update比insert慢是因为从库sql thread单线程回放时，update需先定位再修改并维护索引，而insert仅为追加写入；批量update易导致seconds_behind_master陡升，同量级insert影响甚微。
主从同步里 UPDATE 比 INSERT 慢，不是因为语句本身“天生慢”，而是从库在回放 binlog 时，UPDATE 需要先定位、再修改、再维护索引和日志，而 INSERT 是追加写入——这个差异在主从单线程回放模型下会被显著放大。
UPDATE 回放必须走“查 + 改”两步，Insert 只是追加
MySQL 从库的 SQL Thread 是单线程顺序执行 relay log 中的事件。对 INSERT，只要表结构固定，就是简单插入新行（尤其用自增主键时，InnoDB 追加到叶子页末尾，IO 成本低）；而 UPDATE 必须先根据 WHERE 条件找到目标行——这一步可能触发全表扫描（比如没索引）、二级索引回表、甚至 LOB 页读取（更新 TEXT 字段时）。更关键的是，即使只改一个字段，InnoDB 仍需重写整行（或溢出页），并同步更新所有涉及的二级索引。
- 常见错误现象：
Seconds_Behind_Master在批量UPDATE后陡升，但同量级INSERT几乎无感 - 使用场景：主库执行
UPDATE user SET status=1 WHERE created_at ，从库回放时若 <code>created_at无索引，就会扫全表 - 性能影响：一次
UPDATE的 I/O 和 CPU 开销通常是同量级INSERT的 3–10 倍，尤其在大表、多索引、含大字段时
Row 格式下 UPDATE 日志体积大，网络和磁盘压力翻倍
当 binlog_format = ROW（生产环境推荐），UPDATE 事件记录的是“变更前后的整行镜像”，而 INSERT 只记新增行。如果更新了 TEXT 或 BLOB 字段，单条 binlog 事件可能达几百 KB；主库写 binlog 快（顺序写），但从库要把它写进 relay log、再解析、再执行——磁盘随机读写 + 内存拷贝开销直接拉高延迟。
- 参数差异：
binlog_row_image = FULL（默认）会记录所有列，改成MINIMAL可减小日志体积，但要求主从表结构严格一致 - 容易踩的坑：误以为“主库没压力，从库就不该慢”，其实从库的瓶颈常在磁盘 I/O（特别是机械盘或低配云盘）而非 CPU
- 验证方法：用
mysqlbinlog --base64-output=DECODE-ROWS -v查看实际 binlog 事件大小，对比 INSERT/UPDATE 事件长度
锁等待和索引维护在从库被串行化放大
主库上并发的 UPDATE 可能分散在不同行、不同页，锁冲突少；但从库 SQL Thread 是单线程，所有 UPDATE 被强制串行执行——前一个 UPDATE 持有行锁或 MDL 锁（比如刚执行完 ALTER TABLE），后面的就得排队。更隐蔽的是：即使没有显式锁，InnoDB 更新导致的页分裂、缓冲池淘汰、redo log 刷盘也会相互干扰。
- 常见错误现象：从库
SHOW PROCESSLIST显示 SQL Thread 状态为Updating或Waiting for table metadata lock，持续数秒以上 - 使用场景：主库分批跑
UPDATE，但从库回放时因某条语句卡住（如更新无索引字段），后续全部阻塞 - 排查要点：检查
performance_schema.data_locks和SHOW ENGINE INNODB STATUS中的TRANSACTIONS部分，确认是否有未提交事务或长持有锁
真正难处理的不是单条 UPDATE 慢，而是它把主库的并发压力“折叠”成从库的串行瓶颈——索引缺失、大字段、ROW 格式、单线程回放，四者叠加时，延迟会指数级增长。别只盯着 Seconds_Behind_Master 数值，得看 relay log 积压速率和单条事件执行耗时。
