香港服务器MySQL查询变慢怎么办?如何从慢查询与索引使用定位瓶颈
不要先把页面响应时间直接归因于香港服务器或 MySQL。一次请求的总耗时可能同时包含网络往返、连接池排队、连接建立、SQL执行、锁等待、结果传输和应用层处理;其中只有一部分属于数据库真正执行查询的时间。判断“查询变慢”的第一步,是把这些时间拆开,而不是看到接口从 100 毫秒变成 500 毫秒就立即添加索引。
更有效的定位路径是:先确定慢的是单条 SQL、数据库整体吞吐,还是连接池与网络;再从慢查询日志或 Performance Schema 找出高耗时、高频率和高扫描量的语句;随后用 EXPLAIN 或 EXPLAIN ANALYZE核对索引是否被使用;最后结合 CPU、内存、磁盘 I/O、锁等待和并发复测。只有当执行计划、资源指标和复测结果相互印证时,才适合修改索引或查询。
先确定测试目标:慢的是 SQL 还是请求
区分四类延迟
建议把一次请求拆成以下几个时间段:

| 时间段 | 说明 | 常见问题 |
|---|---|---|
| 网络往返 | 应用服务器与数据库之间的通信耗时 | 应用和数据库不在同一地区、链路抖动 |
| 连接池等待 | 请求等待可用数据库连接的时间 | 连接池过小、连接未及时归还 |
| SQL执行 | MySQL解析、优化、扫描、排序、连接和锁等待 | 缺少索引、执行计划不佳、锁竞争 |
| 结果处理 | 结果传输、对象映射和业务逻辑处理 | 返回行数过多、应用序列化耗时 |
MySQL慢查询日志中的 Query_time 主要反映数据库端查询处理时间,并不等于用户从浏览器感知到的完整接口耗时。相反,应用访问日志中的接口耗时可能包含连接池排队和网络等待。
香港服务器场景尤其要注意应用与数据库的部署位置。如果应用在香港、数据库在其他地区,小查询本身可能只执行 10 毫秒,但网络往返已经增加几十毫秒;这不会导致索引“不生效”,却会抬高接口延迟。可以在应用侧分别记录以下时间:
- 从请求开始到获取数据库连接的时间;
- 从发送 SQL 到收到数据库结果的时间;
- 从收到结果到接口返回的时间。
如果数据库端慢查询记录为 80 毫秒,而应用侧等待数据库结果为 220 毫秒,优先检查网络、连接建立和结果传输,不要直接修改索引。
用分位延迟代替平均值
平均耗时容易掩盖少量严重慢请求。建议至少观察:
p50:典型请求耗时;p95:大多数用户能接受的上界;p99:高峰和异常请求的尾部延迟;- QPS 或每秒查询量;
- 并发请求数;
- 数据库端平均执行时间与最大执行时间。
例如,一组查询平均耗时 60 毫秒,但 p95 为 180 毫秒、p99 为 1.2 秒,通常说明部分参数触发了不同执行计划、锁等待或磁盘读取。此时只看平均值,容易误判为“整体性能还可以”。
建立基线:先知道什么叫变慢
慢查询阈值不是性能目标
long_query_time 只是记录门槛,不代表所有低于这个值的查询都合理。例如,一个每秒执行 2000 次、每次 80 毫秒的查询,可能比一个每分钟执行一次、耗时 2 秒的后台查询更值得优化。
可以先在低风险时段临时收集数据。以下示例适用于具备相应权限的 MySQL 环境:
SET GLOBAL slow_query_log = ON;
SET GLOBAL long_query_time = 0.5;
SET GLOBAL min_examined_row_limit = 1000;
SHOW VARIABLES
WHERE Variable_name IN (
'slow_query_log',
'slow_query_log_file',
'long_query_time',
'min_examined_row_limit'
);
这组设置表示记录执行时间达到 0.5 秒,或扫描行数达到一定规模的查询。不同版本、托管环境和权限策略可能不允许动态修改;重启后是否保留也取决于配置方式。不要在高流量环境长期把阈值设得过低,否则日志量会快速增加,反过来消耗磁盘 I/O。
