一、范围查询与索引的基本原理
在 MySQL 的查询优化中，范围查询是影响索引使用效果的关键场景之一。通过理解范围条件如何在索引树中定位，可以判断哪些列会被索引直接参与过滤，哪些列会被提前排除。范围查询通常包括 BETWEEN、>=、<=、>、<、以及某些形式的 LIKE，但要注意前导通配符和函数运算会影响索引的命中率。
一个常见的经验是：若使用的索引是单列索引，条件中对该列的范围判断通常能直接触发索引的范围扫描；若索引是复合索引，则需要遵循“左前缀原则”，才有机会同时利用多列的排序和过滤能力。合理的索引顺序与条件组合，是实现高效范围查询的关键。
下面给出一个简单的演示，展示如何通过一个范围查询来触发索引使用，并通过 EXPLAIN 看到执行计划的变化：
场景：在 orders 表中对 amount 进行范围筛选，并尝试使用单列索引。
示例 SQL：
CREATE INDEX idx_orders_amount ON orders(amount);EXPLAIN SELECT * FROM orders WHERE amount BETWEEN 100 AND 500;在分析执行计划时，若输出中出现 Using index 或者显示对索引的范围扫描（range），说明该查询正确利用了索引进行范围筛选。若未使用索引，可能是因为数据分布、列类型不匹配或其他条件未满足索引使用条件。
二、索引规则全解：从前缀到组合索引的应用
要真正掌握“范围查询怎么使用索引”，需要把“索引规则”拆解成可落地的要点。下面从单列、复合索引以及统计信息三方面展开。理解规则有助于设计更高效的查询与索引。
1. 单列索引在范围查询中的表现
单列索引在范围查询时，一般能提供范围定位的能力，但后续的过滤若涉及多列，就需要额外的条件配合。关键点：若 WHERE 子句仅包含与单列索引匹配的条件，MySQL 往往可以快速定位到符合条件的行，再回表获取其它列信息。若涉及 AND 同时过滤多列，且这些列没有相应的索引支持，可能导致全表扫描或回表成本上升。
示例：对 orders 表的 customer_id 列建单列索引，若查询包含 customer_id = 123 的范围筛选，索引能显著提升性能。选择性高的字段优先建索引，有助于减少扫描的行数。
示例 SQL：
CREATE INDEX idx_orders_customer ON orders(customer_id);EXPLAIN SELECT * FROM orders WHERE customer_id = 123 AND order_date >= '2024-01-01';2. 复合索引的左前缀原则
复合索引的设计要遵循左前缀原则：如果一个范围条件发生在复合索引的前几列上，那么仅前缀列参与过滤，后续列的索引潜在效果可能受限。正确的顺序对范围查询的命中率影响很大。
例如，若存在复合索引 (a, b, c)，且 WHERE a = 5 AND b BETWEEN 10 AND 20，那么 MySQL 通常可以使用 a 的等值过滤和对 b 的范围过滤，但 c 的过滤能力可能受限，需通过覆盖索引或额外查询来实现更高效的三列筛选。
示例 SQL：
CREATE INDEX idx_a_b ON t(a, b);SELECT * FROM t WHERE a = 5 AND b BETWEEN 10 AND 20 AND c = 7;在 EXPLAIN 结果中，若出现 Using index 或 Using where; Using index，说明在某种程度上实现了索引覆盖或索引条件下推，进一步优化可考虑将查询改写为覆盖索引形式。
3. 索引选择性与统计信息
索引的选择性（Cardinality）决定了 MySQL 选择使用哪一个索引。高选择性的列更具成为过滤条件的价值，因此往往优先建在高基数列上。统计信息则帮助优化器判断使用哪一个执行计划，定期执行 ANALYZE TABLE 可以让统计数据保持接近实际分布。
示例：在大量离散取值的列上建索引，往往更有效；而低基数的列上若仅做简单过滤，索引的收益可能有限。定期更新统计信息有助于提升执行计划的准确性。
示例 SQL：
ANALYZE TABLE orders;三、性能优化实战要点
在实际项目中，范围查询配合索引不仅要“有索引”，更要“会用索引、用对索引、用好计划”。下面给出若干实战要点，帮助把理论落地为高效查询。
1. 避免在字段上对函数或计算后再比较
对字段使用函数（如 YEAR(datecol)、DATE(datecol) 等）会使索引失效，因为数据库需要对每一行应用函数，无法直接利用索引定位。将条件改写为对字段本身的范围比较，通常能显著提升性能。
示例改写：
-- 不利于使用索引
SELECT * FROM events WHERE YEAR(event_date) = 2024;-- 更友好于索引的写法
SELECT * FROM events WHERE event_date >= '2024-01-01' AND event_date < '2025-01-01';2. 使用覆盖索引和索引下推（ICP）
覆盖索引（covering index）指查询所需要的所有列都包含在索引中，查询可以只从索引中取数据，避免回表访问。索引下推（Index Condition Pushdown，ICP）则允许在存储引擎层就完成部分过滤，进一步降低 I/O 成本。
搭配场景：若 query 只需要查询少数列，且这些列都在某个复合索引中，可以通过覆盖索引实现零回表。尽量让常用查询的 SELECT 字段落在同一个覆盖索引内，以减少随机读取。
示例 SQL：
CREATE INDEX idx_orders_cover ON orders(customer_id, order_date, amount);SELECT customer_id, order_date FROM orders
WHERE customer_id = 123 AND order_date BETWEEN '2024-01-01' AND '2024-12-31';3. 数据分区、查询分解与分页优化
对于海量数据表，分区可以让范围查询仅扫描相关分区，降低 I/O 成本。在分页场景下，尽量避免大偏移的频繁分页（如 OFFSET 大量）而改用键值分页或逐步滑动方式，以保持稳定的执行计划。
示例 SQL（分区表假设已配置）：
ALTER TABLE orders PARTITION BY RANGE (order_date) (PARTITION p2024 VALUES LESS THAN ('2025-01-01'),PARTITION p2025 VALUES LESS THAN ('2026-01-01')
);SELECT * FROM orders WHERE order_date BETWEEN '2024-06-01' AND '2024-06-30' LIMIT 100;在实际应用中，结合 EXPLAIN Gateway 输出，可以观察到 分区裁剪 与 覆盖索引使用 的综合效果，从而做出进一步的优化决策。
