索引提速效果取决于场景，高基数等值查询可百倍加速，低基数列索引常被忽略；复合索引需按最左前缀原则设计，选择性高的列优先；覆盖索引（using index）仍可能因索引宽、重复值多或结果集大而变慢；函数操作、隐式类型转换等会使索引失效。
索引能提速多少？看场景，不是所有查询都受益
索引不是“一加就快”，它的收益高度依赖查询模式和数据分布。在理想情况下（如高基数字段上的等值查询），WHERE user_id = 12345 从全表扫描（O(n)）降到 B+ 树查找（O(log n)），百万行表可能从 800ms 降到 5ms —— 提速百倍。但低基数列（如 status ENUM('active','inactive')，只有两个值）上建索引，优化器大概率直接忽略它，因为走索引还要回表，不如全表扫得干脆。MySQL 通常在列唯一值占比低于约 30% 时放弃使用该索引。
复合索引怎么排顺序？最左前缀不是玄学
复合索引 INDEX idx_name_phone (name, phone) 能命中 WHERE name = 'Alice' 和 WHERE name = 'Alice' AND phone = '138xxxx'，但对 WHERE phone = '138xxxx' 完全无效——这就是“最左前缀原则”。顺序决定覆盖能力：
- 把选择性高的列（如
user_id）放前面，比把低选择性列（如gender）放前面更有效； - 如果常查
WHERE category = ? AND created_at > ? ORDER BY created_at DESC，那(category, created_at)比(created_at, category)更合适，因为范围查询后的列无法用于索引排序； - 避免冗余：已有
(a, b, c)，再建(a, b)就是浪费空间和写开销。
为什么 EXPLAIN 显示“Using index”却还是慢？
Using index 表示用了覆盖索引（Covering Index），即查询所需所有字段都在索引里，不用回表——这本该很快。但如果出现慢，常见原因有：
ShopNum1拥有强大的网店促销模块，里面就包括商品团购、捆绑销售、品牌专卖、积分换购、优惠券促销、打折促销等众多促销功能，通过合理的组合使用，能帮助商家更好的提高消费者的忠诚度，有效发展新用户，从而带来订单数量的提升。 ShopNum1通过对网店系统软件本身的众多细节优化，有效提升了各主要搜索引擎对其收录的友好程度，从而帮助商家通过搜索引擎带来更多的直接有效客户，以达到提升订单销量的目的。 强
- 索引本身太宽：比如在
VARCHAR(1000)字段上建了前缀长度为 255 的索引，单个索引项变大，B+ 树层级加深，IO 次数上升； - 大量重复值导致索引页内扫描行数多（例如
WHERE status IN ('pending','processing')匹配几十万行，即使覆盖索引也要遍历这么多索引记录）； - 查询返回结果集过大，网络传输或客户端处理成了瓶颈，而非索引本身问题。
哪些操作会让索引彻底失效？
不是写了 WHERE 就能用索引。这些写法会让 MySQL 直接放弃走索引：
- 对索引列用函数：
WHERE YEAR(create_time) = 2025→ 改成WHERE create_time >= '2025-01-01' AND create_time ； - 隐式类型转换：
WHERE mobile = 13812345678（mobile 是VARCHAR）→ 数字会被转字符串，但部分版本不走索引，统一用引号写成'13812345678'； - LIKE 左模糊：
WHERE name LIKE '%abc'无法利用 B+ 树有序性；右模糊'abc%'可以； - OR 连接非索引列：
WHERE indexed_col = 1 OR non_indexed_col = 2，整条条件大概率退化为全表扫描。
真正难的从来不是“建不建索引”，而是理解你的查询在引擎内部走了哪条路径——EXPLAIN 看懂了，90% 的索引问题就定位了一半。
