Cardinality是MySQL对索引列不同值个数的采样估算，不精确；应通过ANALYZE TABLE更新统计，并用COUNT(DISTINCT col)/COUNT(*)计算真实区分度，低于0.03慎用索引，高区分度字段须置联合索引最左位。
怎么看
里的
值靠不靠谱
是 MySQL 对索引列“不同值个数”的估算值，不是精确统计。它来自采样（默认约 1/16 的页），所以大表或数据分布突变后容易严重失真——比如明明有 100 万个用户 ID，
却显示只有 12 万。
查之前先
，强制更新统计信息（尤其在大批量 INSERT/DELETE 后）
对比
的
和实际
，差 3 倍以上就别信它
为
或
通常意味着索引失效、字段全 NULL 或采样失败，得人工验证
用 SQL 精确算区分度：别只看
，要自己算比值
区分度 =
/
，这个比值才是决定索引是否值得建的关键数字。0.001（千分之一）和 0.95（95%）带来的查询性能差异是数量级的。
直接跑这句：
如果字段是联合索引的一部分（如
），必须按顺序拼接计算：
区分度 0.8（80%）才建议放联合索引最左位
为什么
这种字段绝不能放联合索引最左边
像
这类状态位字段，区分度往往低于 0.01（比如 99% 是 0，1% 是 1），放最左会导致整个联合索引几乎无法跳过扫描——优化器大概率放弃走索引，改用全表扫描。
MySQL（Linux）
MySQL 9.6.0是面向Linux平台的2026年创新版本，核心架构迎来重大革新。其将外键约束与级联操作从InnoDB引擎层上移至SQL层，确保所有数据变更均被完整记录至Binlog，彻底解决了CDC（变更数据捕获）与主从复制中的数据不一致难题。此外，该版本引入container_aware启动选项以原生适配容器环境，并对审计日志进行了组件化重构，为追求极致数据一致性与云原生体验的开发者提供了全新选择。
下载
正确顺序应把高区分度字段放左：比如
，而不是反过来
如果必须过滤
，优先考虑分区表或物理归档，而非依赖索引剪枝
能走索引，但
才稳定；顺序错一格，执行计划可能完全不同
Python 脚本批量查多个字段的区分度（避免手动重复）
线上表几十个字段，一个个写 SQL 太累。用脚本自动拉出所有索引列 + 实时区分度，比翻
直观得多。
核心逻辑就是循环查
和
，再算比值
注意避开
/
字段（
会报错），加
捕获
示例片段：
真实环境里，
只是个快照提示，不是判决书。区分度算出来不到 0.03，再漂亮的执行计划也救不了索引；而一个
区分度 0.999 却被塞在联合索引第三位，等于白建。
SHOW INDEXCardinalityCardinalityCardinalityANALYZE TABLE your_tableSHOW INDEXCardinalityCOUNT(DISTINCT column)CardinalityNULL1CardinalityCOUNT(DISTINCT column)COUNT(*)SELECT COUNT(DISTINCT user_id) / COUNT(*) AS selectivity FROM users;(del_flag, unit_id, user_id)SELECT COUNT(DISTINCT CONCAT(del_flag, '-', unit_id, '-', user_id)) / COUNT(*) FROM your_table;del_flagdel_flag(user_id, unit_id, del_flag)del_flag = 0WHERE del_flag = 0 AND user_id = ?WHERE user_id = ? AND del_flag = 0SHOW INDEXCOUNT(DISTINCT col)COUNT(*)TEXTBLOBCOUNT(DISTINCT)try/exceptcursor.execute("SELECT COUNT(*) FROM users")
total = cursor.fetchone()[0]
cursor.execute("SELECT COUNT(DISTINCT email) FROM users")
distinct = cursor.fetchone()[0]
print(f"email selectivity: {distinct/total:.4f}")Cardinalityuser_id