高并发查询是 MySQL 性能优化中的关键场景。核心思路是减少锁争用、提升查询效率、合理利用缓存和架构扩展。以下是几个实用的优化方向。
1. 合理设计索引
索引是提升查询速度最直接的方式，但不合理的索引反而会拖慢写入性能。
建议： 为频繁查询的字段（如 WHERE、ORDER BY、JOIN 条件）建立索引。 使用复合索引时注意最左匹配原则，避免冗余索引。 定期分析执行计划（EXPLAIN），确认查询是否命中索引。 避免在索引列上使用函数或类型转换，会导致索引失效。2. 优化 SQL 查询语句
低效的 SQL 是高并发下的主要瓶颈。
建议： 避免 SELECT *，只查需要的字段，减少数据传输量。 分页查询使用 LIMIT 和合适的偏移优化，深分页可用“记录上次位置”的方式代替 OFFSET。 减少子查询和 JOIN 的层级，必要时拆分为多个简单查询。 避免在循环中执行数据库查询，尽量批量处理。3. 启用查询缓存与应用层缓存
重复查询相同数据时，缓存能显著降低数据库压力。
建议： MySQL 查询缓存已在 8.0 版本移除，建议使用 Redis 或 Memcached 在应用层缓存热点数据。 对读多写少的数据（如配置信息、用户资料）设置 TTL 缓存。 缓存更新策略可采用“先更新数据库，再删除缓存”或延迟双删。4. 使用连接池与控制并发连接数
频繁创建和销毁数据库连接会消耗资源。
建议： 在应用中使用连接池（如 HikariCP、Druid），复用连接。 合理设置最大连接数，避免过多连接导致 MySQL 崩溃。 监控 long_query_time，及时发现慢查询并优化。5. 分库分表与读写分离
单机 MySQL 有性能上限，需通过架构扩展应对高并发。
建议： 读写分离：主库处理写操作，多个从库处理读操作，通过 binlog 同步数据。 垂直分库：按业务模块拆分数据库。 水平分表：大表按 ID 或时间拆分，降低单表数据量。 结合中间件（如 ShardingSphere）简化分片逻辑。基本上就这些。关键是根据业务特点选择合适手段，比如读多写少优先考虑缓存和读写分离，数据量大则重点做分表。持续监控性能指标才能发现瓶颈所在。