log_queries_not_using_indexes 不建议一开始就打开。很多合法查询并不需要索引,例如小表全表扫描、低选择性字段过滤和统计任务。应该先根据 Query_time、Rows_examined 和执行次数筛选,再针对具体语句分析。
用 Performance Schema 找高成本语句
如果已启用 Performance Schema,可以按累计耗时查看规范化后的 SQL。下面是一个参考查询:
SELECT
SCHEMA_NAME,
DIGEST_TEXT,
COUNT_STAR,
ROUND(SUM_TIMER_WAIT / 1000000000000, 2) AS total_seconds,
ROUND(AVG_TIMER_WAIT / 1000000, 2) AS avg_milliseconds,
SUM_ROWS_EXAMINED,
SUM_ROWS_SENT
FROM performance_schema.events_statements_summary_by_digest
WHERE SCHEMA_NAME IS NOT NULL
ORDER BY SUM_TIMER_WAIT DESC
LIMIT 20;
这里的换算需要注意单位:
TIMER_WAIT的基础单位通常是皮秒;- 总耗时除以
1,000,000,000,000得到秒; - 平均耗时除以
1,000,000得到毫秒; SUM_ROWS_EXAMINED是累计扫描行数,不是返回给应用的行数。
优先关注三类语句:
- 单次平均耗时高,且执行频率不低;
- 单次扫描行数远高于返回行数;
- 单次耗时不高,但调用次数极多,累计耗时排名靠前。
例如,某条查询每次执行 120 毫秒,每秒执行 30 次,数据库每秒要承担约 3.6 秒的累计执行时间;另一条查询每次执行 2 秒,但每天只运行几次,优化优先级可能反而较低。
从慢查询日志判断瓶颈位置
慢查询日志中常见的字段包括:
Query_time:查询整体耗时;Lock_time:部分锁等待信息;Rows_sent:返回行数;Rows_examined:扫描或检查的行数;- SQL文本及执行时间。
可以用“扫描行数与返回行数的关系”进行初筛,但不要把某个固定比例当成绝对标准。
| 观察结果 | 可能原因 | 下一步 |
|---|---|---|
Rows_examined 很高,Rows_sent 很低 | 过滤条件没有有效索引,或索引选择性不足 | 检查 EXPLAIN 和联合索引顺序 |
| 两者都很高 | 查询本身返回数据量大,或分页方式不合理 | 限制列和行数,检查深分页 |
行数不高但 Query_time 高 | 锁等待、磁盘延迟、排序或临时表 | 查看锁、I/O和执行计划 |
| SQL耗时低但接口耗时高 | 连接池、网络、序列化或业务逻辑 | 对比应用分段计时 |
| 同一模板不同参数耗时差异大 | 数据分布倾斜或计划选择不稳定 | 使用多组参数执行计划对比 |
需要特别注意,InnoDB行锁等待不一定完整体现在慢查询日志的 Lock_time 中。发现 SQL耗时明显升高但扫描量没有变化时,应同时查看:
SHOW ENGINE INNODB STATUS\G
在 MySQL 8.0 中,还可以结合 Performance Schema 的锁等待表查看阻塞关系。排查锁问题时不要只盯着索引,因为索引可能已经正确使用,真正的问题是事务持有锁的时间过长、更新顺序不一致或长事务未提交。
用 EXPLAIN 判断索引是否真正有帮助
先看关键字段
对慢查询使用 EXPLAIN:
EXPLAIN
SELECT
id,
status,
created_at
FROM orders
WHERE user_id = 10086
AND status = 'paid'
ORDER BY created_at DESC
LIMIT 20;
重点观察以下字段:
| 字段 | 关注点 |
|---|---|
type | ALL通常表示全表扫描;但小表使用全表扫描不一定有问题 |
possible_keys | 优化器认为可能使用的索引 |
key | 实际选择的索引;为空不等于一定错误 |
