日本服务器上的MySQL查询变慢,如何判断是否需要调整索引?
接口P95延迟升高,不能直接证明MySQL缺少索引。判断日本服务器上的慢查询是否需要调整索引,关键是确认:时间是否消耗在数据库执行阶段,执行时是否扫描了大量无关记录,以及候选索引能否在相同负载下减少扫描与排序成本。
如果数据库执行时间基本不变,只是跨境连接、连接池等待或结果传输变慢,调整索引通常不是主要解决办法;如果同一类SQL的执行延迟与扫描行数同步增长,并且执行计划显示过滤或排序路径不合理,就值得测试索引方案。服务器位于日本,影响的是访问链路和部署条件,不会改变MySQL索引的基本判断逻辑。
A5数据提供日本物理服务器资源,覆盖Xeon Gold与AMD EPYC平台,并配备NVMe、SSD及大容量HDD等存储方案,可承载MySQL数据库、业务后台和接口服务。结合日本本地及跨境访问场景,A5数据还提供不同带宽与线路配置,能够围绕数据库工作负载、数据规模和访问路径搭建相应的服务器基础。
测试目标:把“查询变慢”拆成可验证的问题
索引优化的目标不是让执行计划里出现某个索引名,而是让目标查询在业务需要的吞吐与并发下,以更少的资源完成工作。
开始分析前,先确定三个边界:
- 目标查询:定位同一种SQL结构,而不是混合统计所有查询。相同SQL结构还应按租户规模、时间范围等参数分组。
- 延迟位置:分别记录接口耗时、连接池获取连接耗时、数据库调用耗时;有条件时再对照数据库侧语句计时。
- 验收条件:例如在每秒200次目标查询、并发上限40的测试中,数据库执行P95低于50毫秒,且写入延迟没有明显恶化。
这里的数值只是一个验收示例,不是日本服务器或MySQL的通用性能标准。
日本服务器需要额外区分链路与执行时间
应用与数据库都部署在日本同一地域,和应用在中国、数据库在日本,是两种不同的测试环境。后者的数据库调用可能包含更明显的网络往返、连接建立和结果传输成本。
可以从应用侧和数据库同地域分别观察同一查询,但要保持SQL参数、结果集大小、缓存状态与负载接近。若应用侧耗时明显增加,而数据库侧语句耗时、扫描行数没有变化,应先检查链路、连接复用和连接池排队。
数据库客户端测得的总耗时也不等于纯执行耗时,其中通常包含网络和结果接收时间。不要仅凭一次客户端测试,就把整个时间差归因于日本服务器上的数据库。
指标含义:哪些数据能支持“应该调整索引”
下面这些指标需要一起看,单独一个“慢”或“高”并不足以定位问题。
| 指标 | 需要观察什么 | 对索引判断的意义 |
|---|---|---|
| 数据库执行P95、P99 | 同类SQL在高峰期的尾延迟 | 判断少数查询是否因大范围扫描或等待而拖慢 |
| 每次执行扫描行数 | 扫描多少行,最终返回多少行 | 大量扫描后只返回少量记录,是重要线索 |
| 执行计划 | 访问方式、使用索引、估算行数、排序方式 | 判断现有索引是否匹配过滤与排序条件 |
| 完成吞吐与并发 | 每秒实际完成量、排队长度、活跃执行数量 | 防止把降低负载后的变快误判为优化成功 |
| CPU与I/O | CPU使用、磁盘读延迟、读操作数量 | 区分计算消耗与存储等待 |
| 内存与缓冲池 | 数据页读取、物理读、工作集变化 | 判断缓存是否掩盖了大量扫描成本 |
| 锁等待 | 事务等待、阻塞关系、长事务 | 排除主要由事务冲突造成的慢查询 |
“扫描行数明显高于返回行数”是索引优化线索,不是必须加索引的结论。 汇总报表可能本来就需要处理大量数据;而返回20条订单却扫描18万行,更值得检查访问路径。
使用Performance Schema中的SQL摘要统计时,要关注观察窗口内的增量。累计扫描行数除以累计执行次数,只能得到累计平均值;若要比较某次优化,应计算同一窗口内的扫描行数增量和执行次数增量,避免历史数据稀释变化。
