索引选择性低、复合索引顺序不当、NULL值处理不当及统计信息过期均会导致优化器弃用索引；应计算选择性（
索引选择性低会导致全表扫描
当 WHERE 条件列的重复值太多（比如 status 只有 ‘active’/’inactive’ 两种），mysql 或 postgresql 可能直接放弃走索引，改用全表扫描——因为读索引再回表的成本比直接扫一遍还高。
实操建议：
- 用
select count(DISTINCT col) / COUNT(*) FROM table算选择性，结果低于 0.01（即 1%）就危险 - 避免给
gender、is_deleted这类低基数字段单独建索引 - 如果必须查这类字段，优先考虑组合索引，把低选择性列放在后面，比如
(created_at, status)而不是(status, created_at)
复合索引顺序决定能否命中
数据库只能按索引定义的**最左前缀**匹配条件。写成 INDEX (a, b, c)，那么 WHERE a = ? AND b = ? 能用上，但 WHERE b = ? AND c = ? 就完全失效。
实操建议：
- 高频等值查询字段放最左，范围查询（
BETWEEN、>）字段放中间，排序/分组字段放最后 - 如果有
WHERE user_id = ? AND created_at > ? ORDER BY updated_at DESC，索引应为(user_id, created_at, updated_at) - 不要为了“看起来全面”堆砌字段，每多一个字段都增加索引体积和写入开销
NULL 值让索引失效的隐蔽情况
某些场景下，IS NULL 或 IS NOT NULL 不走索引，尤其在 MySQL 5.7 之前；PostgreSQL 对 IS NULL 支持较好，但若字段允许 NULL 且实际 NULL 值很多，选择性也会被拉低。
实操建议：
- 建表时尽量用
NOT NULL+ 默认值（如0、''），除非业务真需要区分“未设置”和“空” - 查
IS NULL前先确认执行计划：EXPLAIN SELECT ...，看key列是否为空 - 如果必须支持 NULL 查询且性能差，可加生成列（MySQL 5.7+ 的
STORED列）或函数索引（PostgreSQL 的CREATE INDEX ON t ((col IS NULL))）
统计信息过期会让优化器选错索引
PostgreSQL 的 ANALYZE、MySQL 的索引统计（innodb_stats_persistent 相关）如果不更新，优化器可能基于错误的选择性估算，跳过本该用的索引，甚至选错连接顺序。
实操建议：
- 大表批量导入后立刻执行
ANALYZE table_name（PostgreSQL）或ANALYZE TABLE table_name（MySQL） - MySQL 中检查
information_schema.STATISTICS表的SEQ_IN_INDEX和CARDINALITY，确认数值是否合理 - 不要依赖自动统计——某些 OLAP 场景下，自动采样率太低，
innodb_stats_sample_pages可调高，但别盲目设成 2000+
真正卡住性能的，往往不是没建索引，而是索引建了但优化器不敢用、或者用了却绕远路。验证方式永远只有两个：看 EXPLAIN，再看真实 EXPLAIN ANALYZE（PostgreSQL）或 EXPLAIN FORMAT=json（MySQL）里的实际行数和时间分布。