一个索引让查询慢10倍：PostgreSQL这4小时踩坑实录

凌晨2点，生产环境告警。查询耗时从200毫秒飙到2秒，CPU打满。罪魁祸首？我们刚加的那个"优化索引"。

这事听起来像段子，但确实是上周发生的真事。团队花了4小时才定位问题，最后发现错得离谱又合理——我们太相信直觉，忘了数据库优化第一条规则：EXPLAIN ANALYZE（执行计划分析）不是可选项，是必选项。

复合索引的顺序，比想象中更挑剔

问题出在一个看似标准的复合索引。表里有用户ID、状态、创建时间三个字段，查询条件是WHERE user_id = X AND status = Y ORDER BY created_at DESC。

直觉告诉我们：把过滤条件放前面，排序放最后。于是建了(user_id, status, created_at)。

但PostgreSQL的执行计划显示，它根本没走这个索引。为什么？

因为查询里status是可选参数——有时候传，有时候不传。当status没传时，索引前缀只剩user_id，后面跟着status和created_at的排序完全用不上。数据库被迫做全表扫描，或者选另一个更差的索引。

复合索引的顺序不是按"直觉重要性"排，而是按"查询条件的确定性"排。最常被用于等值查询、且几乎不会跳过的字段，才配站最前面。

我们最后把索引改成(user_id, created_at, status)，配合一个部分索引处理特定状态，问题才解决。同一个查询，从2秒回到180毫秒。

覆盖索引的陷阱：省一次回表，可能赔十次写性能

另一个坑是"覆盖索引"（Covering Index，即INCLUDE索引）的滥用。

原理很简单：索引里带上查询需要的所有字段，数据库就不用回表查主数据了。读性能确实提升，但代价在写入端。

我们的表每小时新增50万行，更新频率也不低。每个INCLUDE字段都要在每次写入时维护，WAL（预写日志）膨胀、IO压力、锁竞争全来了。加索引前没算这笔账，结果读查询快了30%，写入慢了400%，整体吞吐量反而下降。

覆盖索引不是免费午餐，是读性能和写性能的交易。高频写入场景下，这个杠杆可能反向操作。

最后我们拆成了两个索引：一个轻量级的用于高频查询，另一个带INCLUDE的只在特定报表查询时启用。用部分索引（Partial Index）控制适用范围，而不是让索引扛着全表数据跑。

EXPLAIN和EXPLAIN ANALYZE，差了一个生产环境

最讽刺的是，我们一开始看过执行计划。EXPLAIN显示新索引被使用了，成本估算也很低。

但EXPLAIN只是基于统计信息的"猜测"，EXPLAIN ANALYZE才是实际跑出来的真相。我们的表刚做了大批量导入，统计信息还没更新，优化器以为数据分布是A，实际是B。

这4小时里，前3小时都在跟"为什么优化器不选这个索引"较劲。直到有人跑了ANALYZE更新统计信息，再用EXPLAIN ANALYZE对比，才发现索引根本没被选中——之前的"选中"是过时统计信息制造的幻觉。

ANALYZE（统计信息更新）和EXPLAIN ANALYZE（实际执行分析），这两个命令在加索引后必须成套出现。少一个，你看到的可能是平行世界的执行计划。

索引不是越多越好，是越"被用到"越好

事后复盘，pg_stat_user_indexes（索引使用统计视图）给了我们一记耳光。那个"优化索引"在故障前的24小时内，被使用的次数是零。而另一个我们以为"可能过时"的老索引，承载了90%的查询。

PostgreSQL的优化器有自己的想法。它权衡的不仅是索引是否"理论上适用"，还有缓存命中率、并发锁情况、数据相关性等一系列因素。有时候两个索引都能用，它偏偏选那个你觉得"次优"的——因为它的成本模型算出来，那个确实更便宜。

我们现在的流程：加索引前用pg_qualstats（查询条件统计）找真实的热点；加之后用EXPLAIN ANALYZE验证；上线后用pg_stat_user_indexes监控实际使用情况。30天零使用的索引，自动清理。

那个让查询慢10倍的索引？我们没删，把它改成了部分索引，只覆盖特定时间段的数据。现在它每天被用到2000次，但影响的写入开销降低了70%。

数据库优化没有银弹，只有假设、验证、再假设。你最近一次加索引后，真的看过EXPLAIN ANALYZE的Actual Time（实际耗时）吗？