不要把执行计划当成耗时报告
EXPLAIN中的行数通常是优化器估算,不是实际扫描结果;Using filesort表示需要额外排序,也不意味着一定发生磁盘排序。几十行的排序与几十万行的排序,成本完全不同。
可以在具有查询权限的连接中核验版本,并查看示例查询的计划:
SELECT VERSION();
EXPLAIN FORMAT=JSON
SELECT id, created_at, amount
FROM orders
WHERE tenant_id = 10086
AND status = 1
AND created_at >= '2025-06-01 00:00:00'
ORDER BY created_at DESC, id DESC
LIMIT 20;
该示例要求存在相应表和字段,应替换为实际业务查询。普通EXPLAIN用于查看计划,不会像正常查询那样返回业务结果。
MySQL 8.0.18及以上支持EXPLAIN ANALYZE,可以观察实际执行行数、循环次数和时间,但它会真正执行查询。对重查询,应优先在测试库或经过负载评估的只读环境中使用,不能因为带有EXPLAIN就认为没有生产影响。
影响变量:索引有效,为什么查询仍可能慢
索引是否有价值,取决于查询形态和数据分布,而不是索引数量。
联合索引应对应过滤、排序和返回方式
对上面的订单查询,若现有索引只有tenant_id,数据库可能先找到该租户的大量订单,再判断状态、时间范围并排序。
候选联合索引可以是(tenant_id, status, created_at, id)。前两列对应等值过滤,后两列对应时间范围及稳定排序。在这个查询形态下,即使索引按升序建立,也可能通过反向扫描满足两列同时降序的排序要求,最终仍需以执行计划确认。
这不是一条可套用到所有SQL的规则:
- 查询没有
status条件时,不能默认这个索引仍能高效完成按时间排序。 - 不同租户的数据量差异很大时,小租户测试不能代表大租户。
- 查询返回
amount而候选索引不包含它时,仍需回表读取;但若只回表20次,通常不应仅为消除这点成本而扩大索引。 - 深分页即使使用索引,也可能先读取并跳过大量记录,需要结合业务判断是否改用游标分页。
低选择性的字段并非一定不适合放入联合索引。单独为常见状态值建立索引可能收益有限,但它与租户、时间组合后,可能显著缩小需要读取的范围。
缓存、参数和资源会改变测试结果
同一条SQL第一次慢、第二次快,可能是数据页进入InnoDB缓冲池,也可能是应用缓存直接返回结果。索引对照测试应明确缓存策略,至少覆盖稳定预热后的表现;若业务经常读取历史冷数据,还应单独评估这种场景。
不要为了制造冷缓存而在生产环境重启MySQL或清空缓存。这会扩大影响范围,也会破坏测试条件。
CPU平均占用不高,也不能证明数据库没有资源瓶颈:单个核心可能已经繁忙,查询也可能在等待存储或锁。类似地,连接数很高不代表同时执行的查询很多,大量连接可能处于空闲状态。应结合活跃线程、连接池等待和实际完成吞吐判断。
若多种SQL同时变慢、物理读与磁盘读延迟一起上升,更可能存在工作集超过缓冲池、存储受限或并发过高的问题。索引可能帮助减少读量,但不能替代对整体资源瓶颈的确认。
结果解释:怎样证明收益来自索引调整
索引测试需要对照组。应固定数据规模、参数分布、SQL版本、缓存策略、请求速率及并发上限,同时保持接近生产的读写比例。
下面是一组用于说明判断方法的示例数据:订单表约2000万行,目标租户约18万行订单,数据库运行在8 vCPU、32 GiB内存环境中。测试采用固定到达速率,每秒200次目标查询,并发上限40,预热后持续观察10分钟。

| 指标 | 原索引方案 | 候选联合索引方案 |
