某电商订单表有120万行，后台按 status 和 created_at 查询近7天数据，接口却在高峰期扫描整表。明明建过索引，为什么仍没走？排查应从执行计划入手，核对字段类型、联合索引顺序、索引选择性和统计信息，并用扫描行数与耗时验证。
如果你正在选机器，或者想先把线路和配置跑通再谈长期方案，可以先看看这几家的线路说明和技术参数：hidemyacc（海外服务器），先看清带宽线路、流量策略和退款条款，再决定要不要迁。
对同一组参数执行 EXPLAIN 和 EXPLAIN ANALYZE：前者看估算方案，后者实际运行并给出真实行数与耗时。不能只看索引名，全索引扫描也可能昂贵；应记录访问类型、候选键、预计行数、过滤比例和 Extra。若预计50行、实际读取12万行，说明估算失真；访问类型为 ALL 且 key 为空时，先验证索引能否覆盖谓词。
复现时固定快照、隔离级别和参数值，运行原查询、去掉 ORDER BY 的查询及候选索引查询，保存计划与耗时。LIMIT 会让扫描提前停止，空表也会掩盖问题，样本量应接近生产；随身服务器可保存脱敏数据和计划输出，供团队按相同条件复跑。
先查字段类型。假设 status 是数字字符串的 VARCHAR，应用却传入整数1，比较时可能发生隐式类型转换。转换索引列会破坏有序性，转换常量通常仍可利用索引，因此要确认转换发生在哪侧、业务值是否等价。统一参数类型可消除歧义；不要对索引列直接使用 CAST、TRIM 或日期函数，否则普通索引往往无法定位。
再查联合索引顺序与索引选择性。对 (status, created_at)，status 等值过滤后接 created_at 范围过滤，通常符合最左前缀；若只有范围条件，后续列难以缩小扫描区间。选择性表示条件保留的数据比例，不能总把高选择性列放首位：等值列可结合选择性排序，范围列通常置于其后，并核对 ORDER BY、GROUP BY 能否利用索引顺序。
最后查统计信息。批量导入或分布突变后，旧统计可能错误估计命中行数，影响索引与连接顺序。更新统计后，用相同参数重跑 EXPLAIN ANALYZE，对照预计行数、实际行数、扫描量和耗时；差距明显时检查采样比例、倾斜值与直方图。优化顺序是统一类型、调整联合索引、更新统计、再次复测，并保存前后计划，确认没有新增冗余索引。
联合索引要按最左前缀分析。观察执行计划中的 key_len、Using index 与 Using where：等值条件通常可向右匹配；出现范围条件后，后续列多只能过滤，不能继续缩小扫描区间。排序方向与索引相反时，还可能产生额外扫描或 filesort。
例如索引(a,b,c)，where a=1 and c=3 能用 a 定位，却难用 c 缩小范围；补上 b 的等值条件，才更可能完整利用索引。但优化器会结合索引选择性与成本选择计划，不能机械追求“形式完整”。索引列参与函数或运算，如 date(create_time)=...，也可能失效；优先改写为范围条件，无法改写时再评估函数索引或生成列索引。
还要警惕反向查询、OR 两侧索引不一致，以及索引列被函数包裹。执行计划出现 Index Scan，也不代表效率高；它可能扫描大量索引行再回表，应结合扫描行数、耗时和回表次数判断。
执行计划会随数据分布改变。统计信息过期会导致优化器误判选择性，选错连接顺序或扫描方式。同一 SQL 时快时慢，先更新统计信息、重新采集计划，再核对直方图、采样比例、索引基数和参数，避免在生产库反复用 hint 试错。
隐式类型转换是另一类坑：字符串列与数字比较时，部分数据库会把常量转成列类型，导致索引无法匹配；字符集、排序规则不一致也会影响使用。应对比参数与列的类型、字符集及排序规则，并用强制索引实验确认“能否走索引”和“优化器是否选择索引”。分析线上慢查询还要固定参数，比较估算与实际行数，并结合锁、I/O 和等待事件排除非索引瓶颈。
最终可按这份检查清单落地：①确认 SQL、绑定参数与出现频率；②查看 EXPLAIN 或 EXPLAIN ANALYZE 的执行计划；③核对访问类型、key_len、估算与实际行数；④检查联合索引顺序、范围条件和覆盖情况；⑤排查函数、运算及隐式类型转换；⑥更新并检查统计信息；⑦确认索引存在性、碎片和空间；⑧在压测环境比较改写前后的计划、扫描行数与耗时。一次只改变一个因素，以稳定监控结果决定是否调整 SQL 或保留索引，避免用“加万能索引”代替根因分析。
