---
tags: [GORM, Go, ORM, 性能优化, N+1, Preload, Index, QueryPlan]
create time: 2026-04-28 00:00
---

# 性能优化

## 概述

GORM 的功能丰富但有一定运行时开销——相比于手写 SQL，它的查询构建和反射机制会带来额外的 CPU/内存消耗。了解这些瓶颈并针对性优化，是 GORM 在生产环境中稳定运行的高并发场景下的关键。

```mermaid
flowchart TD
    A["🐌 慢的原因"] --> B{"类别"}
    B --> |查询次数多| SlowQuery["N+1 / 过多 SQL"]
    B --> |数据量大| LargeResult["未分页 / 全表扫描"]
    B --> |缺少索引| NoIndex["WHERE / JOIN / ORDER BY 无索引"]
    B --> |框架开销| FrameworkOverhead["反射 + 对象映射"]
    
    SlowQuery --> FixPreload["Preload 预加载"]
    LargeResult --> FixPaging["Limit / Offset"]
    NoIndex --> FixIndex["添加数据库索引"]
    FrameworkOverhead --> FixRaw["Raw SQL / Select 指定字段"]
    
    style A fill:#EF4444,color:#fff
    style FixPreload fill:#3B82F6,color:#fff
    style FixPaging fill:#4FC08D,color:#fff
    style FixIndex fill:#EAB308,color:#fff
    style FixRaw fill:#8B5CF6,color:#fff
```

## N+1 问题排查与解决

### 什么是 N+1？

N+1 是最常见的 ORM 性能杀手——为了获取关联数据，先执行一条查询拿主记录，然后对每条主记录再发起一次查询取关联数据。

```go
// ❌ N+1：查 100 个用户需要 101 条 SQL
users := []User{}
db.Find(&users) // SQL 1: SELECT * FROM users;
for _, u := range users {
    db.First(&u.Profile, u.ID) // SQL 2~101: SELECT * FROM profiles WHERE user_id = ?
}

// ✅ 解决方案一：Preload（变成 2 条 SQL）
var users []User
db.Preload("Profile").Find(&users)
// SQL 1: SELECT * FROM users;
// SQL 2: SELECT * FROM profiles WHERE user_id IN (1,2,3,...,100);

// ✅ 解决方案二：Joins（变成 1 条 SQL）
db.Joins("Profile").Find(&users)
// SELECT users.*, profiles.* FROM users LEFT JOIN profiles ON ...;
```

### 使用 Debug() 检测 N+1

```go
db.Debug().Find(&users)
// 输出所有生成的 SQL：
// [info] ... [0.5ms] [rows:100] SELECT * FROM users
// [info] ... [1.2ms] [rows:100] SELECT * FROM profiles WHERE user_id IN (...)
```

> [!tip] 如何判断是否该用 Preload 还是 Joins？

| 维度 | Preload | Joins |
|------|---------|-------|
| SQL 数量 | N+1 | 通常 1 |
| 内存占用 | 适中 | JOIN 膨胀时较高 |
| 控制力 | 可分别过滤关联 | 难以精细化 |
| 推荐场景 | 大多数情况 | 只需少量关联字段的简单场景 |

## 预加载策略优化

### 按需预加载（只查需要的字段）

```go
// ❌ 加载整个 Profile，浪费带宽
db.Preload("Profile").Find(&users)

// ✅ 只取需要的列
db.Preload("Profile", "user_id, avatar_url").Find(&users)
// SELECT * FROM users;
// SELECT user_id, avatar_url FROM profiles WHERE user_id IN (...);
```

### 条件预加载

```go
// 只预加载状态为 active 的订单
db.Preload("Orders", "status = ?", "active").Find(&users)

// 复杂条件
db.Preload("Orders", func(db *gorm.DB) *gorm.DB {
    return db.Where("amount > ?", 100).Order("created_at DESC").Limit(5)
}).Find(&users)
```

### 嵌套预加载的深度控制

```go
// ⚠️ 四层嵌套：User → Orders → OrderItems → Product → Category
// SQL 数量 = 1 + 4 = 5 条，但每次 IN 列表可能非常大
// 当每层平均有 100 条记录时 → IN 列表可能有 10^6 个值！

// 解决方案：分层查询而非一次性全部预加载
func GetUserWithTopOrders(db *gorm.DB, id uint) (*User, error) {
    var user User
    if err := db.Preload("Orders", func(db *gorm.DB) *gorm.DB {
        return db.Order("created_at DESC").Limit(10)
    }).First(&user, id).Error; err != nil {
        return nil, err
    }
    return &user, nil
}
```

