数据库索引的暗面：为什么你的查询还是慢？

凌晨两点，生产环境告警。某个查询从200毫秒飙到15秒，你加了个索引，结果更慢了。

这不是段子。我见过太多开发者把索引当万能药，最后发现药不对症。PostgreSQL的索引机制比你想象的复杂——它既能救你，也能坑你。

索引的本质：空间换时间的精确计算

没有索引时，PostgreSQL做顺序扫描（sequential scan）。100行无所谓，1000万行就是灾难。

B树索引把数据变成三层结构：根节点划大范围，内部节点收窄，叶子节点存真实值和行指针。查找时从根往下走，复杂度从O(n)降到O(log n)。

但代价是什么？

每次INSERT、UPDATE、DELETE都要维护这棵树。写操作变慢，存储空间增加。索引不是免费午餐，是精确计量的交易。

正方：索引解决一切性能问题

这个阵营的观点很直接：查询慢？加索引。邮件查询慢？给email列建索引。时间范围查询慢？给created_at建索引。

他们手里有EXPLAIN ANALYZE的截图。顺序扫描变索引扫描，执行时间从8.2秒降到0.4毫秒。数字漂亮，结论明确。

复合索引（composite index）更是他们的利器。WHERE email = 'x' AND status = 'active'，单列索引可能只用到第一个条件，复合索引能覆盖整个过滤逻辑。

部分索引（partial index）和表达式索引（expression index）则是进阶武器。只给活跃用户建索引，或者给LOWER(email)建索引解决大小写匹配问题。

听起来完美。

反方：索引是性能陷阱的温床

另一群人见过太多索引灾难。

第一个陷阱：索引选择性。性别字段只有男女两个值，B树查完还是要回表取大半数据。这时候索引比全表扫描还慢——多了索引查找的开销。

第二个陷阱：写放大。一个UPDATE要改数据页，还要改所有相关索引页。索引越多，写操作越重。我见过一个表有17个索引，INSERT性能暴跌70%。

第三个陷阱：最左前缀的误解。复合索引(a,b,c)，查询WHERE b = 2完全用不上。很多人建完索引发现没生效，却不知道为什么。

第四个陷阱：维护成本。VACUUM、ANALYZE、REINDEX，这些操作在大表上可能锁表数小时。索引不是建完就完，是持续的技术债务。

我的判断：索引是手术刀，不是锤子

看完两边，结论很清楚。

索引有用，但只在特定条件下。你需要同时满足：查询频率高、数据量大、选择性好、写操作可承受。四个条件缺一个，就要重新评估。

具体操作建议：

先用EXPLAIN ANALYZE看真实执行计划，别猜。seq scan不一定慢，index scan不一定快。成本估算（cost）和实际时间都要看。

优先建复合索引覆盖多个查询，而不是给每个WHERE条件单列建索引。三个单列索引往往不如一个精心设计的复合索引。

定期用pg_stat_user_indexes检查索引使用频率。从没被用过的索引，删掉它。每个无用索引都在拖累你的写入性能。

大表加索引用CREATE INDEX CONCURRENTLY，避免锁表。生产环境的操作，宁可慢，不能停。

最后记住：索引解决的是"找数据"的问题。如果你的查询慢是因为JOIN太多、返回行数太大、或者计算逻辑太重，索引无能为力。

凌晨两点的那个告警，最后发现是缺失的外键索引导致嵌套循环JOIN爆炸。加了索引，查询回到200毫秒。但更重要的是，我们建立了索引审查流程——每次 schema 变更都要过一遍性能 checklist。

毕竟，最好的优化是从不让问题发生。而次好的优化，是知道为什么你的"优化"反而让事情更糟。