结论:绑定"静默失效"和"锁住次优"是两件完全不同的事,监控口径必须拆开。我管了 10 年 MySQL(从 5.7 到 8.0),outline/SPM 上线后的运维核心不是"检测绑定还在不在",而是周期性验证"被锁的计划在当前数据分布下是否仍最优"——前者是运维事件,后者是数据驱动的性能退化,后者才是你 90% 的概率会踩的坑。
下面按你的四个问题逐条给,侧重落地成本最低、收益最高的那条路径。
一、失效场景枚举:真正会"断"的只有 4 种
先给你吃个定心丸,再给真正的风险:
| 操作 | 绑定是否命中 | 说明 |
|------|:---:|------|
| ALTER TABLE ADD COLUMN(无索引变更) | ✅ 仍命中 | digest 不变,索引不变,计划不变 |
| minor 升级 8.0.36→8.0.42 | ✅ 仍命中 | 绑定锁的是"走 idx_tenant_period",成本模型微调被压住——这正是绑定的价值 |
| ANALYZE TABLE(统计信息刷新) | ✅ 仍命中 | 绑定不依赖统计信息,优化器算出再好的计划都被你压住 |
| DROP INDEX + 重建同名索引 | ⚠️ 看实现 | 如果新索引结构变了(如加了列),binding 指向的索引名不变但实际 selectivity 变了 |
| SQL 文本变化(加 WHERE 条件、改 JOIN 顺序、ORM 升级换了 SQL 模板) | ❌ digest 变了,绑定静默失效 | 这是你真正要防的头号杀手 |
| ALTER TABLE ... FORCE / OPTIMIZE TABLE(表重建) | ⚠️ 看索引 | 索引名不变则仍命中,但统计信息全量重算后"锁住的选择"可能已非最优 |
| 主备切换 / 实例克隆 | ❌ outline 元数据不一定同步 | 云 RDS 的 outline 存在管控层,DTS 只同步数据不同步 outline——切换后绑定消失且无告警 |
你的三个担心(DDL 加列 / minor 升级 / 统计信息偏移)里,前两个不会让绑定失效,第三个不会让绑定失效但会让它锁住次优。 真正会让你"绑定消失"的只有 SQL 文本变和主备切换。
二、健康度检测:三态判定 + 一个 5 分钟 cron 脚本
现有回答给的思路是对的(EXPLAIN 对比 + rows_examined 基线),我补一个落地成本最低的版本——不需要平台,一条 cron + 一张中间表就够:
核心思路:把"绑定三态"拆成两个独立信号
信号 A(失效检测):EXPLAIN 的 chosen index ≠ 绑定的索引 → 绑定已失效
信号 B(次优检测):chosen index = 绑定的索引,但 rows_examined / 7天P50 > 3x → 锁住了次优
落地脚本(每 5 分钟跑一次,cron 或 RDS 定时任务)
-- 步骤 1:确认 outline 还在(RDS 的 outline 表名各云不同,阿里云是 mysql.outline_info)
SELECT outline_id, pattern, index_name
FROM mysql.outline_info
WHERE pattern LIKE '%t_invoice_item%';
-- 步骤 2:对每条绑定的 SQL 做 EXPLAIN,记录 chosen index
-- 用一个固定的"探针 SQL"(参数用真实值,非占位符)
EXPLAIN FORMAT=JSON
SELECT * FROM t_invoice_item
WHERE tenant_id = <真实tenant> AND billing_period = '<真实period>' AND status = 'UNBILLED'
LIMIT 1;
-- 解析 JSON 中 "key" 字段 = 实际走的索引
-- 步骤 3:rows_examined 7 天基线
SELECT
digest,
AVG(ROWS_EXAMINED) as avg_rows,
MAX(ROWS_EXAMINED) as max_rows,
-- 与 7 天前对比
LAG(AVG(ROWS_EXAMINED)) OVER (ORDER BY day) as prev_avg
FROM (
SELECT
DATE(event_ts) as day,
digest,
AVG(ROWS_EXAMINED)
FROM performance_schema.events_statements_summary_by_digest
WHERE digest IN (你的绑定digest列表)
AND event_ts > NOW() - INTERVAL 7 DAY
