大表优化核心是减少单次查询数据量和降低高频操作响应开销，需结合水平分表、冷热分离、索引优化、缓存与异步化等策略协同实施。
大表优化不是单纯加索引或换数据库，核心是减少单次查询的数据量和降低高频操作的响应开销。php 层要配合数据层做合理切分、缓存与异步处理，避免“全量查、PHP 过滤、再分页”这类典型反模式。
按时间/业务维度水平分表（Sharding）
当单表超千万行且写入持续增长时，优先考虑逻辑分片。例如订单表按年份或月份拆成 orders_2023、orders_2024；用户行为日志按 user_id % 16 分 16 张子表。PHP 中通过路由类统一决定查哪张表：
- 查询前根据参数（如时间范围、用户 ID）计算目标表名，不硬编码
- 写入时同步更新主键映射或使用雪花 ID，避免跨表主键冲突
- 聚合类查询（如总销量）改用定时任务预汇总到统计表，而非实时 union 多表
冷热数据分离 + 归档策略
80% 的请求集中在最近 3 个月数据，老数据可迁移至归档库或转为只读表。PHP 应用需适配双源访问：
- 读接口先判断时间条件：近实时数据走主库，历史数据走归档库（pdo 连接切换）
- 提供后台归档脚本，按批次 delete + INSERT INTO archive，避免长事务锁表
- 归档表保留必要字段，去掉冗余 json 字段或大文本，减小体积
索引优化与查询重写（PHP 层可干预）
很多慢查询源于 PHP 拼 sql 不够严谨。重点检查：
立即学习“PHP免费学习笔记（深入）”；
- 避免
select *，尤其在有 TEXT/BLOB 字段的大表中；明确指定需要的列 - 分页慎用
LIMIT 10000,20，改用游标分页（记录上一页最大 ID 或时间戳） - 联合索引要匹配最左前缀，WHERE 条件顺序和索引定义保持一致；用
EXPLAIN验证执行计划 - 对 count 统计，若不要求绝对精确，可用缓存值 + 增量更新代替
COUNT(*)
引入缓存层与异步化写入
PHP 不应直面大表高压读写。常见组合方案：
- 高频读场景（如商品详情）：redis 缓存完整结构，DB 更新后主动失效或延时双删
- 写多读少场景（如日志上报）：PHP 将数据发到消息队列（rabbitmq/kafka），由消费者批量写入 DB
- 复杂报表导出：前端触发任务，后台生成 CSV 后存对象存储，返回下载链接，不阻塞 Web 请求
重构过程建议从慢查询日志切入，用 pt-query-digest 定位 TOP10 耗时 SQL，逐个分析执行计划与 PHP 调用上下文。每次改动后用真实流量压测对比 QPS 和平均响应时间，不追求一步到位，但每轮都要可验证、可回滚。