> [!warning] IN 列表大小限制
> 不同数据库对 IN 列表大小有限制：MySQL 默认 `max_allowed_packet` 约 4MB，超过会被截断或报错。对于大规模预加载，考虑分批查询：
> ```go
> func preloadInBatches(db *gorm.DB, ids []uint, dest any) error {
>     // dest 必须是切片类型的指针，如 *[]Profile
>     batch := 500
>     slices := reflect.ValueOf(dest).Elem() // 获取切片本身
>     
>     for i := 0; i < len(ids); i += batch {
>         end := min(i+batch, len(ids))
>         chunk := ids[i:end]
>         
>         var batchResult []map[string]any
>         if err := db.Where("user_id IN ?", chunk).Find(&batchResult).Error; err != nil {
>             return err
>         }
>         
>         // 追加到原有切片中
>         for _, item := range batchResult {
>             val := reflect.New(slices.Type().Elem())
>             // 将 map 赋值到结构体字段...（此处略）
>             slices.Set(reflect.Append(slices, val.Elem()))
>         }
>     }
>     return nil
> }
> ```
>
> > [!tip] 更简单的替代方案
> > 如果关联数据量可控，直接用 Preload + Limit 限制每条主记录的关联数量，避免大规模 IN 查询：
> > ```go
> > db.Preload("Orders", func(db *gorm.DB) *gorm.DB {
> >     return db.Order("created_at DESC").Limit(20)
> > }).Find(&users)
> > ```

## 减少不必要的 SELECT

### Select 白名单

```go
// ❌ 加载所有字段（包括不想暴露的密码、内部标记等）
db.Find(&users)

// ✅ 只选需要的字段
db.Select("id", "name", "email").Find(&users)

// ✅ 甚至可以用别名做字段转换
db.Select("id AS user_id, name AS display_name").Find(&users)
```

### Scan 替代 Find

```go
// 只需要统计信息，没必要实例化整个模型
type UserCount struct {
    Count int64
}

var stat UserCount
db.Model(&User{}).Select("COUNT(*) as count").Scan(&stat)
```

## 批量操作替代循环

### CreateInBatches

```go
// ❌ 逐条插入：N 次 INSERT
for _, user := range users {
    db.Create(&user)
}

// ✅ 批量插入：单次 SQL（底层拆分为 INSERT INTO ... VALUES (...), (...), (...)）
users := []User{{Name: "A"}, {Name: "B"}, {Name: "C"}}
db.CreateInBatches(users, 100) // 每批 100 条，共 3 条 SQL
```

> [!tip] 默认批次大小
> `CreateInBatches` 的第二个参数是**批次大小**而非总数。如果省略或用 0，GORM 会按模型切片长度自动决定——全量一次性插入可能超出 `max_allowed_packet`。建议显式指定 100~500。

### 批量更新与删除

```go
// 批量更新：使用 SELECT + CASE WHEN 实现多行不同值更新
db.Model(&Product{}).Clauses(clause.OnConflict{
    Columns:   []clause.Column{{Name: "sku"}},
    DoUpdates: clause.AssignmentColumns([]string{"price", "stock"}),
}).Create(&products)
// UPSERT 语义：存在则更新，不存在则插入

// 批量删除（条件一致时）
db.Where("status = ?", "cancelled").Delete(&Order{})
// DELETE FROM orders WHERE status = 'cancelled';
```

> [!note] 批量 vs 单条的性能对比
> | 操作 | 1000 条记录 | 说明 |
> |------|-----------|------|
> | 逐条 Create | ~800ms | N 次网络往返 + N 次事务提交 |
> | CreateInBatches(500) | ~50ms | 2 条 SQL，2 次提交 |
> | Raw SQL Batch | ~30ms | 绕过 ORM 映射，最快但有维护成本 |

## 启用预编译语句缓存

```go
db, _ := gorm.Open(mysql.Open(dsn), &gorm.Config{
    PrepareStmt: true, // 开启预编译语句缓存
})

// 效果：相同 SQL 的第二次执行会使用 cached statement
// 显著降低 SQL 解析和计划编译的开销
```

> [!note] 缓存机制
> GORM 内置一个基于 `sync.Map` 的简单缓存，存储已经编译好的 SQL 语句。适合重复执行的固定模式查询（如根据 ID 查用户）。不适合大量参数不同的动态查询——缓存命中率低会浪费内存。

