色网址大全123色网址大全123使用指南 官方版v6.6.5-2265安卓网

客户那边的技术负责人姓陈，一个三十来岁的姑娘，说话挺急。她坐在我面前的时候，表情就差把"你没救了"四个字写在脸上——系统隔两个小时就卡一次，后台点个订单要转五秒，她说"店里选片师已经拿鼠标砸屏幕了"。我打开慢查询日志一看，心里凉了半截：最大的一张表，叫wedding_photo_albums，单表记录不到三百万行，索引文件膨胀到了四十个GB。这就是正宗的湘潭索引膨胀问题——不是索引没用，是索引长得太疯，把内存和磁盘全吃了。

正例：那次我老老实实做了统计信息更新和索引重建

当时是在绍兴的一家老牌婚庆摄影公司做售后，他们的网站后台跑在MySQL 5.7上，每天新增大概两千条相册数据。问题一开始不明显——前六个月跑得挺顺，第七个月某天下午，选片师突然说"页面转圈圈"。我登录上去看一眼，查了information_schema，发现album_id上那个联合索引的基数已经偏到离谱——当初建索引的时候，区分度最高的字段被放在了第二列。我一开始以为是外链的问题，查了三天才发现，其实是那个摄影师自己搞了个内部活动，一下子导入了两万条老数据，统计信息完全没触发自动更新。优化器傻乎乎地选了全表扫描。

我的做法是，趁着凌晨三点业务低峰，先做了一次ANALYZE TABLE，然后对那个索引做了重建。前后花了大概四十分钟。第二天上班，页面响应从3.2秒压到了0.8秒。小陈当时还发了个消息说"你上辈子是不是修电脑的"——当然这条是客套话，但这事提醒了我一件事：索引本身不贵，让它烂在肚子里才要命。

你问我为什么这事儿能成？因为这家绍兴公司的数据库是独立部署在云上的，IOPS够用，重建索引的时候不会把生产搞崩。但你要是在韶关那家厂里，他们用的还是机械盘，重建索引能把应用直接卡死。

反例：韶关那家厂的教训，让我知道湘潭索引膨胀不是"重建一下"就能了事的

韶关这家是做婚纱摄影的，厂区在城郊，网都要拉专线。他们的技术负责人是个四十多岁的老哥，平时不上论坛，自己写代码就是"能用就行"。我去现场那天，他们后台系统已经两周没跑通了——客户选完照片，提交之后页面直接502。所有流程卡在"上传原片"那一步。我查了慢查询，发现一个叫album_photos的关联表，里面_index_on_photo_id和_index_on_album_id两个独立索引，各自都长到了十几个GB，但实际查询用的约束条件里同时包含这两个字段。

讲白了，这个表根本不需要两个独立索引，建一个联合索引就够了。但问题不是索引冗余本身，而是冗余索引导致的写入放大——每插入一张照片，要维护两次B+树的更新。大量并发写入的时候，索引文件的碎片率飙到了百分之七十以上。这就不是重建一下能解决的——你重建完，业务高峰期一回来，照样炸。我当时的解决方案是先删掉一个冗余索引，然后把另一个索引改成联合索引，最后把表的存储引擎从MyISAM换成InnoDB（这里有个坑，后面会细说）。前后折腾了一个周末，期间停了三次机。

这事的教训是什么？湘潭索引膨胀不是单指索引文件太大，而是索引结构跟查询模式、写入负载不匹配。你只看文件大小是不够的。有些同行一上来就嚷嚷"删索引"，但删完查询慢了更麻烦。你得先分析慢查询日志，看清楚到底哪些索引是被用到的。我后来养成了个习惯：在每次上线前，把慢查询日志翻出来，看哪个索引的被命中率低于百分之五——这种就可以考虑干掉。

正例：一个被验证的策略：用覆盖索引抵挡膨胀，顺便跳过排序

梧州那家连锁影楼，他们的需求挺常见——选片师需要按"摄影师+拍摄日期+选片状态"三个维度拉数据，每页显示二十条，还要按时间倒序。一开始他们后端写的是：

SELECT * FROM albums WHERE photographer_id = 123 AND status = 'pending' ORDER BY created_at DESC LIMIT 20;

