大表查询优化需分区裁剪与索引协同：分区键须为高频等值/范围查询字段，索引应建在分区键+过滤字段组合上，避免隐式转换、函数操作及低效分区。

大表查询慢，核心在于减少扫描数据量。分区裁剪负责“圈定范围”，索引负责“精准定位”，二者必须协同使用，单靠一个效果有限。

分区设计要匹配查询条件

分区字段必须是高频查询条件中的等值或范围列（如 create_time、region_id），否则无法触发裁剪。例如按月分区的表，若常查 WHERE status = 1 AND create_time BETWEEN '2024-01-01' AND '2024-01-31'，就能只扫 202401 分区；但若只查 WHERE status = 1，所有分区仍会被遍历。

• 避免用非均匀分布字段（如用户性别）做分区键
• 尽量不跨分区查询，尤其避免 OR 条件破坏裁剪（如 dt='202401' OR dt='202402' 可能失效，改用 IN 更稳妥）
• 查看执行计划确认是否真正裁剪：EXPLAIN PARTITIONS SELECT ... 中 partitions 列应只显示少数几个分区名

索引要建在分区键+查询过滤字段的组合上

分区只是缩小扫描范围，每个分区内部仍需索引加速。局部索引（每个分区独立建索引）比全局索引更常用且高效。例如按 dt 分区的订单表，常查 user_id，就在每个分区内建 (user_id) 或复合索引 (user_id, status)。

• 不要在分区键上单独建索引（如 dt 字段本身已有分区逻辑，再索引冗余）
• 复合索引注意字段顺序：高选择性字段放前，如 (user_id, create_time) 比 (create_time, user_id) 对 WHERE user_id = ? 更有效
• 覆盖索引可进一步避免回表：把 SELECT 需要的字段也加入索引末尾，如 INDEX idx_uid_status_amt (user_id, status, amount)

避免隐式类型转换和函数操作破坏索引与裁剪

WHERE dt = 202401（dt 是字符串）会因类型不匹配导致分区裁剪失效；WHERE DATE(create_time) = '2024-01-01' 会让索引失效。所有条件都应保持原始字段类型和裸写形式。

• 字符串分区字段查询时加引号：WHERE dt = '202401'
• 时间范围用 >= / <=，别用 YEAR(create_time) = 2024
• LIKE 查询慎用前导通配符：LIKE '%abc' 无法走索引，尽量改为 LIKE 'abc%'

定期检查与清理低效分区

历史分区若长期无查询、数据量小但索引多，反而增加优化器决策负担。可通过慢查日志反查哪些分区从不被访问，归档或删除。

• 用 information_schema.PARTITIONS 查各分区行数与数据大小，识别明显倾斜
• 对只读历史分区，可考虑转为压缩表（如 ROW_FORMAT=COMPRESSED）降低 I/O
• 新增分区前预估数据增长节奏，避免分区过多（MySQL 单表建议不超过 1024 个分区）