排查思路
如果执行 SQL 响应比较慢，我觉得可能有以下 4 个原因：
- 第 1 个原因：没有索引或者导致索引失效。
- 第 2 个原因：单表数据量数据过多，导致查询瓶颈
- 第 3 个原因：网络原因或者机器负载过高。
- 第 4 个原因：热点数据导致单点负载不均衡。
第 1 种情况
索引失效或者没有没有索引的情况。首先，可以打开 MySQL 的慢查询日志，收集一段时间的慢查询日志内容，然后找出耗时最长的 SQL 语句，对这些 SQL 语句进行分析
比如可以利用执行计划 explain 去查看 SQL 是否有命中索引。如果发现慢查询的 SQL 没有命中索引，可以尝试去优化这些 SQL 语句，保证 SQL 走索引执行。如果 SQL 结构没有办法优化的话，可以考虑在表上再添加对应的索引。我们在优化 SQL或者是添加索引的时候，都需要符合最左匹配原则。
第 2 种情况
单表数据量数据过多，导致查询瓶颈的情况。即使 SQL 语句走了索引，表现性能也不会特别好。这个时候我们需要考虑对表进行切分。表切分规则一般分为两种，一种是水平切分，一种是垂直切分。
- 水平切分的意思是把一张数据行数达到千万级别的大表，按照业务主键切分为多张小表，这些小表可能达到 100 张甚至 1000 张。
- 垂直切分的意思是，将一张单表中的多个列，按照业务逻辑把关联性比较大的列放到同一张表去。
除了这种分表之外，我们还可以分库。
比如我们已经拆分完 1000 表，然后，把后缀为 0-100 的表放到同一个数据库实例中，然后，100-200 的表放到另一个数据库实例中，依此类推把 1000 表存放到 10 个数据库实例中。这样的话，我们就可以根据业务主键把请求路由到不同数据库实例，从而让每一个数据库实例承担的流量比较小，达到提高数据库性能的目的。
第 3 种情况
网络原因或者机器负载过高的情况，我们可以进行读写分离。
比如 MySQL 支持一主多从的分布式部署，我们可以将主库只用来处理写数据的操作，而多个从库只用来
处理读操作。在流量比较大的场景中，可以增加从库来提高数据库的负载能力，从而提升数据库的总体性
能。
第 4 种情况
热点数据导致单点负载不均衡的情况。
这种情况下，除了对数据库本身的调整以外，还可以增加缓存。将查询比较频繁的热点数据预存到缓存当
中，比如 Redis、MongoDB、ES 等，以此来缓解数据的压力，从而提高数据库的响应速度。
