MySQL query optimization: ลด latency ของ query หลักได้กว่า 40%

วิธีทำ MySQL query optimization ที่ผมใช้ลด latency ของ query หลักได้กว่า 40% ด้วย EXPLAIN, composite index, covering index และการกำจัด N+1 พร้อมตัวอย่างจริง

Kasidit Wansudonอ่าน 4 นาที
mysqldatabaseperformancelaravel

งานส่วนใหญ่ที่ผมทำในฐานะ full-stack developer คือระบบภายในที่ใช้กับการดำเนินงานหลายประเทศ ข้อมูลโตทุกวัน และหน้าจอที่เคยเปิดเร็วเมื่อปีก่อนก็เริ่มช้าลงโดยไม่มีใครแก้โค้ดเลย MySQL query optimization จึงกลายเป็นงานที่ผมกลับมาทำซ้ำเป็นระยะ ล่าสุดผมลด latency ของ query หลักกลุ่มหนึ่งได้กว่า 40% โดยไม่ได้เพิ่ม server แม้แต่ตัวเดียว โพสต์นี้คือขั้นตอนที่ผมใช้ เรียงตามลำดับที่ผมทำจริง

1. วัดก่อน อย่าเดา

ก่อนแตะ index ผมเปิด slow query log และจดรายการ query ที่ช้าที่สุดพร้อมความถี่ที่ถูกเรียก query ที่ใช้เวลา 2 วินาทีแต่ถูกเรียกวันละครั้ง สำคัญน้อยกว่า query ที่ใช้ 200 ms แต่ถูกเรียกทุกครั้งที่ผู้ใช้เปิด dashboard

สิ่งที่ผมจดสำหรับแต่ละ query:

  • เวลาเฉลี่ยและเวลาที่แย่ที่สุด
  • จำนวนครั้งที่ถูกเรียกต่อวัน
  • หน้าจอหรือ API ไหนเป็นคนเรียก

ตัวเลขชุดนี้คือ baseline ถ้าไม่มี baseline เราจะไม่มีทางรู้ว่าที่แก้ไปนั้นดีขึ้นจริงหรือแค่รู้สึกว่าเร็วขึ้น

2. อ่าน EXPLAIN ให้เป็น

EXPLAIN คือเครื่องมือที่คุ้มที่สุดในการทำ MySQL query optimization ช่องที่ผมดูเป็นอันดับแรกมีสี่ช่อง

  • type ถ้าเห็น ALL แปลว่า full table scan ซึ่งมักเป็นต้นเหตุ
  • key index ที่ MySQL เลือกใช้จริง (ไม่ใช่ที่เราคิดว่ามันจะใช้)
  • rows จำนวนแถวที่คาดว่าต้องอ่าน ยิ่งน้อยยิ่งดี
  • Extra ถ้าเห็น Using filesort หรือ Using temporary ให้ระวัง

ตัวอย่าง query ที่พบบ่อย คือหน้ารายการ order ที่กรองตามสถานะและช่วงวันที่ แล้วเรียงตามวันที่ล่าสุด

EXPLAIN
SELECT id, customer_id, total, created_at
FROM orders
WHERE status = 'paid'
  AND created_at >= '2026-01-01'
ORDER BY created_at DESC
LIMIT 50;

ถ้าตารางมีแค่ index เดี่ยวบน status ผลที่ได้มักเป็นการอ่านทุกแถวที่ status = 'paid' แล้วค่อยเรียงใน memory ซึ่งช้าลงเรื่อย ๆ ตามจำนวน order

3. Composite index ต้องเรียงคอลัมน์ให้ถูก

กฎที่ผมใช้คือ คอลัมน์ที่เทียบแบบเท่ากับ (=) มาก่อน ตามด้วยคอลัมน์ที่เป็นช่วง (>=, BETWEEN) หรือใช้เรียงลำดับ

ALTER TABLE orders
  ADD INDEX idx_orders_status_created (status, created_at);

เมื่อ index เรียงเป็น (status, created_at) MySQL กระโดดไปที่กลุ่ม paid แล้วไล่ created_at ที่เรียงไว้แล้วได้ทันที Using filesort หายไป และ rows ลดลงจากหลักแสนเหลือหลักสิบ ถ้าสลับลำดับเป็น (created_at, status) index จะช่วยได้น้อยกว่ามาก เพราะเงื่อนไขช่วงวันที่ตัดการใช้คอลัมน์ถัดไป