## 连接池配置

```go
import (
    "gorm.io/driver/mysql"
    "gorm.io/gorm"
    "time"
)

db, _ := gorm.Open(mysql.Open(dsn), &gorm.Config{})

sqlDB, _ := db.DB() // 获取底层 *sql.DB

// ⚙️ 连接池调优
sqlDB.SetMaxOpenConns(50)        // 最大打开连接数（含使用中 + 空闲）
sqlDB.SetMaxIdleConns(25)        // 最大空闲连接数
sqlDB.SetConnMaxLifetime(time.Hour) // 连接最大存活时间，防 MySQL wait_timeout 断开
sqlDB.SetConnMaxIdleTime(30 * time.Minute) // Go 1.15+，空闲超时主动回收
```

> [!warning] 常见陷阱
> - **默认 MaxOpenConns = 0（无限制）**：高并发时可能瞬间创建数百连接，压垮数据库。务必显式设置！
> - **PreparedStmt 缓存不计入连接池**：开启 `PrepareStmt: true` 后，GORM 使用独立的缓存结构，但 `.DB()` 返回的还是底层连接池。
> - **连接泄漏**：事务忘记 Commit/Rollback 会占用连接。配合前面提到的「缩小事务粒度」一起使用效果最佳。

> [!tip] 如何确定合适的连接池大小？
> ```
> 推荐公式: MaxOpenConns = CPU核心数 × 2 + 磁盘数
> 例: 4核 2盘 → 4×2+2 = 10 （I/O 密集型可适当放宽到 20~50）
> ```
> 更准确的方式是通过压测观察数据库的活跃连接数和等待队列。

## 索引优化建议

### 在 tag 中声明索引

```go
type Article struct {
    ID        uint      `gorm:"primaryKey"`
    Title     string    `gorm:"size:128;not null;index:idx_title"`       // 普通索引
    Status    string    `gorm:"size:16;not null;index:idx_status"`        // 普通索引
    UserID    uint      `gorm:"index:idx_article_user"`                   // 外键索引
    CreatedAt time.Time `gorm:"index:idx_created_at"`                     // 时间索引
    
    // 复合索引
    Slug      string    `gorm:"size:128;uniqueIndex:idx_slug_owner"`      // 联合唯一索引
    
    // 覆盖索引（PostgreSQL 支持 INCLUDE）
    ViewCount int       `gorm:"index:idx_status_views,type:int"`
}
```

### 何时加索引

| 场景 | 是否需索引 | 理由 |
|------|-----------|------|
| WHERE 高频查询的列 | ✅ | 避免全表扫描 |
| JOIN 关联字段 | ✅ | 外键几乎都应该有索引 |
| ORDER BY 排序字段 | ✅ | 避免 filesort |
| 写频率高的字段 | ❌ 谨慎 | 每个索引增加写入成本（INSERT/UPDATE 要维护索引树） |
| 低基数列（如 gender） | ❌ | 区分度太低，优化器不走索引 |
| LIKE '%xxx' 前通配 | ❌ | 索引失效 |

### 查看执行计划

```go
// MySQL EXPLAIN
db.Debug().Where("status = ? AND created_at > ?", "active", cutoff).Find(&users)
// 从日志中找到生成的 SQL，在 MySQL 客户端执行：
// EXPLAIN SELECT * FROM users WHERE status = 'active' AND created_at > '...';

// 关注点：
// - type: 应该是 range 或 ref，不能是 ALL（全表扫描）
// - rows: 预估扫描行数，越小越好
// - Extra: 出现 Using filesort 说明需要额外排序；Using temporary 说明用了临时表
```

## 事务粒度优化

```go
// ❌ 事务范围过大 —— HTTP 请求也包在里面
tx := db.Begin()
defer tx.Rollback()

user, _ := fetchFromAPI() // 网络请求 200ms
if err := tx.Create(&user).Error; err != nil {
    return err
}

order, _ := fetchFromAnotherAPI() // 另一个网络请求 300ms
if err := tx.Create(&order).Error; err != nil {
    return err
}

return tx.Commit().Error
// 总耗时：200 + DB + 300 + DB ≈ 500ms+
// 期间行锁一直持有，其他事务只能等待

// ✅ 事务范围仅包含 DB 操作
func SaveToDB(tx *gorm.DB, user, order any) error {
    if err := tx.Create(user).Error; err != nil {
        return err
    }
    return tx.Create(order).Error
}

// 外层只包数据库操作
func HandleRequest() error {
    user, _ := fetchFromAPI()
    order, _ := fetchFromAnotherAPI()
    
    return db.Transaction(func(tx *gorm.DB) error {
        return SaveToDB(tx, user, order)
    })
}
// 总耗时：DB + DB ≈ 几十 ms
```

