第一层：SQL 优化        → 最直接，效果最明显
第二层：索引设计        → 需要经验和分析
第三层：架构设计        → 长期解决方案

-- MySQL
EXPLAIN SELECT * FROM users WHERE email = 'alice@example.com';

-- 关键指标
-- type: ALL (全表扫描) < INDEX < CONST (最优)
-- rows: 扫描行数，越少越好
-- Extra: Using index (很好) vs Using where (差)

-- 不好
SELECT * FROM users;

-- 好
SELECT id, name, email FROM users;

-- 慢
SELECT * FROM users WHERE id IN (SELECT user_id FROM orders);

-- 快
SELECT DISTINCT u.* FROM users u 
INNER JOIN orders o ON u.id = o.user_id;

-- 不好
SELECT * FROM users WHERE YEAR(created_at) = 2024;

-- 好
SELECT * FROM users WHERE created_at >= '2024-01-01' AND created_at < '2025-01-01';

-- 假设有三个查询条件：status, created_at, user_id
-- 创建复合索引的顺序：
CREATE INDEX idx_composite ON orders(status, created_at, user_id);

-- 遵循原则：
-- 1. 等值条件优先（status）
-- 2. 排序条件次之（created_at）
-- 3. 范围条件最后（user_id）

# 旁路缓存 (Cache-Aside)
def get_user(user_id):
    # 尝试从缓存读取
    user = redis.get(f'user:{user_id}')
    if user:
        return user

    # 缓存未命中，查询数据库
    user = db.query(f'SELECT * FROM users WHERE id={user_id}')

    # 写入缓存
    redis.set(f'user:{user_id}', user, ex=3600)
    return user

# 布隆过滤器 (Bloom Filter)
from pybloom import BloomFilter

bloom = BloomFilter(capacity=100000, error_rate=0.001)

def get_user_safe(user_id):
    # 检查 ID 是否存在
    if user_id not in bloom:
        return None  # ID 不存在，直接返回

    # 查询缓存和数据库
    return get_user(user_id)

原始表：users (1000万行)
        ↓
分库：db0, db1, db2, db3 (4 个库)
分表：users_0, users_1, users_2, users_3 (每库 4 个表)

路由规则：shard_id = user_id % 16

主库（写） ← 应用写操作
  ↓
从库（读） ← 应用读操作

优点：
- 提高读取吞吐量
- 减轻主库压力

缺点：
- 主从延迟
- 数据不一致风险

-- MySQL
SET GLOBAL slow_query_log = 'ON';
SET GLOBAL long_query_time = 1;

-- 查看慢查询
SHOW GLOBAL STATUS LIKE 'Slow%';