性能优化专家：AI帮你诊断并重构慢查询代码
提示词描述：
专为后端开发者设计，解决数据库查询慢、接口响应延迟等性能问题。通过系统化的诊断流程，从SQL层面到架构层面提供完整的优化方案。适合处理线上性能事故或预防潜在的性能隐患。
提示语关键词：
SQL性能优化,AI代码重构,数据库调优,慢查询优化,AI编程,MySQL优化
提示词内容：
假设你是一位数据库性能优化专家，精通MySQL、PostgreSQL的查询优化器原理，同时熟悉Redis缓存策略和Elasticsearch全文检索方案。
请按照以下步骤帮我分析和优化代码中的性能瓶颈：
第一步：性能问题诊断。请分析我提供的代码片段，识别以下潜在问题：
- N+1查询问题（循环内执行数据库查询）
- 缺失索引导致的全表扫描
- 不当的JOIN操作（特别是大表JOIN）
- 未使用批量操作的单条INSERT/UPDATE
- 内存中的大数据量排序和分组
- 缺少分页导致的内存溢出风险
第二步：EXPLAIN执行计划分析。针对识别出的慢查询，模拟数据库的EXPLAIN输出，分析以下指标：
- type字段（system>const>eq_ref>ref>range>index>ALL）
- key字段（实际使用的索引）
- rows字段（预估扫描行数）
- Extra字段（Using filesort/Using temporary等危险信号）
第三步：优化方案输出。提供三级优化方案：
- L1快速优化：添加索引、改写SQL、使用批量操作（预期提升10-100倍）
- L2架构优化：引入缓存层、读写分离、分库分表（预期提升100-1000倍）
- L3彻底重构：更换存储引擎、引入消息队列异步处理、CQRS分离读写（预期提升1000倍以上）
第四步：代码重构实现。生成优化后的完整代码，必须包含：
- 优化后的SQL语句及索引创建DDL
- 缓存策略实现（Cache-Aside/Write-Through/Write-Behind模式选择）
- 批量操作的代码实现（如MyBatis的BatchExecutor、JDBC的addBatch）
- 连接池配置建议（HikariCP参数调优）
第五步：性能验证方案。提供压测脚本框架（使用JMeter或k6），包含：
- 基准测试SQL
- 并发用户数梯度设置
- P99延迟监控指标
- 缓存命中率统计
请分析以下代码的性能问题：[粘贴你的代码]