key_len | 实际使用的索引长度,可辅助判断联合索引使用到哪一部分 |
rows | 优化器估算需要检查的行数 |
filtered | 经过条件过滤后预计保留的比例 |
Extra | 是否出现临时表、排序或覆盖索引等信息 |
对于 MySQL 8.0,可以在测试环境使用:
EXPLAIN ANALYZE
SELECT
id,
status,
created_at
FROM orders
WHERE user_id = 10086
AND status = 'paid'
ORDER BY created_at DESC
LIMIT 20;
EXPLAIN ANALYZE 会实际执行语句,可能读取生产数据并产生真实负载。不要对带有写操作的语句直接执行,也不要在高峰期对大表反复运行。生产环境更适合先使用普通 EXPLAIN,将相同数据规模或脱敏副本用于实际分析。
联合索引要匹配查询路径
对于上面的条件,一个可能的索引是:
(user_id, status, created_at)
它的逻辑是先按 user_id 和 status 缩小范围,再利用 created_at 支持排序或快速取前 20 行。但这不是所有查询都适用,联合索引顺序需要结合实际条件:

- 等值过滤字段通常放在范围条件之前;
- 需要排序的字段要考虑排序方向和前置过滤条件;
- 只把低选择性字段放在最前面,可能无法有效缩小扫描范围;
- 联合索引遵循左前缀原则,单独查询后面的字段通常无法完整利用索引;
- 过多索引会增加写入、更新、备份和存储成本。
例如,以下查询可能无法充分使用 (user_id, status, created_at):
SELECT *
FROM orders
WHERE status = 'paid';
因为缺少最左侧的 user_id。而以下写法也可能破坏普通索引的使用:
SELECT *
FROM orders
WHERE DATE(created_at) = '2025-01-01';
更适合改成范围条件:
SELECT *
FROM orders
WHERE created_at >= '2025-01-01 00:00:00'
AND created_at < '2025-01-02 00:00:00';
实际改写前要确认时区、字段类型和业务边界。日期范围的结束时间使用左闭右开,可以避免毫秒或微秒精度造成重复统计。
出现这些信息,不代表一定要加索引
type=ALL、Using filesort 或 Using temporary 都只是线索,不是单独的故障结论。
- 小表全表扫描可能比走索引更快;
- 低选择性字段,例如只有少数几种状态值,单列索引收益可能很低;
Using filesort表示需要额外排序,不必然表示使用了磁盘文件;Using temporary可能来自分组、排序或去重,需要结合行数和实际耗时判断;key为空可能是统计信息估算后认为全表扫描成本更低;- 表数据分布变化后,旧统计信息可能导致错误计划。
如果 EXPLAIN 估算行数明显不符合实际,可在确认业务低峰和资源余量后更新统计信息:
ANALYZE TABLE orders;
该操作会读取表和索引统计信息,通常不是破坏性操作,但仍可能产生 I/O和元数据影响。执行前应确认表名、备份状态、业务窗口及托管平台限制;完成后重新检查执行计划,而不是默认它一定会改善性能。
把执行计划和资源指标放在一起看
单条 SQL 的执行计划只能说明“可能怎么执行”,不能说明服务器当时是否被其他任务拖慢。至少应同步观察 MySQL状态和操作系统指标。
SHOW GLOBAL STATUS
WHERE Variable_name IN (
'Threads_connected',
'Threads_running',
'Max_used_connections',
'Questions',
'Queries',
'Created_tmp_tables',
'Created_tmp_disk_tables',
'Slow_queries'
);
SHOW GLOBAL VARIABLES
WHERE Variable_name IN (
