MySQL作为常用的关系型数据库，查询速度直接影响业务系统的响应体验，当数据量增长或查询逻辑复杂时，很容易出现查询耗时过长的问题，需要从多个层面针对性优化。
一、合理设计和使用索引
索引是提升查询速度最核心的手段，合理的索引设计能让查询效率提升数倍甚至数十倍。首先要为查询条件中频繁出现的字段创建索引，比如WHERE子句、JOIN关联条件、ORDER BY和GROUP BY涉及的字段。
需要注意避免索引失效的场景：不要在索引字段上使用函数或运算，比如WHERE YEAR(create_time) = 2023会导致索引失效，应该改成范围查询；不要使用LIKE '%关键词%'这种左模糊查询，会无法使用索引；复合索引要遵循最左前缀原则，比如创建了(a,b,c)的复合索引，只有查询条件包含a，或者a和b，或者a、b、c时才能生效。
同时要避免冗余索引和过多索引，每个额外的索引都会增加写入操作的开销，定期通过SHOW INDEX FROM 表名查看索引使用情况，删除无用的索引。
二、优化SQL查询语句
很多慢查询问题都源于不合理的SQL编写，首先要避免SELECT *的写法，只查询需要的字段，减少数据传输和解析的开销。比如只需要用户id和名称时，写成SELECT id,name FROM user而不是SELECT * FROM user。
减少不必要的关联查询，能单表查询完成的不要多表关联，多表关联时尽量让小表驱动大表，比如SELECT * FROM 小表 LEFT JOIN 大表 ON 关联条件。同时要避免在查询中使用子查询，尤其是嵌套子查询，尽量改成关联查询，减少临时表的生成。
可以使用EXPLAIN命令分析查询语句的执行计划，查看是否使用了索引、扫描行数、关联方式等信息，定位性能问题。比如执行以下语句查看查询计划：
-- 分析查询语句的执行计划 EXPLAIN SELECT id,name FROM user WHERE age > 18 ORDER BY create_time DESC;
三、优化表结构和数据存储
表结构设计不合理也会影响查询速度，首先要选择合适的数据类型，能用小的数据类型就不用大的，比如存储状态值用TINYINT代替INT，存储日期用DATE或者DATETIME代替字符串，减少存储空间和比较开销。
对于大表可以考虑分表分库，当单表数据量超过千万级时，查询性能会明显下降，可以根据业务维度做水平分表，比如用户表按用户id取模拆分到多个表中。同时要避免表中存在过多的字段，尤其是大字段比如TEXT、BLOB类型，尽量将这些大字段拆分到单独的表中，减少主表的查询开销。
定期清理表中的冗余数据，对于历史数据可以归档到历史表，减少主表的数据量，提升查询效率。
四、调整MySQL配置参数
合理的配置参数能充分发挥MySQL的性能，首先要调整innodb_buffer_pool_size参数，这是InnoDB存储引擎最重要的缓存参数，建议设置为服务器可用内存的60%-80%，让更多的数据和索引缓存在内存中，减少磁盘IO。
调整query_cache_size参数，如果业务中重复查询较多，可以开启查询缓存，不过需要注意查询缓存会在表数据更新时失效，对于写多读少的场景不建议开启。同时可以调整max_connections参数，避免连接数不足导致的查询阻塞，以及thread_cache_size参数，减少线程创建的开销。
以下是部分核心参数的配置示例，修改MySQL配置文件my.cnf后重启服务生效：
[mysqld] # InnoDB缓冲池大小，根据服务器内存调整 innodb_buffer_pool_size = 4G # 查询缓存大小，读多写少场景可开启 query_cache_size = 256M # 最大连接数 max_connections = 500 # 线程缓存大小 thread_cache_size = 32
五、其他优化技巧
可以使用读写分离架构，将查询请求分发到从库，减轻主库的查询压力，尤其适合读多写少的业务场景。同时对于热点数据可以引入Redis等缓存中间件，将频繁查询的数据缓存起来，减少直接查询MySQL的次数。
定期进行表的分析和优化，执行ANALYZE TABLE 表名更新表的统计信息，让查询优化器生成更合理的执行计划；对于碎片率较高的表，执行OPTIMIZE TABLE 表名整理碎片，提升查询效率。
如果查询涉及大量数据的排序或分组，可以适当调整sort_buffer_size和tmp_table_size参数，避免排序和临时表使用磁盘存储，提升处理速度。