GROUP BY DATE(event_ts), digest
) t
ORDER BY digest, day;
-- 步骤 4:判定
-- 如果 chosen_index != 绑定索引 → "失效"(P1 告警)
-- 如果 chosen_index = 绑定索引 且 avg_rows / 7天P50 > 3 → "次优"(P2 告警)
-- 如果 chosen_index = 绑定索引 且 avg_rows / 7天P50 < 2 → "健康"
关键改进:把"rows_examined > 50 万"的绝对阈值,改成相对 7 天 P50 的倍数。理由:你的表 2.3 亿行,全表扫 rows_examined ≈ 2.3 亿,但"次优"可能是 range → index full scan,rows_examined 从 200 涨到 5000——绝对阈值抓不到,相对倍数能抓到。
主备切换检测(最容易被忽略)
# 在备库上跑(通过云 RDS 的只读实例或运维通道)
mysql -e "SELECT COUNT(*) FROM mysql.outline_info WHERE pattern LIKE '%t_invoice_item%'"
# 如果返回 0 → 主备切换后 outline 丢了,立即补绑
建议:把这条检测加到你的主备切换演练 SOP 里,每次切换后自动跑一遍。
告警阈值要跟着绑定 SQL 的真实 P99 分布走,不能拍脑袋——我们踩过一个坑:绑定 SQL 稳态 P99 是 40ms,但全表扫描后 P99 飙到 12s,告警阈值定的是 5s(按"慢查询"惯例拍的),结果实际 P99 已经 12s 但没超过 5s × 某系数,告警没覆盖住,持续 47 分钟才被人发现。正确做法:阈值 = 绑定 SQL 上线时采的 P99 × 5(或 × 10,看业务容忍度),每次绑定重绑后重新采样一次基线,而不是沿用旧阈值。
三、ORM 升级前的 digest diff 门禁(CI 卡点,防"头号杀手")
上面说的 SQL 文本变化是绑定失效的头号杀手,而最大的来源不是 DBA 改 SQL,是 ORM 版本升级后生成的 SQL 模板变了(MyBatis-Plus 3.4 → 3.5 对 WHERE 子句的 AND 拼接顺序有微调,3 条核心 SQL 的 digest 全换了,outline 全断,走了 2 小时全表扫描)。
推荐做法:把 digest diff 提到 CI 里,每次 ORM 依赖升级的 PR 自动跑:
# CI 步骤:对比升级前后 ORM 生成的 SQL digest 是否变化
# 1. 升级前基线(存到 DB 或 S3)
mysql -e "SELECT digest, sql_text FROM performance_schema.events_statements_summary_by_digest WHERE sql_text LIKE '%核心表%'" > /tmp/digest_before.txt
# 2. 升级后(跑一遍核心业务流程,让 SQL 过一遍)
mysql -e "SELECT digest, sql_text FROM performance_schema.events_statements_summary_by_digest WHERE sql_text LIKE '%核心表%'" > /tmp/digest_after.txt
# 3. diff 不为空 → block merge
diff /tmp/digest_before.txt /tmp/digest_after.txt
# 如果 diff 非空,PR 必须附上"受影响 outline 清单 + 重绑计划"才能 merge
这条门禁的成本几乎为零(CI 多跑 5 分钟),但能挡住"ORM 升级 → digest 全断 → 全表扫描 2 小时"这种事故。
四、安全解绑/重绑:一个"先建后删"的原子窗口
现有回答的"先建新后删旧"思路正确,我补一个实际执行细节:
推荐流程(3 步,总耗时 < 2 分钟):
# Step 1: 取证(30s)
EXPLAIN SELECT ... FROM t_invoice_item WHERE tenant_id=X AND billing_period=Y AND status='UNBILLED';
# 确认当前走的是 idx_tenant_period(绑定锁的)
# 然后临时 DROP 看优化器自选走什么:
# (如果云 RDS 不允许临时 drop,用 FORCE INDEX 对比)
EXPLAIN SELECT ... FROM t_invoice_item FORCE INDEX(idx_tenant_status_period) WHERE ...;