'max_connections',
'innodb_buffer_pool_size'
);
Linux服务器上,如果已安装相应工具,可以在复测窗口观察:
vmstat 1
iostat -xz 1
pidstat -p "$(pidof mysqld)" 1
不同指标的含义如下:
| 指标表现 | 更可能的瓶颈 | 判断方向 |
|---|---|---|
| CPU长期接近满载,I/O等待较低 | 计算、排序、函数、连接或扫描 | 查执行计划、排序和扫描行数 |
iowait升高,磁盘 await和利用率升高 | 随机读、临时表、日志或存储能力不足 | 查缓冲池命中和临时表落盘 |
| 内存紧张并出现交换 | 缓存不足或连接/进程占用过高 | 检查内存分配,避免盲目扩大连接数 |
Threads_connected高但Threads_running低 | 连接空闲或连接池过大 | 优先调整连接生命周期和池大小 |
Threads_running持续高 | SQL并发执行或锁等待积压 | 结合锁、CPU和执行时间判断 |
| 临时磁盘表持续增加 | 分组、排序或中间结果超出内存 | 检查SQL和临时表配置 |
| 数据库执行时间低,应用延迟高 | 网络、连接池或业务层 | 不要先改索引 |
这些指标需要看趋势和关联关系。例如,磁盘利用率达到 90% 并不必然代表数据库性能异常;如果 await很低且查询延迟稳定,可能只是设备吞吐利用率较高。反过来,磁盘利用率不高但 await明显升高,也可能存在突发随机 I/O或存储抖动。
连接池不能替代查询优化
连接池过小会造成应用线程排队,过大则可能让 MySQL 同时执行过多查询,导致 CPU、内存和磁盘争用。可以把连接池等待时间单独记录,并与 Threads_running 对照:
- 连接池等待时间高,
Threads_running低:连接池可能过小,或连接没有及时归还; - 连接池等待时间低,
Threads_running高:数据库正在承受较高并发,需要优化SQL或降低并发; - 两者都高:可能存在慢查询积压、锁阻塞或数据库容量不足;
Threads_connected高但业务请求不高:检查连接泄漏、空闲连接过多和连接超时设置。
不要只因为 max_connections 还没达到上限,就继续扩大连接池。连接数上限是保护阈值,不是吞吐能力。一个查询平均执行 100 毫秒,理论上单个数据库工作线程每秒最多完成约 10 次同类执行;增加连接数只能在 CPU、I/O和锁仍有余量时提高并行度,超过容量后通常会放大排队。
缓存可以减压,但不能修复错误计划
应用缓存或对象缓存可以降低重复读取,但应分别观察缓存命中率和数据库负载:
- 命中率低,可能是键设计、过期策略或请求参数离散;
- 命中率高但数据库仍慢,可能慢的是未缓存查询或写入链路;
- 突发失效会形成缓存击穿,使大量请求同时访问数据库;
- 数据更新后缓存未及时失效,会产生旧数据;
- 缓存掩盖慢查询后,一旦命中率下降,原有问题会重新暴露。
MySQL 8.0 已移除传统查询缓存,不应围绕该功能设计优化方案。缓存适合减少确定的重复读取,不应替代正确的过滤条件、分页方式和索引设计。
根据结果选择优化动作
可以用下面的决策边界安排处理顺序:
| 证据组合 | 优先动作 | 不宜立即做的事 |
|---|---|---|
| 扫描行数大、返回行少、执行计划不理想 | 改写条件、补充或调整联合索引 | 盲目增加多个单列索引 |
| 扫描行数少但耗时高、锁等待明显 | 缩短事务、调整更新顺序、定位阻塞会话 | 继续添加索引 |
| SQL执行耗时低、连接池排队高 | 检查连接归还、池大小和连接建立 | 提高数据库最大连接数 |
| CPU高、扫描和排序多 | 减少返回列、优化排序和过滤、限制分页范围 | 只增加内存 |
| I/O等待高、缓冲池读取多 | 检查热点数据、索引大小、存储延迟和内存 | 直接删除业务数据或重建所有表 |
| 数据库耗时低、跨地域请求耗时高 | 检查应用与数据库位置、连接复用和链路 | 把网络延迟归因于索引 |
