一、优化器靠统计信息做决定
数据库优化器选择执行路径时，依赖表与索引上的统计信息来判断哪种方式更快。若统计信息陈旧，优化器就会基于过时的认知选错路径，明明有更优的索引却被弃用。保持统计信息新鲜，是查询优化的隐形前提。天翼云数据库在运维侧提供相关的统计与诊断能力，让这一步可被常态化执行。
（一）统计为何会失真
数据在持续增删改，分布随之变化。若长期不更新统计，优化器仍以为数据均匀分布或规模很小，便会做出偏离实际的判断。定期或在大幅变更后刷新统计，能让执行路径回到合理区间。统计失真，是很多"突然变慢"的真正元凶。
1.1 何时该刷新
并非越频繁越好。大规模刷新本身有开销，应在数据特征明显变化后、或观测到执行路径异常时进行，配合业务低峰窗口，做到既准确又不扰民。刷新的时机，比刷新的频率更重要。
① 失真：统计陈旧导致路径误判。
② 刷新：数据特征变化后及时更新。
③ 验证：刷新后复查执行计划是否改善。
二、索引选得对不对
（一）索引不是越多越好
索引能加速读取，却拖慢写入并占用空间。若为一味求快建满索引，写性能会被严重拖累。选索引要看查询真正用到的过滤与连接列，让少数高价值索引覆盖多数热路径。天翼云数据库支持对索引使用情况进行观测，帮助识别冗余与缺失，让索引表保持精简。
1.1 区分选择性
高选择性的列更适合做索引前导，能快速缩小检索范围；低选择性的列单独建索引收益有限。理解列的数据分布，才能把索引建在刀刃上。选择性判断错，索引反而成为写入的累赘。
① 前导：高选择性列放索引最前。
② 覆盖：让少数索引覆盖多数热查询。
③ 清理：识别并移除冗余索引。
（二）解读执行计划
执行计划揭示了数据库打算怎么取数：走哪个索引、扫多少行、是否临时排序。慢查询往往卡在某一步的全表检索或错误连接顺序上。读懂计划，才能对症下药，而非盲目加索引。计划会说话，关键是你会不会听。
三、把慢查询治理常态化
（一）建立归因流程
面对慢查询，应先看统计是否新鲜、再看索引是否被用、最后读执行计划定位卡点。天翼云数据库提供的慢查询与诊断视图，能把这一过程从靠经验猜测变成有数据支撑的归因。流程化之后，新人也能稳定地定位问题。
（二）用变更守住成果
优化后要把关键查询的执行特征记录下来，作为后续变更的对照基线。表结构或统计大幅变动后，及时复查是否出现路径回退，让治理成果不被下一次变更悄悄抵消。守住成果，比一次优化更难也更重要。
1.1 基线要可比对
把优化前后的执行计划、耗时、检索行数存为基线，变更后自动比对，路径回退能第一时间被发现。基线是可比对的，优化才算真正闭环。
四、查询优化的常见误区与落地建议
数据库查询优化，重心在让优化器做对决定。很多团队一慢就加索引、加规格，却忽视统计与执行路径，结果投入不少、体感依旧。把优化拉回归因，才能事半功倍。
（一）别把索引当万金油
索引能加速读取，却拖慢写入并占空间。应为真实热路径建少量高价值索引，而非逢慢必加。冗余索引本身就是负担，清理它和新增它同样重要。
1.1 以使用数据为准
用天翼云数据库提供的索引观测，识别长期未被使用的索引并评估移除，让索引表保持精简，把写入与存储资源留给真正需要的查询。
① 精简：只留高价值索引。
② 清理：移除长期闲置索引。
③ 观测：以使用数据决策。
（二）把优化闭环化
优化不是改完即忘。把关键查询的执行特征存为基线，变更后自动比对，路径回退能第一时间被发现，治理成果才不会被下一次表结构调整悄悄抵消。
五、把优化能力交给团队
慢查询治理不应只靠个别高手。把统计刷新、索引评估、执行计划解读的方法沉淀为团队共用能力，新人也能稳定定位问题，不再遇事就等专家。
（一）建可复用手册
把常见慢查询的归因路径、对应改法与验证方式写成手册，按症状检索即可获得思路。手册越贴近实战，团队整体排障速度越快。
1.1 用案例喂养手册
把每次典型慢查询的来龙去脉记入手册，案例越多，覆盖越广。真实案例比抽象原则更能帮人举一反三。
① 沉淀：方法变团队资产。
② 检索：按症状找思路。
③ 积累：案例持续扩充。
（二）用体系降低门槛
借助天翼云数据库的诊断与慢查询视图，把专业分析变成界面上的可读结论，让更多成员能参与优化，而非被命令行挡在门外。
六、把优化接进发布门禁
慢查询最怕在发布后集中爆发。把执行计划比对、索引使用检查纳入发布门禁，使可能拖慢数据库的变更在合入前就被拦下，而非上线后影响用户。
（一）门禁要可执行
门禁不是口号，而是具体的计划比对与耗时阈值。变更前后执行特征偏离基线即拦截，使优化成果在持续交付中不被破坏。
1.1 门禁要可解释
被拦下的变更应给出明确原因与建议，使研发理解为何改、怎么改，门禁因此被接受而非被绕过。
① 协同：优化进门禁。
② 可执行：偏离即拦。
③ 解释：被拦有原因。
（二）用基线护门禁
门禁依赖准确的执行基线，基线随统计刷新而更新，使判断始终贴合真实数据分布，不误拦也不漏拦。
1.2 基线随数据更新
数据特征明显变化后及时刷新基线，使门禁判断始终基于最新分布，防止陈旧基线导致的误判。
七、把优化变成机制
慢查询治理的最高形态，是让它不再发生。把统计刷新、索引评估、计划比对变成机制，问题在合入前就被拦下，优化从被动走向主动。
（一）机制要自动
把优化检查嵌入持续集成，每次变更自动比对执行特征，使回归在第一时间被发现。
1.1 自动即常态
当检查成为自动环节，优化不再依赖个人自觉，治理成果得以长期保持。
① 主动：问题不发生。
② 自动：检查进集成。
③ 保持：成果长期稳。
结语：数据库查询优化，重心在让优化器做对决定：保持统计新鲜、把索引建在刀刃、读懂执行计划。借助天翼云数据库的可观测能力把慢查询归因常态化，性能才能从一次次救火走向持续稳定。