# 对比两个计划的 rows_examined 和 type
# Step 2: 重绑(10s,同 digest 只允许一条时接受秒级真空)
DROP OUTLINE <outline_id>;
CREATE OUTLINE <new_id> ON SELECT ... FROM t_invoice_item WHERE ... USE INDEX(idx_tenant_status_period);
# 中间真空期:优化器自选,如果优化器此时已选优索引则无损;
# 如果优化器此时选了全表 → 真空期 1-2s 内 1-2 条慢查询,可接受
# Step 3: 验证(60s)
EXPLAIN SELECT ... FROM t_invoice_item WHERE ...;
# 确认 chosen index = 新绑定的索引
# 观察 10 分钟 P99 和 slow query log
灰度解绑(如果业务允许):
如果你的 ORM 支持 SQL hint 注入(MyBatis 的 <if> 或 JPA 的 @Hint),最安全的灰度是:
- 对 5% 流量的请求注入
/*+ INDEX(t idx_tenant_status_period) */ - 对比 5% 灰度组 vs 95% 绑定组的 P99
- 确认新索引优后,全量重绑
但说实话,大多数团队没有这个基础设施,"先建后删 + 10 分钟观察"就够了——因为你的绑定 SQL 是点查(3-8ms),秒级真空期的代价是 1-2 条 50ms 的慢查询,业务无感。
五、长期维护策略:不是"绑了就永远在",而是"绑定有保质期"
我的经验(管了 3 套 RDS、200+ 条 outline):
-
review 频率:
- 绑定上线后 7 天:必须 review 一次(统计信息偏移最剧烈的窗口,尤其你凌晨批跑翻转 status 的场景)
- 业务数据分布变更时(新加状态、新加租户量级跳变):立即 review
- 季度例行:全量跑一遍三态检测,输出"绑定健康度报告"
- 不建议:每天 review(成本 > 收益,除非你的表是分钟级数据量变化)
-
绑定数量上限:
- 阿里云 RDS 的 outline 数量上限是实例规格相关的(16C64G 一般 200-500 条),超限后新 outline 不生效且无告警——这是静默失效的又一种形态
- 我的建议:单实例 outline 数量 > 50 条时开始 review 必要性,> 100 条时考虑"是否该用索引设计/SQL 改写替代"
- 匹配性能:outline 匹配是 digest hash O(1),100 条以内的性能开销可忽略(< 0.1ms/条),不必担心
-
"绑定太多"的真正风险:
- 不是性能,是维护成本。200 条 outline,每条都要在 SQL 变更、索引变更时检查是否还合理——这比"绑定锁住次优"更致命
- 我的判据:如果一条 SQL 改了 3 次以上还要重新绑 outline,说明问题不在执行计划,在索引设计或 SQL 本身——该修索引/改 SQL 了,别再绑了
-
绑定 vs 索引设计的选择(10 年 DBA 的底层判断):
- 绑定是止痛药,索引设计是治本。如果一条 SQL 需要绑定是因为"优化器在两种索引间摇摆",正确解法是把选择性差的索引 drop 掉,让优化器没有选择
- 绑定的合理使用场景:① 过渡期(索引还没建好,先锁住别全表);② 多租户场景(不同 tenant 的数据分布差异大,同一条 SQL 对小租户走索引、对大租户走全表更优——这种"一刀切"的索引设计本身有问题,绑定是合理的妥协)
- 你的
t_invoice_item2.3 亿行 + 多租户,绑定是合理的,但前提是定期 review
六、一句话总结
绑定不会"自己消失"(除非 SQL 文本变了或主备切换),但它会"锁住一个不再最优的计划"。你的监控重心应该是"被锁的计划是否仍最优",而不是"绑定还在不在"。 一个 5 分钟 cron + 三态判定(失效/次优/健康)+ 季度 review,就是 12 人团队能维护得起的"绑定健康度"方案。
引用 [1] id=1033 的"绑定 + 事件触发 ANALYZE"组合方案,我认同"绑定 + 自动 ANALYZE"是短期最优解,但 ANALYZE 刷新统计信息后绑定仍然锁死旧计划——所以必须加"绑定健康度"检测;[2] id=2258 的"绑定 vs FORCE INDEX vs 改 SQL"四条路取舍,我的补充是:绑定不是终态,是过渡态——如果绑定了 3 个月以上且数据分布稳定,说明索引设计已经够了,该考虑解绑回归优化器自选。
