场景一
step1. 问题发现
将应用发布到生产环境后，前端页面请求后台API返回数据，发现至少需要6s。查看到慢SQL
step2. 复现慢SQL
执行SQL
select count(*) from sync_block_data
where unix_timestamp(sync_dt) >= 1539101010
AND unix_timestamp(sync_dt) <= 1539705810 复制
查看耗时
step3. 优化慢SQL
sync_dt的类型为datetime类型。换另外一种sql写法，直接通过比较日期而不是通过时间戳进行比较。将sql中的时间戳转化为日期，分别为2018-10-10 00:03:30和2018-10-17 00:03:30
执行SQL
select count(*) from sync_block_data
where sync_dt >= "2018-10-10 00:03:30"
AND sync_dt <= "2018-10-17 00:03:30" 复制
查看耗时
一共耗时419毫秒，和慢查询相比速度提升六倍多
查看执行计划
explain select count(*) from sync_block_data
where sync_dt >= "2018-10-10 00:03:30"
AND sync_dt <= "2018-10-17 00:03:30" 复制
执行计划结果
访问页面，优化完成后请求时间平均为900毫秒
执行计划中慢查询和快查询唯一的区别就是type不一样：慢查询中type为index，快查询中type为range。
step4. 优化慢SQL
这条sql的业务逻辑为统计出最近七天该表的数据量，可以去掉右边的小于等于
执行SQL
select count(*) from sync_block_data
where sync_dt >= "2018-10-10 00:03:30" 复制
查看耗时
一共耗时275毫秒，又将查询时间减少了一半
查看执行计划
explain select count(*) from sync_block_data
where sync_dt >= "2018-10-10 00:03:30" 复制
执行计划结果
type仍是range。但是通过少比较一次将查询速度提高一倍
step5. 继续优化慢SQL
新建一个bigint类型字段sync_dt_long存储sync_dt的毫秒值，并在sync_dt_long字段上建立索引,测试环境下
优化step3慢查询SQL
select count(*) from copy_sync_block_data
where sync_dt >="2018-10-10 13:15:02" 复制
耗时为34毫秒
优化step4慢查询三SQL
select count(*) from copy_sync_block_data
where sync_dt_long >= 1539148502916 复制
耗时为22毫秒
测试环境中速度提升10毫秒左右
优化慢查询三sql测试小结：在InnoDB存储引擎下，比较bigint的效率高于datetime
完成三步优化以后生产环境中请求耗时：
速度又快了200毫秒左右。通过给查询的数据加10s缓存，响应速度最快平均为20ms
explain使用介绍
通过explain，可以查看sql语句的执行情况（比如查询的表，使用的索引以及mysql在表中找到所需行的方式等）
用explain查询mysql查询计划的输出参数有
重点关注type，type类型的不同竟然导致性能差六倍！！！
type显示的是访问类型，是较为重要的一个指标，结果值从好到坏依次是：system > const > eq_ref > ref > fulltext > ref_or_null > index_merge > unique_subquery > index_subquery > range > index > ALL ，一般来说，得保证查询至少达到range级别，最好能达到ref。
出现慢查询的原因
在where子句中使用了函数操作
出现慢查询的sql语句中使用了unix_timestamp函数统计出自'1970-01-01 00:00:00'的到当前时间的秒数差。导致索引全扫描统计出近七天的数据量的
解决方案
尽量避免在where子句中对字段进行函数操作，这将导致存储引擎放弃使用索引而进行全表扫描。对于需要计算的值最好通过程序计算好传入而不是在sql语句中做计算，比如这个sql中我们将当前的日期和七天前的日期计算好传入
后记
这个问题当时在测试环境没有发现，测试环境的请求速度还是可以的。没有被发现可以归结为数据量。生产数据量为百万级别，测试环境数据量为万级，数据量差50倍，数据量的增大把慢查询的问题也放大了。