SQL查询优化
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md 安装 @kunlungrowth/sql-query-optimization。
技能介绍
慢查询带来的性能瓶颈
在复杂的业务系统中,SQL 查询往往会随着数据量增长和逻辑复杂化而变慢。全表扫描(Seq Scan)、排序溢出、低效的嵌套循环等执行计划问题,会直接拖垮数据库响应速度,甚至引发系统雪崩。手动排查和改写这些慢查询不仅耗时,还容易引入新的业务逻辑错误。
核心工作流与优化策略
该技能通过标准化的分析流程,帮助开发者系统性地定位并解决查询性能问题:
- 执行计划分析:首先通过
EXPLAIN ANALYZE获取慢查询的真实执行计划,拿到第一手性能数据。 - 瓶颈精准识别:自动识别如全表扫描、内存排序溢出或不合理的嵌套循环等常见瓶颈点。
- 针对性优化改写:根据瓶颈特征提供具体的优化方案,包括建议建立索引、改写
JOIN逻辑、将子查询转换为 CTE 以及利用分区裁剪等技巧。 - 效果验证闭环:对比优化前后的执行时间,确保改动真正生效且未引入副作用。
适用边界与注意事项
本技能专注于 SQL 层面的查询优化与执行计划分析。对于超出此专业范围的场景(如硬件扩容、数据库集群架构调整、应用层缓存设计等),该技能无法提供直接指导。使用时应结合具体的业务约束条件,确保优化方案在真实环境中的可行性。
使用场景
- 线上订单查询响应超过 5 秒,需要用 EXPLAIN ANALYZE 找出全表扫描并给出索引建议。
- 报表 SQL 出现排序溢出,需要在不改业务口径的前提下改写 JOIN 或子查询。
- 分区表大范围查询仍慢,需要检查分区裁剪是否生效并调整查询条件。
- 优化后需要对比执行时间,确认索引和 CTE 改写是否真正降低延迟。
适合人员
- 后端工程师:需要优化线上慢 SQL 并降低数据库负载。
- 数据平台工程师:负责批处理和报表 SQL 的性能治理。
- 数据库管理员:需要审核执行计划并给出索引与结构优化建议。
- 数据分析工程师:要把复杂分析查询改写得稳定可复用。