SQL 从“能用”到“稳定可控”的演进

select * 是定时炸弹，因使查询对表结构变更敏感且加载冗余大字段；WHERE隐式类型转换会失效索引，需严格匹配字段类型并避免函数包裹索引列。

为什么 SELECT * 在生产环境里是定时炸弹

它会让查询对表结构变更极度敏感，一旦新增或删减字段，下游应用可能因列数/顺序错位直接报错。更隐蔽的问题是：触发不必要的大字段（如 TEXT、BLOB）加载，拖慢查询、挤占内存、放大锁等待。

实操建议：

• 显式列出所需字段，哪怕一开始是复制粘贴——这是建立字段契约的第一步
• 用视图封装常用字段组合，把“稳定接口”和“底层变更”隔离开
• 在 ORM 层禁用 select * 模式（如 Django 的 only() / defer()，mybatis 的 resultMap 显式定义）
• 上线前用 EXPLaiN 对比加字段前后的执行计划，确认没引入临时表或文件排序

WHERE 条件里隐式类型转换正在悄悄拖垮你的索引

比如 user_id 是 BIGINT，但写成 WHERE user_id = '123'，mysql 会把所有索引值转为字符串比对，导致全索引扫描。postgresql 更严格，可能直接报错；而 SQL Server 可能按规则强制转列类型，引发意外的隐式转换路径。

实操建议：

• 参数化查询时，确保传入值的类型与字段类型一致（如 java 用 setLong() 而非 setString()）
• 用 SHOW WARNINGS（MySQL）或 EXPLAIN (VERBOSE)（PostgreSQL）检查是否出现 type conversion 类提示
• 在 WHERE 中避免函数包裹索引字段，如 WHERE date(created_at) = '2024-01-01' → 改为 WHERE created_at >= '2024-01-01' AND created_at

事务边界模糊让“偶发超时”变成线上幽灵问题

典型场景：在事务里调用外部 http 接口、写日志文件、或执行耗时的计算逻辑。这些操作不参与数据库一致性保障，却延长了事务持有锁的时间，导致并发更新阻塞、死锁概率上升、连接池快速耗尽。

实操建议：

• 把事务范围收缩到“仅包含必须原子性保证的 DB 操作”，其余逻辑移出 BEGIN / COMMIT 块
• 用最终一致性替代强一致性：DB 提交后发 MQ 消息，由消费者处理后续动作
• 监控 innodb_row_lock_time_avg（MySQL）或 pg_stat_database.blk_write_time（PostgreSQL），数值突增往往意味着事务粒度失控
• 在应用层给事务加超时（如 spring 的 @Transactional(timeout = 3)），防止一个慢查询拖垮整条链路

没有 EXPLAIN 验证的 SQL 就是盲写

很多 SQL 在测试库跑得飞快，上线后数据量翻十倍就卡死——因为没看执行计划是否走了索引、有没有 using filesort、是否触发了临时表。更麻烦的是，同一条 SQL 在不同版本 MySQL 或不同统计信息下，执行计划可能完全不同。

实操建议：

• 所有新 SQL 上线前，必须在生产镜像环境（至少千万级数据）中运行 EXPLAIN format=jsON，重点关注 key、rows、Extra 字段
• 对 JOIN 语句，确认驱动表选择合理（小结果集做驱动），必要时用 STRAIGHT_JOIN 强制
• 定期用 pt-query-digest 分析慢日志，找出“平均响应快但 P99 极高”的 SQL——它们往往有隐藏的执行计划抖动

真正难的不是写出能返回正确结果的 SQL，而是让它的行为在百万行、高并发、字段变更、统计信息过期等各种现实条件下依然可预期。稳定可控的本质，是把每处隐含假设都变成显式约束。