第五章:MySQL 慢 SQL 与 EXPLAIN
万福鉴酒的订单列表刚上线时 100 毫秒打开,后来订单越来越多,接口突然需要 5 秒。
MySQL 与 Redis 前端速成5 / 11

这一章我们来当一次“数据库侦探”。
场景是:
万福鉴酒的订单列表刚上线时 100 毫秒打开,后来订单越来越多,接口突然需要 5 秒。
产品经理说:
是不是前端渲染太慢了?
前端看 Network:
接口等待时间:4.8 秒
页面渲染时间:0.2 秒
这说明真正的嫌疑人很可能是:
后端接口或数据库查询。
你的简历中有订单列表、药品检索、AI 任务进度等数据场景,面试官很可能追问你:“接口变慢后怎么定位?”
一、慢 SQL 是什么?
慢 SQL 就是:
执行时间明显超过正常范围的 SQL。
但是“超过多少秒算慢”没有绝对答案。
例如:
普通详情接口:500 毫秒可能已经偏慢
复杂统计报表:2 秒可能可以接受
离线数据任务:10 秒也可能正常
因此判断 SQL 是否慢,要结合:
- 数据量;
- 接口类型;
- 用户体验;
- 系统性能要求;
- 查询执行频率。
你面试时不要说:
超过 1 秒的 SQL 就一定是慢 SQL。
更稳的说法是:
慢 SQL 是执行时间超过业务预期,或者消耗大量 CPU、内存和磁盘 IO 的查询,需要结合接口场景和监控数据判断。
二、发现接口慢,不能直接加索引
很多初学者的第一反应是:
查询慢?加索引!
这是不严谨的。
正确排查流程是:
确认接口确实慢
↓
找到具体 SQL
↓
检查返回数据量
↓
使用 EXPLAIN 分析执行计划
↓
检查索引和 SQL 写法
↓
优化后重新测试
面试标准回答:
遇到慢 SQL,我不会直接加索引,而是先确认具体慢在哪里,再通过慢查询日志、接口监控和 EXPLAIN 查看执行计划,检查扫描行数、索引使用、排序和临时表情况,然后针对性优化,最后对比优化前后的执行时间。
这一段值得背。
三、我们的嫌疑 SQL
万福鉴酒需要查询某个用户“进行中”的订单,并按照时间倒序展示:
-- 查询用户 1001 正在进行中的订单
SELECT
id, -- 返回订单主键 ID
order_no, -- 返回订单编号
status, -- 返回订单状态
amount, -- 返回订单金额
created_at -- 返回订单创建时间
FROM orders
WHERE user_id = 1001 -- 只查询用户 1001 的订单
AND status = 20 -- 只查询进行中的订单
ORDER BY created_at DESC -- 按照创建时间从新到旧排序
LIMIT 20; -- 只返回最新二十条
当订单表只有 100 条数据时,它很快。
当订单表有 1000 万条时,如果没有合适索引,MySQL 可能需要扫描大量记录。
四、EXPLAIN:给 SQL 做一次“体检”
在查询前面加上:
-- 查看这条订单查询的执行计划,不会真正返回完整业务结果
EXPLAIN
SELECT
id, -- 返回订单主键 ID
order_no, -- 返回订单编号
status, -- 返回订单状态
amount, -- 返回订单金额
created_at -- 返回订单创建时间
FROM orders
WHERE user_id = 1001 -- 根据用户 ID 筛选
AND status = 20 -- 根据订单状态筛选
ORDER BY created_at DESC -- 按创建时间倒序排列
LIMIT 20; -- 只查询二十条数据
EXPLAIN 不会直接告诉你:
这条 SQL 应该怎么改。
它会给出执行计划,让你自己判断 MySQL 打算怎么查询。
你现在只重点看五项:
type
possible_keys
key
rows
Extra
五、type:MySQL 怎么找数据?
