由 dawei 边缘AI设备资源受限，MySQL慢查询直接影响本地推理响应与设备续航。一次工业网关实测中，单条查询从320ms飙升至1.2秒，触发边缘侧告警丢包，必须在不升级硬件前提下实现毫秒级优化。
问题根源不在SQL本身，而在表结构设计。一张日志表含12个TEXT字段，其中7个极少被查询却强制参与索引扫描；同时未设置分区，全表680万行数据集中在单一InnoDB文件中，I/O成为瓶颈。
第一阶段优化聚焦列裁剪：将非查询字段迁移至JSON列归档，并添加生成列（GENERATED COLUMN）提取高频检索值，如从原始JSON中抽取“device_id”并建立函数索引。此举使查询扫描行数下降93%。
第二阶段启用按天分区+哈希二级分区，避免大范围扫描。针对“最近2小时告警”这一典型边缘查询场景，改用时间范围裁剪+内存哈希索引预筛：在应用层用轻量AI模型（仅23KB）预测可能的device_id集合，再拼接IN子句，命中率稳定在89%以上。
第三阶段引入查询生命周期控制：通过SET MAX_EXECUTION_TIME=50，在服务端硬限超时；同时在边缘AI框架中注入Query Plan Hooks，自动拦截无索引WHERE条件，并向运维端推送优化建议卡片——例如“检测到未走索引的status=‘pending’，建议为status字段添加前缀索引”。
实测结果：平均查询耗时从320ms降至18ms（P99≤41ms），CPU占用下降40%，磁盘随机读减少76%。所有变更均无需重启MySQL，且适配ARM64架构与MySQL 5.7/8.0双版本。
AI设计稿，仅供参考
边缘场景不追求理论最优，而关注“可部署的实效”。当AI模型能协同数据库决策、当分区策略呼应物理部署拓扑、当超时阈值与传感器采样周期对齐，毫秒级优化就不再依赖DBA经验，而是成为边缘智能体的自适应能力。