|---|---|---|
| 目标查询完成吞吐 | 200次/秒 | 200次/秒 |
| 数据库执行P95 | 260毫秒 | 32毫秒 |
| 每次平均扫描行数 | 约180000行 | 约20行 |
| 每次返回行数 | 20行 | 20行 |
| 数据库CPU平均使用率 | 71% | 36% |
| 磁盘读操作数量 | 较高 | 明显下降 |
| 同期订单写入P95 | 18毫秒 | 21毫秒 |
这组结果支持调整索引,不只是因为P95下降,还因为完成吞吐相同、扫描工作量下降、CPU与读取压力同步减轻。从约18万行扫描到约20行,说明新访问路径减少了大量无效处理。
但写入P95从18毫秒变成21毫秒,也提醒我们:新索引增加了维护成本。是否接受这项变化,需要结合写入目标、测试波动及重复测试结果,而不是只看读取收益。
几种结果应分别解释
延迟下降,扫描行数基本不变。 可能主要来自缓存预热、存储波动或测试负载变化,也可能是排序成本下降。需要对照执行计划及资源指标,不能只用延迟认定索引收益。
扫描行数下降,数据库执行变快,接口仍慢。 索引可能已经有效,但接口主要耗时仍在连接池、跨境链路、其他SQL或业务处理阶段。继续添加索引未必改善用户体验。
少量并发时很快,高并发时P99明显恶化。 应检查吞吐是否已达到资源上限,以及是否出现锁等待或队列积压。单次查询优化有效,不代表当前实例能承受任意并发。
读取更快,写入明显变慢。 应评估新增索引宽度、数量与状态更新频率。订单状态频繁变化时,包含状态列的索引也需要随之维护。
这些结果都需要复测,不能靠一次执行或一张监控截图作决定。
决策边界:什么时候调整,什么时候先处理其他问题
可以将调整索引的条件归纳为一条可复用的判断标准:
同一SQL在代表性参数下存在大量无效扫描、昂贵排序或连接匹配成本;候选索引在相同负载下减少了这些成本;收益在重复测试中成立,且写入、存储和上线风险可接受。
相反,如果主要时间消耗在网络、连接池等待或事务锁等待,或者查询本来就需要读取大部分数据,就不应把“加索引”作为默认动作。优化统计信息、改写查询、缩小结果集、调整事务范围或处理资源瓶颈,可能更接近原因。
上线前还要核对现有索引是否重复、磁盘余量是否足够,以及大表建索引对I/O、复制延迟和元数据锁的影响。在线DDL也不等于没有阻塞风险,具体能力取决于MySQL版本、存储引擎与变更类型。
实际变更应具备已验证的备份与恢复能力,并先在接近生产数据规模的环境中演练。回退方案应记录原索引结构,优先保留原有索引,通过撤销新增索引恢复原方案;撤销操作本身同样需要评估锁与负载,不能临时处理。
按增长后的条件复测容量
索引上线后,应在相同条件下复测,并补充大租户、宽时间范围、高峰读写混合负载等场景。后续发生以下变化,也应重新检查执行计划:
- 表数据、活跃租户规模或数据分布明显变化。
- SQL新增过滤字段、排序方式或返回列。
- MySQL版本、统计信息、服务器规格或存储条件变化。
- 应用迁移后,应用与日本数据库之间的链路发生变化。
容量判断可以采用阶梯加压:保持参数分布和读写比例,每档提高请求速率,观察完成吞吐是否继续增长,以及P95、P99、连接池等待、CPU和磁盘延迟是否持续恶化。首次稳定突破业务延迟目标或出现队列持续增长的档位,可视为当前测试条件下的容量边界。
需要注意,LIMIT 20查询使用合适索引后,表总量翻倍不一定导致扫描量翻倍;但更大的索引与工作集仍可能增加缓存压力。因此,判断日本服务器上的MySQL是否需要调整索引,最终应落在三项证据上:执行计划解释得通、工作量确实减少、代表性负载下的收益可以重复。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/3974.html



