高并发写入需综合优化，首选InnoDB引擎以支持行级锁；减少非必要索引，使用自增主键；采用批量插入提升效率；调整InnoDB缓冲池、日志文件大小等参数；结合异步队列缓冲压力；极限场景下实施分库分表，配合ShardingSphere等中间件管理分片，实现系统性性能提升。
高并发写入是 MySQL 面临的常见挑战，尤其在电商、社交、日志系统等场景中。要提升写入性能，不能只依赖单一手段，需要从架构设计、SQL 优化、表结构、存储引擎配置等多个方面综合处理。以下是关键优化策略。
选择合适的存储引擎
MySQL 中最常用的两个引擎是 InnoDB 和 MyISAM，高并发写入必须使用 InnoDB，因为 MyISAM 只支持表级锁，写入时会阻塞所有读操作，严重影响并发能力。
InnoDB 支持行级锁和事务，能显著降低锁冲突。确保表使用 InnoDB 引擎：
CREATE TABLE t (id INT PRIMARY KEY, name VARCHAR(50)) ENGINE=InnoDB;优化表结构与索引
写入性能受表结构影响很大，尤其是索引数量。每增加一个索引，插入数据时都需要更新对应索引树，带来额外开销。
- 避免创建不必要的二级索引，只保留查询必需的索引
- 尽量使用自增主键（如 INT AUTO_INCREMENT），避免 UUID 或字符串作为主键，减少页分裂和 B+ 树调整
- 考虑使用覆盖索引减少回表，但需权衡写入成本
批量写入代替单条插入
单条 INSERT 语句涉及多次网络往返和日志刷盘，效率极低。应尽量使用批量插入：
INSERT INTO t (a, b) VALUES (1, 'x'), (2, 'y'), (3, 'z');批量大小建议控制在 500～1000 条之间，过大可能引发锁等待或内存压力。
对于大量数据导入，可使用 LOAD DATA INFILE，速度远超 INSERT。
解析 MySQL 8.0 的 DDL 脚本，并将表结构导出为 Excel 格式。适用于用户需将 MySQL 的 `CREATE TABLE` 语句转换为结构化的 Excel 文件场景，导出内容包含字段名、数据类型、长度及精度等信息。支持多张表的批量处理，每张表对应 Excel 中的一个独立工作表。适用于数据库文档编写、数据字典生成及模式分析等任务。
合理配置 InnoDB 参数
默认配置偏向通用场景，高并发写入需调整以下关键参数：
- innodb_buffer_pool_size：设为物理内存的 70%~80%，缓存数据和索引，减少磁盘 IO
- innodb_log_file_size：增大 Redo Log 文件（如 1G～2G），减少检查点刷新频率
- innodb_flush_log_at_trx_commit：设为 2 可大幅提升写入性能（仅丢失最后 1 秒事务），生产环境若要求强持久性则保持 1
- innodb_io_capacity 和 innodb_io_capacity_max：根据磁盘性能（如 SSD）调高，加快脏页刷新
- innodb_autoinc_lock_mode：设为 2（交错锁模式），提升并发插入性能
使用异步写入或队列缓冲
当瞬时写入压力极高时，可引入消息队列（如 Kafka、RabbitMQ）做缓冲，将同步写库转为异步处理，避免数据库被打满。
例如：用户行为日志先写入 Kafka，再由消费者批量导入 MySQL，系统更稳定。
分库分表应对极限并发
单表写入达到瓶颈后（如每秒几千次以上），需通过水平拆分缓解压力。
- 按业务维度（如用户 ID、时间）分表，分散写入热点
- 使用中间件（如 ShardingSphere）管理分片逻辑
- 注意分布式主键生成（如雪花算法），避免 ID 冲突
基本上就这些。关键是根据实际负载逐步调优，监控慢查询、锁等待、IO 状态，找到瓶颈点针对性处理。高并发写入没有银弹，重在系统性优化。
