索引的列选择度不到 3%。这不是索引能救的场面。
问题出在表结构本身。这张订单表按用户维度查没问题,偏偏运营后台要按“城市+状态+创建时间”翻页,三个条件全是低基数或范围条件,任何一个索引都绕不开大量回表。他们前后加了六个索引,写入 TPS 从 3200 掉到 1900,磁盘 IO 反而更忙。加索引治慢查询,很多时候是在给症状喂止痛药。
更麻烦的是,慢查询的锅已经被提前甩出去了。架构评审会上有人提议:分库分表吧,拆成 16 个库 64 张表,单表就小了。听着合理。我让他们先算一笔账:拆分后那条运营查询要跨 64 张表聚合,中间还得排序分页,应用层要么写内存归并,要么引入额外的中间层。查询延迟不会降,只会从数据库的慢变成应用的慢。分库分表解决的是写入容量和单机存储上限,它从来不是慢查询的通用解药。
这个团队真正该做的第一件事,是拆查询路径。运营后台那种翻页查询,根本不该打到主库的在线表上。他们每天新增订单约 90 万行,历史数据占 95% 以上,查询却大多落在最近 30 天。把冷数据按月份归档到独立的归档表,在线表只保留近 90 天,行数从 2.1 亿降到 2800 万左右,同一条 SQL 的执行计划立刻换了个样子,扫描行数掉到 12 万,耗时 300 毫秒以内。这一步没加分库分表,也没加新索引,只是让数据待在该待的地方。
第二件事是改查询。运营那个页面要的是“城市+状态”的列表,还带总数。总数那条 count 才是真正的杀手,每次都全量扫。我让他们把总数改成近似值,用缓存里维护的计数器,每 5 分钟刷新一次,允许有误差。产品那边一开始不干,说数字要准。我把两个方案摆出来:精确总数 4 秒,近似总数 40 毫秒。最后他们选了后者,页面上写的是“约 1.2 万条”。说实话,运营看这个数字只是为了心里有个量级,精确到个位没有任何业务价值。
第三件事才是索引。清理完冗余索引后,这张表只留了三个:主键、用户 ID 加创建时间的联合索引、订单号唯一索引。之前那六个索引里有三个是完全重复的前缀,两个从来没被优化器选中过。删掉之后写入 TPS 回到 3000 以上,binlog 体积一天少了差不多 18%。加索引这件事,删比加更需要判断力。
这里有个坑得说清楚:归档方案不是万能的。如果业务确实要查全量历史,而且查询条件本身就是低选择度的,那归档只能缓解不能根治。这种情况下更该考虑的是换存储形态,把明细查询交给列式存储或者搜索引擎,MySQL 只承担点查和事务写入。我见过一个团队硬扛,单表 4 亿行还要做多条件组合筛选,最后索引加了十一个,写入延迟飙到 200 毫秒,还是慢。那不是 MySQL 的问题,是用错了工具。
分库分表什么时候才该上?我的判断很直接:单表写入成为瓶颈、单机磁盘或连接数顶到上限、或者业务天然能按某个高基数键切分且查询都带这个键。三个条件里至少满足两个,再动拆分。单纯因为“表大”就拆,拆完你会发现跨分片查询、分布式事务、全局唯一 ID 这些新问题,一个比一个难缠,而原来那条慢 SQL 还在那儿慢着。
回到那个团队,他们最后没分库分表。归档加查询改造加索引瘦身,三周做完,P99 从 5 秒降到 400 毫秒。省下来的不只是机器,还有后面半年本来要填的分布式坑。
如果你手上也有一张过亿的表在喊慢,先别急着画分片路由。打开慢日志,把扫描行数和返回行数的比值算出来,比值超过 100 的查询,八成不是索引问题,是数据放错了地方或者查询写错了姿势。这个数比任何架构方案都诚实。