4. 数据库查询优化：索引策略、慢查询日志分析、连接池调优、读写分离架构

在反洗钱推理链路中，数据库查询是性能瓶颈的高发区。一笔交易从触发规则引擎到完成风险评分，往往需要执行数十次甚至上百次数据库查询，涉及客户信息、交易流水、黑名单、历史案例等多张表的关联操作。本章从索引策略、慢查询日志分析、连接池调优和读写分离架构四个维度，系统讲解数据库查询优化的核心技巧。

4.1 索引策略：从全表扫描到精准定位

反洗钱查询具有典型的“高过滤、低命中”特征——大量查询用于筛选出极少数的可疑交易。合理的索引设计能将查询耗时从秒级降至毫秒级。

4.1.1 复合索引设计原则

4.1.2 索引监控与维护

• 索引使用率监控：通过 pg_stat_user_indexes（PostgreSQL）或 sys.dm_db_index_usage_stats（SQL Server）查看索引扫描次数，识别从未使用的索引并清理。
• 索引碎片整理：定期执行 REINDEX（PostgreSQL）或 ALTER INDEX ... REBUILD（SQL Server），减少索引页分裂导致的性能下降。
• 索引选择性评估：使用 SELECT COUNT(DISTINCT column) / COUNT(*) FROM table 计算选择性，低于 0.1 的列不适合单独建索引。

4.2 慢查询日志分析：定位性能瓶颈

慢查询日志是数据库性能优化的“听诊器”。通过分析慢查询日志，可以精准定位哪些 SQL 语句消耗了最多的系统资源。

4.2.1 慢查询日志配置

-- MySQL 配置示例
SET GLOBAL slow_query_log = ON;
SET GLOBAL long_query_time = 1;  -- 超过 1 秒的查询记录
SET GLOBAL log_queries_not_using_indexes = ON;  -- 记录未使用索引的查询

-- PostgreSQL 配置示例
log_min_duration_statement = 1000  -- 记录执行时间超过 1000ms 的语句
log_connections = on
log_disconnections = on

4.2.2 慢查询分析工具与指标

4.2.3 慢查询优化步骤

1. 采集：开启慢查询日志，设置合理的阈值（建议 500ms-1s）。
2. 分析：使用 pt-query-digest 或 pgBadger 生成报告，按总耗时降序排列。
3. 定位：对 Top 10 慢查询执行 EXPLAIN ANALYZE，查看扫描类型（Seq Scan vs Index Scan）。
4. 优化：根据执行计划调整索引、改写 SQL 或增加查询缓存。
5. 验证：再次执行 EXPLAIN ANALYZE，确认优化后的执行计划是否使用了索引。

4.3 连接池调优：避免连接风暴

反洗钱推理链路在业务高峰期可能同时发起数百个并发请求，每个请求需要从连接池获取数据库连接。连接池配置不当会导致连接等待、超时甚至数据库崩溃。

4.3.1 连接池核心参数

4.3.2 连接池监控指标

• 活跃连接数：当前正在执行查询的连接数，接近 maximumPoolSize 时说明连接池饱和。
• 等待队列长度：等待获取连接的请求数，持续大于 0 说明需要扩容。
• 连接获取耗时：平均等待时间超过 100ms 时，考虑增加连接池大小或优化查询。
• 连接泄漏检测：开启 leakDetectionThreshold（HikariCP），检测未归还的连接。

4.4 读写分离架构：分离查询压力

反洗钱推理链路中，读操作（查询客户信息、交易流水、历史案例）占比超过 80%，写操作（记录推理结果、更新风险状态）占比不足 20%。读写分离架构通过将读请求分发到只读副本，显著降低主库压力。

4.4.1 读写分离架构设计

4.4.2 读写分离实现策略

• 代码层路由：在 ORM 框架中配置读写数据源，通过注解或 AOP 拦截 SQL 类型，将 SELECT 路由到从库，其他操作路由到主库。
• 中间件层路由：使用 ProxySQL 或 ShardingSphere-Proxy 作为数据库代理，自动解析 SQL 并分发到对应节点。
• 强制主库读：对于需要实时一致性的查询（如刚写入的推理结果），通过 @Master 注解强制路由到主库。

// Spring Boot + ShardingSphere 读写分离配置示例
spring:
  shardingsphere:
    datasource:
      names: master,slave0,slave1
      master:
        type: com.zaxxer.hikari.HikariDataSource
        url: jdbc:mysql://192.168.1.10:3306/aml
        username: aml_user
        password: aml_pass
      slave0:
        url: jdbc:mysql://192.168.1.11:3306/aml
        username: aml_user
        password: aml_pass
      slave1:
        url: jdbc:mysql://192.168.1.12:3306/aml
        username: aml_user
        password: aml_pass
    rules:
      readwrite-splitting:
        data-sources:
          aml_ds:
            write-data-source-name: master
            read-data-source-names: slave0,slave1
            load-balancer-name: round_robin
        load-balancers:
          round_robin:
            type: ROUND_ROBIN

4.4.3 读写分离性能收益

某反洗钱系统在实施读写分离后，主库的 CPU 使用率从 85% 降至 35%，从库承担了约 70% 的查询流量。推理链路的平均响应时间从 2.3 秒降至 0.8 秒，系统吞吐量提升了 3 倍。

4.5 综合优化案例：反洗钱推理链路数据库优化实战

某银行反洗钱系统在业务高峰期出现推理超时，平均响应时间达 4.5 秒。通过以下四步优化，将响应时间降至 0.6 秒：