时间范围查询慢主因是时间字段未建索引或索引未被正确使用；需通过EXPLAIN确认索引是否生效，优先为时间字段建B+树单列索引，避免函数操作，复合索引须等值字段在前、范围字段在后，并结合分区或归档优化大表性能。
时间范围查询慢，大概率是时间字段没建索引，或索引没被正确使用。重点不是加了索引就万事大吉，而是索引类型、字段顺序、查询写法都要匹配。
确认时间字段是否已有有效索引
执行 EXPLAIN 查看实际执行计划：
- 如果 type=ALL 或 key=NULL，说明没走索引；
- 如果 key 显示用了索引但 rows 很大，可能是索引选择性差或范围过大；
- 注意 Extra 列：出现 Using filesort 或 Using temporary，往往意味着排序/分组没利用索引，可能需覆盖索引优化。
优先用单独时间字段的B+树索引
对纯时间范围（如 WHERE create_time BETWEEN '2024-01-01' AND '2024-06-30'），最直接有效的是在该时间字段上建普通索引：
CREATE INDEX idx_create_time ON orders(create_time);- 避免用函数包裹时间字段，例如
WHERE DATE(create_time) = '2024-01-01'会失效索引； - 时间字段类型尽量统一：用
DATETIME或TIMESTAMP，别混用字符串存时间。
复合索引要注意字段顺序和查询模式
如果查询常带其他条件（如状态+时间），可建复合索引，但顺序很关键：
- 等值条件字段放前面，范围条件字段放最后 —— 例如常用
WHERE status = 1 AND create_time > '2024-06-01'，应建INDEX idx_status_time (status, create_time)； - 反过来建
(create_time, status)，status就无法走索引； - 若同时有
ORDER BY create_time DESC LIMIT 20，这个复合索引还能避免排序，一举两得。
分区表或归档旧数据，缓解大表压力
当单表超千万行且历史数据极少更新时，索引效率会下降：
- 考虑按月/年对时间字段做 RANGE 分区（MySQL）或 时间分区表（PostgreSQL）；
- 定期归档一年前数据到历史表，主表体积减小，索引更紧凑、更高效；
- 注意：分区不是银弹，需配合查询条件中的分区键（通常是时间字段）才能生效。
不复杂但容易忽略：索引建了要验证是否真被用上，范围查得越窄响应越快，旧数据及时归档比硬扛更可持续。