> [!tip] Transaction API 简洁写法
> GORM 提供了一个闭包形式的 `Transaction`，比手动的 Begin/Rollback/Commit 更安全：
> ```go
> err := db.Transaction(func(tx *gorm.DB) error {
>     // 返回非 nil 自动回滚
>     if err := tx.Create(&user).Error; err != nil {
>         return err
>     }
>     return tx.Create(&order).Error
> })
> ```

## 软删除的性能陷阱

GORM 的 `SoftDelete` 功能非常便捷，但在高频查询场景下会带来隐式开销。

### 自动注入 WHERE deleted_at IS NULL

```go
type User struct {
    gorm.Model // 包含 DeletedAt *time.Time
}

// 无论你是否主动写条件，GORM 自动附加：
db.Where("status = ?", "active").Find(&users)
// 实际执行：SELECT * FROM users WHERE status = 'active' AND deleted_at IS NULL;
```

这意味着**每一个查询都多了一个索引列的判断**。

### 优化策略

```go
// ❌ 带软删除字段的表，WHERE 子句变复杂时走不了覆盖索引
// ✅ 策略一：为 (deleted_at, 查询字段) 建复合索引
type Article struct {
    ID        uint      `gorm:"primaryKey"`
    Status    string    `gorm:"size:16;not null;index:idx_status_deleted"`
    DeletedAt time.Time `gorm:"index:idx_status_deleted"`
}

// ✅ 策略二：不需要软删除的场景用 Unscoped 跳过过滤
db.Unscoped().Where("id = ?", 1).First(&user)
// SELECT * FROM users WHERE id = 1;  （不含 deleted_at 条件）

// ✅ 策略三：归档历史数据到独立表，避免主表膨胀
// archived_users 表不设软删除，定期将旧数据迁移过去
```

> [!danger] 数据量敏感
> 当单表超过千万级记录且开启软删除时，未加合适索引的查询会从 index scan 退化为全表扫描（需要扫描并判断每一行的 `deleted_at` 值）。务必用 `EXPLAIN` 验证核心查询路径。

## 性能优化检查清单

```mermaid
flowchart LR
    A["性能瓶颈"] --> Q1{"SQL 数量过多?"}
    Q1 -->|是| B["用 Preload / Joins 合并"]
    Q1 -->|否| Q2{"结果集太大?"}
    Q2 -->|是| C["加 Limit / 筛选字段"]
    Q2 -->|否| Q3{"扫描行数多?"}
    Q3 -->|是| D["检查索引"]
    Q3 -->|否| Q4{"单条 SQL 太慢?"}
    Q4 -->|是| E["EXPLAIN 分析执行计划"]
    Q4 -->|否| F{"框架开销占比高?"}
    F -->|是| G["启用 PrepareStmt / 改用 Raw SQL"]
    F -->|否| H["已达标 ✓"]
    
    style A fill:#EF4444,color:#fff
    style H fill:#4FC08D,color:#fff
```

| ✅ 优化项 | 收益 | 复杂度 |
|-----------|------|--------|
| 消除 N+1（Preload） | ⭐⭐⭐⭐⭐ | 低 |
| Select 白名单 | ⭐⭐⭐⭐ | 低 |
| 添加索引 | ⭐⭐⭐⭐⭐ | 低 |
| 缩小事务范围 | ⭐⭐⭐⭐ | 中 |
| PrepareStmt 缓存 | ⭐⭐⭐ | 低 |
| Raw SQL 替换热点查询 | ⭐⭐⭐⭐⭐ | 高 |
| 批量操作替代循环 | ⭐⭐⭐⭐⭐ | 低 |

## 常见坑点速查

| 问题 | 原因 | 解决方案 |
|------|------|---------|
| Preload 后接口极慢 | IN 列表过大 | 限制关联数量或用 Join 替代 |
| 查询响应不稳定 | 没有索引导致偶发全表扫描 | 用 EXPLAIN 找出缺失索引 |
| 插入速度慢 | 逐条插入 + 事务未复用 | CreateInBatches |
| 连接池耗尽 | 事务内调用外部服务 | 将 IO 操作移出事务 |
| 预编译缓存泄漏 | PrepareStmt=true 但 SQL 都是随机构造的 | 只对固定模式查询开启 |

## 关联笔记

- [[03-CRUD 操作]]
- [[04-条件查询]]
- [[05-关联查询]]
- [[08-事务管理]]
- [[11-批量操作]]