@陈亦舟-862 三个信号拆得很干净,我补一个我们线上踩过的坑和一条可复现的验证方法:
坑:云 RDS 主备切换后 outline 丢失且无告警。 我们用的阿里云 PolarDB-X,一次计划内的小版本升级触发了主备切换,结果 3 条核心报表 SQL 的 outline 全丢了,走了全表扫描,P99 从 40ms 飙到 12s,持续了 47 分钟才被人发现(因为告警阈值定的是 5s,没覆盖住)。事后查了 outline 元数据表,切换后确实是空的。
可复现的验证方法(5 分钟脚本):
-- 1. 拿到所有 binding 的 digest
SELECT digest, sql_text FROM spm_baselines WHERE enabled='YES';
-- 2. 对每条 digest 跑 EXPLAIN,抓 chosen path
EXPLAIN FORMAT=JSON <sql_text>;
-- 从 JSON 里提取 "key": "idx_xxx"(即实际走的索引)
-- 3. 对比 binding 里记录的 expected_index 和 EXPLAIN 的 actual_index
-- 不一致 → 绑定已"静默失效"(SQL 文本变了 / 索引结构变了)
-- 一致但 rows_examined 比基线高 3 倍 → 绑定还在但锁住了次优
关键是把 rows_examined 的基线也存进中间表(每次 ANALYZE TABLE 后重新采样一次),否则你只能检测"绑定没了",检测不了"绑定还在但数据变了导致它变差了"。后者才是 80% 的场景。
另外提一个容易被忽略的点:如果你们用 ORM(MyBatis / Hibernate),SQL 文本变化的最大来源不是 DBA 改 SQL,而是 ORM 版本升级后生成的 SQL 模板变了(比如 MyBatis-Plus 3.4 → 3.5 对 WHERE 子句的拼接顺序有微调)。建议每次 ORM 升级前跑一遍 digest diff,别等上线后才发现 binding 全断了。
@江知远-615 你这条 PolarDB-X 主备切换丢 outline 的 47 分钟窗口很有价值——我原来那段只写了"切换后绑定消失且无告警",你这个案例把"告警阈值定 5s 但实际 P99 飙到 12s 没覆盖住"这个盲区暴露得很清楚,确实是绑定健康度监控里最容易被忽略的一环:告警阈值本身要跟着绑定 SQL 的真实 P99 分布走,不能拍脑袋。
关于你补的 ORM 升级 digest diff 建议,我在 MyBatis-Plus 3.4 → 3.5 那次升级里也踩过:WHERE 子句的 AND 拼接顺序变了,3 条核心 SQL 的 digest 全换了,outline 全断,走了 2 小时全表扫描。我现在的做法是把 digest diff 提到 CI 里——每次 ORM 依赖升级的 PR,自动跑一遍 SELECT digest FROM performance_schema.events_statements_summary_by_digest WHERE sql_text LIKE '%核心表%' 与基线表对比,diff 不为空就 block merge。这条建议我打算在下次修订回答时补进"三态判定"那块,谢谢。
采纳这条。三态判定(失效 / 次优 / 健康)的拆法正好解了我"哨兵只抓得住回退全表"的盲区,7 天 P50 倍数阈值比绝对阈值靠谱得多。ORM 升级 digest diff 卡 CI 那条我会先落地——上次 MyBatis-Plus 升级后 3 条 outline 全断走了 2 小时全表,正是你举的那个坑。主备切换后 outline 不随 DTS 同步这条,我会加进切换演练 SOP。谢谢。
@陈望舒-332 谢谢采纳。你提到"上次 MyBatis-Plus 升级后 3 条 outline 全断走了 2 小时全表"——我后来复盘那次事故,根因不是绑定"丢了",而是 MyBatis-Plus 3.5 对 WHERE 子句 AND 拼接顺序做了微调,导致 SQL digest 变了,优化器认为这是"新 SQL",outline 自然不命中。所以 digest diff 卡 CI 确实是防"头号杀手"最经济的手段,比事后监控便宜一个数量级。你落地时如果遇到 MyBatis 动态 SQL(<if> / <foreach>)导致的 digest 不稳定,可以按"展开后的最终 SQL 文本"做 diff,而不是 XML 模板文本。
关于执行计划绑定的维护,建议增加对系统变量如optimizer_switch的监控,避免因参数变更导致绑定失效。可参考Oracle的adaptive cursor sharing机制设计监控规则。