单表千万行时B+树高度大概率从3层升至4层,主键查询磁盘IO由约3次增至约4次,延迟上升30%~50%;范围查询、深分页、聚合操作性能显著下降,索引失效风险增高。

单表超千万不等于必须分库分表,但此时你已经站在性能拐点上——索引效率开始断崖下跌,B+树高度大概率从3层升到4层,每次主键查询多一次磁盘IO;同时DDL、备份、慢查排查成本陡增。是否真要分,得看你的SQL能不能扛住、瓶颈到底在哪。
单表千万行时,B+树深度和IO次数怎么变?
InnoDB 的 B+树在数据量增长时会自动分裂层级。500万行通常还在3层,但到1000万行后,叶子节点数量翻倍,非叶子节点也扩容,树高极可能升至4层。这意味着:
- 原本 1 次主键查询 ≈ 3次磁盘IO,现在变成 ≈ 4次,延迟直接+30%~50%
- 范围查询(如
WHERE created_at BETWEEN '2026-01-01' AND '2026-06-01')扫描路径更长,Buffer Pool 命中率下降 - 即使有索引,
ORDER BY + LIMIT深分页(如LIMIT 100000,20)会因回表次数倍增而卡顿
为什么“加索引”这时候经常失效?
不是索引没建,而是索引结构本身被数据规模拖垮了:
安装、修复、更新或打包一个基于 Python 和 PyMySQL 实现的 Windows `mysql` 命令。适用于用户希望在 PowerShell/CMD 中输入 `mysql` 时重定向到 Python 实现、需要交互式输入 MySQL 连接信息、需要同步到当前用户本地 bin 目录,或需要将该能力封装成可公开复用的 Codex skill。
- 单列索引的 B+树节点变大,单页能存的键值减少,树更“胖”,遍历开销上升
- 联合索引如果顺序不合理(比如把低区分度字段放前面),
WHERE status = 1 AND user_id = 123可能只用上status,导致全索引扫描 -
COUNT(*)、MAX(id)这类聚合在千万级表上不再走索引优化,MySQL 5.7+ 虽有优化,但实际执行仍可能扫数万页 - 执行计划里出现
Using filesort或Using temporary的频率显著升高,说明内存排序/临时表已成常态
DDL操作为什么突然变成发布阻塞点?
给千万级表加一列、改字段类型、重建索引,哪怕用 ALGORITHM=INSTANT 或 pt-online-schema-change,也会暴露底层压力:
-
ADD COLUMN在非 INSTANT 场景下需拷贝整表,IO打满,主从延迟飙升 -
CREATE INDEX占用大量 Buffer Pool,挤占业务查询缓存空间,引发雪崩式慢查 - 锁等待时间不可控:
ALTER TABLE ... ALGORITHM=INPLACE仍需短时元数据锁(MDL),高峰期容易卡住其他 DML - 备份窗口拉长:物理备份(xtrabackup)耗时翻倍,逻辑备份(mysqldump)可能超时失败
真正该警惕的信号,不是行数,是这些现象
别只盯着 SELECT COUNT(*) FROM orders 返回 1200w 就焦虑。盯紧这几件事:
- 核心接口 P95 响应时间持续 > 100ms,且
EXPLAIN显示type是range或更低,rows列动辄几十万 - 慢查询日志里频繁出现
Creating sort index、Copying to tmp table - 监控显示
Innodb_buffer_pool_wait_free非零,或Threads_running经常 > 50 - DBA 执行
OPTIMIZE TABLE或ANALYZE TABLE要等十几分钟,且效果短暂
这些才是分库分表前最该先压测、调优、归档的硬指标。一旦它们反复触发,再谈分片策略才不是纸上谈兵。

