这个SQL在数据量不到十万的时候跑得飞快。一旦到了六十万，created_at上的独立索引就开始撑不住——数据库要回表，而且LIMIT加ORDER BY在偏移量大的时候极其难受。我查了下，这个表做了两年，第一条数据是2022年元旦的，最晚一条是今天的。每次翻到后面几页，回表次数多得吓人。这是典型的"深分页+索引膨胀"组合拳——索引文件本身没多大，但磁盘I/O被回表吃光了。

我的做法是，把查询改成了"覆盖索引+子查询"的模式。先建一个联合索引：photographer_id, status, created_at, id（最后再加一个id是为了满足覆盖索引的要求）。然后把SQL切成两步：

先查ID：SELECT id FROM albums WHERE photographer_id = 123 AND status = 'pending' ORDER BY created_at DESC LIMIT 20 OFFSET 2000;

再用IN把数据捞出来：SELECT * FROM albums WHERE id IN (上一步的结果);

你别说，这招在梧州那台4核8G的机器上，硬是把平均查询时间从1.7秒压到了0.04秒。而且索引文件也没怎么膨胀——因为覆盖索引的列少，存的东西少。代价就是代码量多了几行，应用层要做两次查询。但对于那种并发不高的后台系统，这点开销完全不是问题。

顺便说一句，这种方案有个前提：查询条件里的字段必须是等值，不能是范围。如果你那个photographer_id有范围条件，那联合索引的顺序要调，不然还是会走歪。

反例：盲目用复合索引替代所有独立索引，反而引入了新的膨胀

也是在同一家梧州公司的另一个模块——客户自助选片的系统。他们原先每个查询条件都有独立索引，我以为这是索引膨胀的根源，就把它全改成了复合索引。结果两周后，后台反应说"同样的数据量，查询反而慢了"。我检查后发现，问题出在复合索引的列顺序上——我把最常用的"选片日期"放在了第一列，但实际业务中，大多数查询是先按"选片师"过滤的。复合索引没办法独立使用第二列，导致优化器只能走全表扫描。那一个索引虽然文件小了，但查询次数翻了五倍，平均响应时间从0.8秒涨到了3.6秒。

这事儿让我明白了一个道理：湘潭索引膨胀不仅是指索引文件大，也可以是索引结构不合理导致的"扫描膨胀"。你牺牲了查询效率去保文件大小，那就不叫优化，叫换一种方式犯错。后来我学会了，在一个复合索引里，区分度最高的列放第一位，最常用的过滤条件放第一位——这两个不矛盾的话就很好办，矛盾了就根据业务场景取舍。比如摄影师ID的区分度通常比选片日期高，那就把摄影师放前面。

总结一句：别把索引膨胀当成索引的错

说实话，我刚入行的时候，看到索引文件十几G就害怕，第一反应是删。删完发现查询更慢，再建回来，中间业务宕了两个小时，客户恨不得顺着网线来打我。现在我的经验是，湘潭索引膨胀是个系统性问题，跟表结构、查询模式、硬件配置、甚至业务高峰期都有关系。你不可能靠一个"reindex"脚本解决一切。而且，有些场景下索引膨胀是不可避免的——比如日志型表，你总不能为了省那点索引空间，把历史数据全删了吧。

我现在的底线就三条：第一，每天凌晨自动跑一次慢查询日志分析，抓TOP 5的索引；第二，每季度做一次索引使用率审计，把低于百分之五的索引标记为可疑；第三，对大表做分区，把索引按时间分区切小。最后这一条，说实话，实施代价最高——改表结构要停机，测试要花时间。但对于那种数据量年增长百分之三百的行业，比如婚庆摄影，不分区就是给自己挖坑。反正该花的成本一分不能省，你省了，最后客户还是会找上门的。