如果确认需要增加索引,先执行以下核对:
- 确认表结构、字段类型、字符集和现有索引,避免重复索引。
- 根据真实查询模板和多组参数验证,而不是只针对一个参数。
- 确认磁盘剩余空间,索引可能接近相关字段数据量的一部分甚至更大。
- 在低峰期执行,并确认在线DDL能力、元数据锁风险和业务影响。
- 先完成备份或具备可验证的恢复方案,记录变更前后的执行计划。
- 复测读性能,同时观察写入延迟、锁等待、I/O和备份时长。
示例变更如下,但不应直接复制到生产环境执行:
ALTER TABLE orders
ADD INDEX idx_orders_user_status_created
(user_id, status, created_at);
是否能够在线执行、是否产生较长元数据锁等待,取决于 MySQL版本、存储引擎、表结构、数据量和平台实现。添加索引前应先核对:
SELECT VERSION();
SHOW CREATE TABLE orders\G
SHOW INDEX FROM orders;
如果新索引经过一段时间验证仍无收益,回滚可以考虑删除该索引:
ALTER TABLE orders
DROP INDEX idx_orders_user_status_created;
删除前要确认没有其他查询依赖它,并保留变更前备份和执行计划。不要在发现一次慢查询后立即添加再删除索引,反复DDL会增加锁、I/O和维护成本。
复测时如何判断已经解决
优化前后必须保持测试条件尽量一致:
- 使用相同数据集规模和相近的数据分布;
- 使用相同SQL模板,替换多组典型参数和极端参数;
- 区分冷缓存和热缓存结果;
- 记录单次延迟、
p95、p99、QPS和并发数; - 同时记录CPU、内存、磁盘延迟、
Threads_running和锁等待; - 观察写入、备份和其他核心业务是否受到影响。
一个参考对照可以是:

| 项目 | 优化前 | 优化后 | 解释 |
|---|---|---|---|
| SQL平均耗时 | 420 ms | 75 ms | 执行计划明显改善 |
SQL p95 | 900 ms | 160 ms | 尾部延迟下降 |
| 平均扫描行数 | 180000 | 320 | 过滤范围缩小 |
| CPU利用率 | 78% | 42% | 扫描和排序成本下降 |
磁盘 await | 18 ms | 7 ms | 随机读取减少 |
接口 p95 | 1.1 s | 360 ms | 仍包含网络和应用耗时 |
这类数据属于复测记录的示例,关键不在于某个固定数值,而在于多个指标是否同向改善。如果 SQL耗时下降但接口延迟不变,应继续看连接池和网络;如果平均耗时下降而 p99仍高,则要检查锁等待、参数倾斜和高峰并发。
容量判断可以用一个简单关系做初步估算:
数据库并发执行量 ≈ 每秒SQL请求数 × 单次数据库执行时间(秒)
例如,目标是每秒 100 次查询,单次数据库执行时间约 80 毫秒,即 0.08 秒,则理论并发执行量约为:
100 × 0.08 = 8
这只是平均值,不包含锁等待、I/O抖动和尾部延迟。若高峰期 p95达到 300 毫秒,则按尾部延迟估算为:
100 × 0.30 = 30
当高峰期实际 Threads_running长期接近或超过这一量级,同时CPU、I/O或锁等待持续上升,就不能只靠增加连接数支撑,应回到慢查询、索引和事务设计上继续优化。复测至少覆盖一次业务高峰或等效并发,确认延迟、吞吐和资源使用仍有余量,再决定是继续优化SQL、调整连接池,还是评估更高的计算、内存或存储容量。
针对 MySQL 数据库、业务后台与接口服务的运行需求,A5数据提供中国香港物理服务器资源,覆盖 Xeon Gold、AMD EPYC 等平台,并配备 SSD 或 NVMe 存储及不同内存配置,为数据库缓存、数据读写和多任务处理提供硬件基础。同时,香港产品提供 CN2 与国际带宽线路,能够承载面向本地及跨境访问的业务部署。
本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/5257.html



