明明是同一条SQL，为什么有时候走索引a，有时候却走索引b ?
前言
想象你是一家餐厅的服务员，面前有两个菜单：
- 菜单A：按菜品分类排列（前菜、主菜、甜点）
- 菜单B：按价格从低到高排列
当顾客说："我要最便宜的川菜"。
你会：
- 先用菜单B找到所有低价菜
- 从中筛选川菜
或者：
- 先用菜单A找到所有川菜
- 再按价格排序
这就是MySQL优化器的日常决策！
明明是同一条SQL，有时候走的索引a，而有时候走的索引b，就是它的锅。
今天这篇文章跟大家一起聊聊，MySQL选错索引的问题，希望对你会有所帮助。
1 一个让程序员崩溃的案例
现在有个需求：查询今年开始已付款的前100个订单。
给status字段创建了索引idx_status。
给create_time字段创建了索引idx_create_time。
查询订单的sql如下：
SELECT * FROM orders
WHERE status = 'paid' -- 状态条件
AND create_time > '2025-01-01' -- 时间条件
ORDER BY amount DESC
LIMIT 100;周一执行计划如下：
使用索引：idx_status（状态索引）
扫描行数：500行
耗时：0.1秒周二执行计划如下：
使用索引：idx_create_time（时间索引）
扫描行数：50万行
耗时：8秒周一只扫描了500行数据，而周二却扫描了50万行数据。
周一耗时0.1秒，而周二耗时却又8秒。
同一SQL在不同时间性能差异80倍！
让我们拆解背后的原因。
2 揭秘优化器的"决策三步曲"
MySQL优化器的决策流程如下：
成本计算示例：
索引名称 | 预估扫描行数 | 回表次数 | 排序成本 | 总成本 |
idx_status | 50万 | 50万次 | 需要排序 | 1050分 |
idx_create_time | 5万 | 5万次 | 无需排序 | 600分 |
根据扫描行数、回表次数、排序成本，计算一个总成本的分数。
优化器会选择总成本更低的idx_create_time索引。
3 导致索引切换的四大真凶
真凶1：数据分布变化
场景还原：
- 周一数据：已支付订单5万条，其中2025年的5万条
- 周二数据：已支付订单50万条，其中2025年的50万条
这个例子中数据分布变化很大，周二的数据，比周一的数据一下子多了45万。
可能会影响总成本的分数。
我们可以通过下面的SQL查看数据分布：
SELECT
COUNT(*) AS total,
SUM(status='paid') AS paid_count,
SUM(create_time>'2023-01-01') AS new_orders
FROM orders;真凶2：统计信息过期
统计信息过期，就像用去年的地图导航，新修的路不会出现在地图上。
MySQL的"地图"就是统计信息。
我们可以通过ANALYZE TABLE ... DELETE STATISTICS命令删除统计信息：
ANALYZE TABLE orders DELETE STATISTICS;这时候查询可能变成全表扫描：
EXPLAIN SELECT...显示type: ALL
那么，如何解决这个问题呢？
使用ANALYZE TABLE命令，刷新统计信息（相当于更新地图）：
ANALYZE TABLE orders;真凶3：索引覆盖度差异
点餐类比：
- 菜单A能直接看到菜品价格 → 无需问厨师（覆盖索引）
- 菜单B只能看到菜品名 → 需要问厨师详情（回表查询）
下面的SQL会走idx_status（需要回表）：
SELECT * FROM orders WHERE status='paid';下面的SQL会走idx_create_time（覆盖索引）：
SELECT create_time FROM
orders WHERE create_time>'2023-01-01';真凶4：索引碎片化
索引碎片化就像书本的目录页被撕破，找内容变得困难。
检查方法：
SHOW TABLE STATUS LIKE 'orders';查看Data_free字段，值越大碎片越多。
优化方案：
使用ALTER TABLE命令重建索引。
ALTER TABLE orders ENGINE=INNODB;4 问题排查四步法
第一步：查看当前执行计划
使用EXPLAIN查看当前SQL的执行计划：
EXPLAIN
SELECT * FROM orders
WHERE status='paid'
AND create_time>'2023-01-01';第二步：检查统计信息
使用SHOW INDEX命令检查索引的统计信息：
SHOW INDEX FROM orders;关注Cardinality字段，值越接近真实数据越好。
第三步：分析数据分布
使用下面的SQL分析数据分布:
SELECT
COUNT(*) AS total,
AVG(LENGTH(status)) AS status_avg_len
FROM orders;第四步：追踪优化器思考过程
SET optimizer_trace="enabled=on";
SELECT * FROM orders WHERE ...;
SELECT * FROM INFORMATION_SCHEMA.OPTIMIZER_TRACE;开启optimizer_trace，然后通过INFORMATION_SCHEMA.OPTIMIZER_TRACE表查看追踪优化器思考过程。
5 三大终极解决方案
方案1：引导优化器选择
使用FORCE INDEX强制使用指定索引：
SELECT * FROM orders FORCE INDEX(idx_status) WHERE ...;方案2：创建更优索引
创建更优的联合索引：
ALTER TABLE orders
ADD INDEX idx_status_create_time(status,create_time);方案3：定期维护计划
- 定期统计信息更新
- 定期碎片率检查
- 定期索引重建
总结
六个必须检查的点
- WHERE条件字段是否有合适索引
- ORDER BY/GROUP BY是否利用索引排序
- 统计信息是否最新（尤其大表每天更新）
- 是否存在索引碎片（每月检查一次）
- 是否出现索引合并（INDEX_MERGE）
- 是否使用覆盖索引（减少回表）
三条黄金法则
- 二八定律：20%的索引满足80%的查询
- 数据驱动：定期分析查询模式调整索引
- 防御编程：核心查询明确指定索引