优先用 hour(log_time) 提取小时，但需确保 log_time 为 datetime/timestamp 类型；若为字符串，先用 str_to_date 转换再取小时，并避免在 group by 中重复调用转换函数，同时为 where + group by 场景建立复合索引。
用 HOUR() 或 DATE_FORMAT() 提取小时，但要注意时区和数据类型
直接对 datetime 字段用 HOUR(log_time) 最快，但前提是字段是 DATETIME 或 TIMESTAMP 类型；如果存的是字符串（比如 '2024-05-20 14:23:17'），MySQL 会隐式转换，但可能触发全表扫描。更稳妥的是先确认类型：DESCRIBE access_log;。若为字符串，优先用 STR_TO_DATE(log_time, '%Y-%m-%d %H:%i:%s') 转一次，再取小时——别在 GROUP BY 里反复调用转换函数，否则无法走索引。
建复合索引加速 WHERE + GROUP BY 场景
海量日志统计慢，90% 是没索引或索引失效。例如查「昨天每小时 UV」：SELECT HOUR(log_time), COUNT(DISTINCT user_id) FROM access_log WHERE log_time >= '2024-05-19 00:00:00' AND log_time 这条语句需要覆盖 <code>log_time 和 user_id。建索引时顺序很重要：CREATE INDEX idx_time_uid ON access_log (log_time, user_id);。注意：HOUR(log_time) 是函数，不能直接被索引利用，所以过滤必须靠原始 log_time 的范围查询来驱动索引扫描。
避免 COUNT(DISTINCT) 在大结果集上 OOM
按小时分组后每组几百万用户？COUNT(DISTINCT user_id) 可能吃光内存，尤其在低配 MySQL 实例上。可考虑降级方案：
- 用 HyperLogLog 近似去重（MySQL 8.0+ 支持
APPROX_COUNT_DISTINCT(user_id)） - 预计算：每天凌晨跑一个任务，把每小时的
user_id写入临时表并建唯一索引，再统计 - 改用
GROUP BY log_date, HOUR(log_time), user_id加应用层聚合（适合离线分析）
APPROX_COUNT_DISTINCT 误差率通常
分区表不是银弹，按天分区才真正有用
有人一上来就想给访问日志表加按小时分区，这是陷阱。PARTITION BY RANGE COLUMNS(log_time) 按小时分会导致几百个分区，DDL 维护成本高，且查询跨多小时（比如「最近24小时」）反而更慢。正确做法是按天分区：PARTITION BY RANGE (TO_DAYS(log_time))，配合 WHERE log_time >= ? AND log_time 能快速裁剪分区。再配合前面说的复合索引，单日数据量超千万也扛得住。
真正卡住性能的，往往不是分组逻辑本身，而是没意识到 HOUR() 不走索引、COUNT(DISTINCT) 的内存爆炸风险，以及分区粒度错配。先跑 EXPLAIN 看执行计划，比调参有用得多。