ข้อควรระวัง: อย่าใส่ index ทุกคอลัมน์ ทุก index ทำให้ INSERT และ UPDATE ช้าลง และกินพื้นที่ disk ผมจะเพิ่ม index ก็ต่อเมื่อมี query จริงที่ได้ประโยชน์ และลบ index ที่ซ้ำซ้อนทิ้ง เช่น ถ้ามี (status, created_at) แล้ว index เดี่ยวบน status ก็มักไม่จำเป็น

4. Covering index สำหรับ query ที่ถูกเรียกบ่อย

ถ้า query ดึงแค่ไม่กี่คอลัมน์ และคอลัมน์เหล่านั้นอยู่ใน index ครบ MySQL ไม่ต้องกลับไปอ่านแถวจริงในตารางเลย ใน EXPLAIN จะเห็น Using index ใน Extra

เหมาะกับ query ประเภทนับจำนวนหรือ summary บน dashboard เช่น นับ order ต่อสถานะต่อวัน ผมใช้เทคนิคนี้อย่างเลือกสรร เพราะ index ที่กว้างเกินไปก็มีต้นทุนเหมือนกัน

5. กำจัด N+1 ในชั้น application

query ช้าไม่ได้อยู่ใน SQL เสมอไป หลายครั้งตัวการคือ ORM ที่ยิง query ทีละแถว ใน Laravel ตัวอย่างคลาสสิกคือ

// N+1: 1 query สำหรับ orders + อีก N query สำหรับ customer
$orders = Order::where('status', 'paid')->latest()->take(50)->get();
foreach ($orders as $order) {
    echo $order->customer->name;
}

// แก้ด้วย eager loading: เหลือ 2 query
$orders = Order::with('customer:id,name')
    ->where('status', 'paid')
    ->latest()
    ->take(50)
    ->get();

วิธีจับ N+1 ที่ง่ายที่สุดคือเปิด query log ระหว่างพัฒนาแล้วนับจำนวน query ต่อ request ถ้าหน้าจอหนึ่งยิง query เป็นร้อย แทบแน่นอนว่ามี N+1 ซ่อนอยู่ ใน Laravel รุ่นใหม่ยังสั่ง Model::preventLazyLoading() ในสภาพแวดล้อม development เพื่อให้ error ทันทีเมื่อเกิด lazy loading ได้

6. เลือกเฉพาะคอลัมน์ที่ใช้

SELECT * ดูไม่มีพิษภัย แต่ถ้าตารางมีคอลัมน์ข้อความยาวหรือ JSON การดึงทุกคอลัมน์ทำให้ส่งข้อมูลข้าม network มากเกินจำเป็น และทำให้ covering index ใช้ไม่ได้ ผมจึงระบุคอลัมน์ทุกครั้งใน query ที่ถูกเรียกบ่อย

7. วัดซ้ำหลังแก้

หลังเพิ่ม index หรือแก้โค้ด ผมกลับไปวัดด้วยวิธีเดียวกับ baseline ทุกครั้ง บางครั้ง index ใหม่ทำให้ query หนึ่งเร็วขึ้นแต่อีก query กลับช้าลง เพราะ optimizer เปลี่ยนแผน การวัดซ้ำคือสิ่งเดียวที่บอกได้

ผมยังทำ checklist สั้น ๆ ก่อน deploy การเปลี่ยน index บน production:

  • ลอง ALTER TABLE บนสำเนาข้อมูลขนาดใกล้เคียงก่อน เพื่อรู้ว่าใช้เวลานานแค่ไหน
  • เลือกช่วงเวลาที่ผู้ใช้น้อย
  • เตรียมคำสั่ง DROP INDEX ไว้เป็น rollback

สรุป

การลด latency ได้กว่า 40% ไม่ได้มาจากเทคนิคลับ แต่มาจากการทำพื้นฐานให้ครบตามลำดับ: วัด baseline, อ่าน EXPLAIN, ออกแบบ composite index ให้ตรงกับรูปแบบ query, ใช้ covering index กับ query ที่ถูกเรียกบ่อย, กำจัด N+1 ในโค้ด, เลือกเฉพาะคอลัมน์ที่ใช้ และวัดซ้ำทุกครั้ง ถ้าคุณเพิ่งเริ่ม ให้เริ่มจาก query ที่ถูกเรียกบ่อยที่สุดสักสามตัว ผลที่ได้มักคุ้มกว่าการไล่แก้ทุกอย่างพร้อมกัน บทเรียนอื่น ๆ จากปีที่ผ่านมาผมเล่าไว้ใน บทเรียนจากปี 2025

มีคำถามหรืออยากแลกเปลี่ยน?

ฝากข้อความไว้ที่ guestbook หรือทักมาทาง X ได้เลยครับ