数据库性能是决定应用整体响应速度的关键因素。一个设计良好、优化到位的MySQL数据库可以支撑数十万级别的并发访问，而缺乏优化的数据库在几百并发时就可能出现响应缓慢甚至服务不可用。本文将从慢查询分析入手，逐步深入到索引优化、查询优化和高并发架构，分享MySQL性能优化的完整实战方案。
慢查询分析与定位
性能优化的第一步是找到问题所在。开启MySQL的慢查询日志，设置合理的long_query_time阈值（通常设为1秒），记录执行时间超过阈值的SQL语句。然后使用mysqldumpslow或pt-query-digest工具对慢查询日志进行分析，找出执行频率高、耗时久的SQL语句，作为优化的重点对象。
除了慢查询日志，还可以使用EXPLAIN命令分析具体SQL的执行计划，关注type、key、rows、Extra等关键字段。type为ALL表示全表扫描，是最需要优化的情况；key为NULL表示没有使用索引；rows过大说明扫描行数过多，需要通过索引或查询条件优化来减少。
索引优化策略
索引是数据库性能优化中最有效的手段之一。合理的索引可以将查询速度提升几个数量级。在创建索引时，要遵循最左前缀原则，联合索引中的字段顺序会影响索引的使用效率。区分度高的字段放在前面，可以更快地过滤数据。
同时要注意避免索引失效的常见场景：在索引字段上使用函数或表达式、隐式类型转换、使用LIKE以%开头的模糊查询、OR连接的条件中部分字段没有索引等。覆盖索引是一种特殊的优化技巧，当查询的所有字段都包含在索引中时，MySQL可以直接从索引中获取数据，无需回表查询，性能提升显著。
查询与表结构优化
在编写SQL时，避免使用SELECT *，只查询需要的字段，减少数据传输和内存消耗。大表分页查询中，避免使用LIMIT offset, size的深分页方式，可以使用游标分页或子查询优化。对于复杂的多表关联查询，合理使用JOIN顺序，让小表驱动大表，减少关联的中间结果集。
表结构设计方面，选择合适的数据类型，避免使用过大的字段类型。例如，状态字段使用TINYINT而非INT，时间字段使用DATETIME而非VARCHAR。对于经常一起查询的字段，可以考虑建立联合索引。大字段（如TEXT、BLOB）尽量单独拆表，避免影响主表的查询性能。
高并发架构方案
当单库无法承载高并发访问时，需要引入架构层面的优化。读写分离是最常用的方案，主库负责写操作，从库负责读操作，通过主从复制同步数据。对于读多写少的场景，读写分离可以显著提升整体吞吐量。
分库分表是应对数据量过大的终极方案。水平分表将大表按某个维度（如用户ID、时间）拆分为多个小表，分散单表的数据量。垂直分库将不同业务的表拆分到不同的数据库实例中，实现业务隔离。分库分表会带来跨库查询、分布式事务等复杂性，需要在业务增长到一定规模时才考虑引入。
缓存与连接池
在应用层和数据库之间引入Redis等缓存层，可以大幅减少数据库的查询压力。将热点数据缓存到Redis中，请求优先从缓存获取，缓存未命中时再查询数据库并回写缓存。同时注意缓存穿透、缓存击穿、缓存雪崩等问题的防护。
数据库连接池的配置也很重要。连接数设置过小会导致请求等待连接，设置过大则会增加数据库的上下文切换开销。通常连接池大小设置为CPU核心数的2到4倍加磁盘数，具体需要根据实际压测结果调整。