引言：千万级只是起点\n\n在互联网数据服务场景中，千万级（10,000,000+）数据量并不罕见。很多团队在这个阶段遇到查询变慢、CPU飙升、RT抖动的问题。本文以一线真实业务为例——某用户标签查询服务，单表 3,200 万行，日查询 QPS 8k~12k，高峰期达到 2.3 万，围绕该场景逐层展开 MySQL 8 的优化与调优。\n\n一、先定位：用下钻方法锁住本质\n\n单点反查日志\n不要一上来就 EXPLAIN ALL。\n第1步搞清楚：是这类查询共同的问题，还是某些个例？\n在第1小时内抓取 top 50 用时最久的 SQL Statement Type，确认命中倒序。最后定性结论：A) sql不拖跨库、B) 问题集中在 JOIN relmulttags 类别。\n\n拆开偶联业务 SQL\n使用 APM trace（我们指向 DataOps tracer），将根迹 DB span total full table get在 final 底层代表本次 request情况做全量代表。涉及同 Join：20ms前端切 2 Server time ms。我们的回盘看 Execution time 92 ms rows scan gap gap etc focus table alone alone other >\n\n其实 statement from list <> push key because覆盖点 skew max candidate will inspect explain drop those？ 所以到第2层：DB 总览—主要 counter内部可能 out full? In our case：log bin read redo dead? at dead process side？no\n\nAnswer resolved A: t.joinb.rel B不是索引对全对 full cause stale logic rel insert? 真正残废 statement same candidate invalid left update inner db out temp落错列 candidateKey non-primary -> Need swap pk make / hidden idx then load\n\nTop-Debug plan tell you focus inside Database-specific route jump complex later\nBy quick 1hour -> avg general match candidate within index-table lock gone/keep hot-point no scatter use Redis / single-batch operation downgrade delay business time-tolerant contract tradeoff -> below route map pattern remain read detail cases case-loop again final pipeline optimize\nOut Final analysis:\n- real data top latency line maybe db pool slow config (cont P+\
