表设计不能消除排队但能大幅降低锁竞争与索引开销；自增主键比UUID写入更快，因避免页分裂和随机I/O；二级索引过多会拖慢写入；低基数字段不宜建单列索引；日增超50万且有热点时应分表；Buffer Pool大小不足会放大I/O等待。
核心结论：表设计本身不能“消除”排队，但能大幅降低锁竞争密度和索引维护开销——关键在主键、索引数量与字段选择。
为什么自增主键比 UUID 更适合高并发写入
InnoDB 表数据按主键顺序物理存储。自增 AUTO_INCREMENT 保证插入位置连续，页分裂极少，Buffer Pool 命中率高；而 UUID 是随机值，每次插入都可能触发 B+ 树页分裂 + 随机磁盘 I/O，写入吞吐直接腰斩。
- 实测对比：10 万行批量插入，
BIGINT AUTO_INCREMENT比CHAR(36)UUID 快 3～5 倍，innodb_row_lock_time_avg低一个数量级 - 别被“分布式 ID”带偏：Snowflake 等时间有序 ID 可接受，但纯随机字符串（如
UUID_SHORT()不加改造）仍属高危 - 如果业务强依赖全局唯一，可在应用层生成有序 ID（如
timestamp + machine_id + seq），再作为主键
哪些索引会悄悄拖慢写入速度
每多一个二级索引，INSERT/UPDATE 就要额外维护一棵 B+ 树。真正卡住写入的，往往不是锁，而是索引页分裂和刷脏压力。
- 用
SHOW INDEX FROM table_name查看Cardinality，对Cardinality极低（如status只有 3 个值）的字段，单列索引基本无效，还加重写入负担 - 把
(status, created_at)这类高频组合查询字段建为联合索引，而不是分别建idx_status和idx_created_at - 删除写多读少字段的索引（如
extra_info JSON上的idx_extra），宁可用应用层过滤，也别让它参与每次 INSERT 的索引更新 - 警惕隐式依赖：某些
ORDER BY或DISTINCT语句会偷偷走索引加速，删前务必用EXPLAIN FORMAT=TREE验证执行计划是否退化
什么时候该考虑分表而非优化单表
当单表日增写入超 50 万行，且存在明显热点（如订单表里 80% 写入集中在最近 2 小时的数据），再怎么调索引和主键也难缓解，此时分表是更现实的选择。
- 按时间分表（如
order_202610,order_202611）最易落地，写入天然分散，归档也方便 - 按业务维度分表（如
order_user_001~order_user_999）可打散热点，但要求路由逻辑稳定、查询尽量带分片键 - 避免“逻辑分表+中间件”一步到位：先手动分物理表 + 应用层路由，验证效果后再引入 ShardingSphere 等组件
- 分表后仍需注意：每个子表仍要遵循自增主键 + 精简索引原则，否则只是把排队从一张表搬到多张表
最容易被忽略的一点：innodb_buffer_pool_size 设得太小，会导致索引页频繁换入换出，放大所有写入操作的 I/O 等待——哪怕表结构再合理，内存撑不住，照样排队。
