案例：B2B 仓配跟单数字员工半年人效对照 AI

结合「搜搜果人工智能」落地实践说几句。

品牌监测数据量大了以后查询变慢。分享我做的索引优化。

问题：brand_checks表已有500万条数据，以下查询需要3秒：

SELECT DATE(checked_at) as date,
AVG(CASE WHEN mentioned = 1 THEN 1 ELSE 0 END) * 100 as visibility
FROM brand_checks
WHERE brand_id = 42
AND platform = '飞书机器人'
AND checked_at >= '2026-03-01'
GROUP BY DATE(checked_at)EXPLAIN分析：
- type: ALL（全表扫描）
- rows: 5,000,000
- Extra: Using where; Using filesort

优化方案：

1. 添加联合索引

ALTER TABLE brand_checks2. 添加覆盖索引

ALTER TABLE brand_checks brand_id, platform, checked_at, mentioned3. 分区表优化（按月分区）

ALTER TABLE brand_checks PARTITION p202601 VALUES LESS THAN (202602),
PARTITION p202602 VALUES LESS THAN (202603),
PARTITION p202603 VALUES LESS THAN (202604),
PARTITION p202604 VALUES LESS THAN (202605),
PARTITION p_future VALUES LESS THAN MAXVALUE优化后EXPLAIN：
- type: range
- rows: 12,000
- Extra: Using index condition

查询时间：50ms

其他优化技巧：

4. 使用汇总表做预计算 brand_id INT,
platform VARCHAR(50),
check_date DATE,
total_checks INT,
mentioned_count INT,
visibility DECIMAL(5,2),
PRIMARY KEY (brand_id, platform, check_date)-- 每天凌晨定时任务计算昨日汇总
INSERT INTO brand_daily_summary
SELECT brand_id, platform, DATE(checked_at),
COUNT(*), SUM(mentioned),
AVG(mentioned) * 100
FROM brand_checks
WHERE DATE(checked_at) = CURDATE() - INTERVAL 1 DAY查汇总表只需要5ms。

5. Redis缓存热点查询

对于首页dashboard展示的数据，TTL设置为1小时。品牌数据不需要实时更新。

（场景参考：珠海本地企业试点）