低选择性索引效果差，因其重复值多、唯一值少，导致优化器预估返回行数过高而弃用索引，转为全表扫描；常见于布尔型、枚举类、小范围取值及高 null 值字段。
索引选择性低，意味着该列中重复值多、唯一值少，比如性别、状态（启用 / 禁用）、是否删除等字段。这类索引在大多数查询中难以有效过滤数据，优化器往往直接放弃使用，转而走全表扫描。
为什么低选择性索引效果差？
数据库优化器判断是否走索引，核心依据之一是“预估返回行数”。如果某列只有 2 个值（如status IN (‘0′,’1’)），且数据均匀分布，那么走索引后仍需回表读取约 50% 的行——这比直接扫描聚簇索引（如 InnoDB 主键 B + 树）开销更大。此时索引不仅没提速，反而增加存储和维护成本。
哪些字段容易出现选择性过低？
- 布尔型字段（is_deleted、is_active）
- 枚举类字段（gender、order_status、pay_type）
- 固定取值范围小的字段（地区编码前两位、年份（若只存近 3 年）
- 大量 NULL 值的字段（NULL 本身也属于一种“值”，会拉低选择性）
怎么判断一个索引是否值得建？
可用以下 SQL 粗略估算选择性：
SELECT COUNT(DISTINCT column_name) / COUNT(*) AS selectivity FROM table_name;
一般建议：选择性 > 0.1（即 10% 以上）才考虑单列索引；低于 0.01（1%）基本不建议单独建索引。但也要结合查询模式——比如常与高选择性字段组合查询，可建联合索引并把低选择性字段放在后面。
低选择性字段还能优化查询吗？
- 组合索引中做后置字段：如
(user_id, status)，利用 user_id 高选择性快速定位，status 仅用于进一步过滤 - 分区裁剪替代索引：按时间 / 状态分区，查询时直接跳过无关分区
- 覆盖索引减少回表 ：即使 status 选择性低，若查询只涉及 status+id+name，可建
(status, id, name)避免回表 - 物化视图或汇总表：对高频统计场景（如“查所有已关闭订单”），单独维护状态聚合表