type 表示 MySQL 访问数据的大致方式。
从常见较优到较差,可以先记:
const
eq_ref
ref
range
index
ALL
不需要把所有类型一次背完,重点记下面五个。
1. const:直接锁定一条数据
例如根据主键查询:
-- 根据主键 ID 查询唯一的一条订单
SELECT
id, -- 返回订单 ID
order_no, -- 返回订单编号
status -- 返回订单状态
FROM orders
WHERE id = 1001; -- 主键等值查询,最多匹配一条记录
这种查询通常非常快。
你可以理解成:
已经知道学生的唯一学号,直接找到本人。
2. ref:普通索引等值查询
例如 user_id 有索引:
-- 查询用户 1001 的全部订单
SELECT
id, -- 返回订单 ID
order_no -- 返回订单编号
FROM orders
WHERE user_id = 1001; -- 根据普通索引字段进行等值查询
一个用户可能有很多订单,因此不是唯一的一条。
3. range:索引范围查询
例如:
-- 查询订单金额在 100 元到 500 元之间的数据
SELECT
id, -- 返回订单 ID
amount -- 返回订单金额
FROM orders
WHERE amount >= 100 -- 金额不能低于 100 元
AND amount <= 500; -- 金额不能高于 500 元
如果 amount 有索引,MySQL 可能进行索引范围扫描。
4. index:扫描整个索引
index 不等于“查询特别快”。
它可能表示:
没有扫描整张数据表,但是把整个索引都扫了一遍。
就像没有翻整本书,但把整本目录从头看到尾。
5. ALL:全表扫描
如果看到:
type = ALL
表示 MySQL 可能需要扫描整张表。
但是不要机械地说:
看到 ALL 就一定有问题。
如果表中只有 20 条数据,全表扫描可能比走索引更简单。
真正需要警惕的是:
大表
高频 SQL
type = ALL
rows 很大
六、possible_keys 和 key
possible_keys
表示:
MySQL 认为可能可以使用哪些索引。
key
表示:
MySQL 最终实际选择了哪个索引。
假设结果是:
possible_keys:idx_user_id, idx_status
key:idx_user_id
表示 MySQL 认为两个索引都有可能,但最终选择了 idx_user_id。
如果:
key:NULL
一般表示这条查询没有实际使用索引。
记忆:
possible_keys是候选人,key是最终录取的人。
七、rows:预计扫描多少行
rows 表示 MySQL 估计需要检查的记录数量。
例如:
rows = 10
一般压力不大。
如果:
rows = 8000000
就要重点关注。
但是注意:
rows是优化器的估算值,不一定等于真实扫描数量。
你可以把它理解成高德地图说:
预计还有 20 分钟到达。
它有参考价值,但不一定精确到每一秒。
八、Extra:数据库额外做了什么?
Extra 是排查 SQL 时非常有价值的一项。
重点认识四个结果。
1. Using index
表示查询需要的字段可以直接从索引获得,通常说明使用了覆盖索引。
例如索引是:
-- 给用户 ID 和订单状态建立联合索引
CREATE INDEX idx_user_status
ON orders (
user_id, -- 联合索引第一列:用户 ID
status -- 联合索引第二列:订单状态
);
查询:
-- 查询用户 1001 的进行中订单,只返回索引中已有的字段
SELECT
user_id, -- 返回用户 ID
status -- 返回订单状态
FROM orders
WHERE user_id = 1001 -- 根据用户 ID 筛选
AND status = 20; -- 根据订单状态筛选
查询所需字段都在索引中,就可能不需要回表。
2. Using where
表示 MySQL 读取数据后,还需要根据 WHERE 条件进行过滤。
它不一定是坏事。
大多数带条件的查询都可能出现。
3. Using filesort
表示排序不能完全直接利用索引,需要进行额外排序。
例如:
-- 查询用户订单,但按照没有合适索引支持的金额字段排序
SELECT
id, -- 返回订单 ID
amount -- 返回订单金额
FROM orders
WHERE user_id = 1001 -- 根据用户筛选
ORDER BY amount DESC; -- 按照金额倒序,需要额外排序
Using filesort 里的 filesort 不一定表示真的写入了磁盘文件。
它主要表示:
MySQL 需要额外执行排序,而不是直接按照索引顺序读取。
数据量小时问题不大;数据量很大、查询频繁时需要关注。
4. Using temporary
表示查询过程中可能使用了临时表。
常见于:
- 复杂分组;
- 复杂排序;
DISTINCT;- 某些多表查询。
看到它也不是直接判死刑,但如果 SQL 很慢,就需要重点检查。
九、第一次破案:没有联合索引
原 SQL:
-- 查询指定用户的进行中订单
SELECT
id, -- 返回订单 ID
order_no, -- 返回订单编号
status, -- 返回订单状态
amount, -- 返回订单金额
created_at -- 返回订单创建时间
FROM orders
WHERE user_id = 1001 -- 根据用户 ID 筛选
AND status = 20 -- 根据订单状态筛选
ORDER BY created_at DESC -- 按创建时间倒序排列
LIMIT 20; -- 返回最新二十条
它的查询规律是:
user_id:等值查询
status:等值查询
created_at:排序
可以考虑建立:
-- 创建用户、状态和创建时间的联合索引
CREATE INDEX idx_user_status_created
ON orders (
user_id, -- 先按照用户 ID 排序
status, -- 相同用户下再按照状态排序
created_at -- 相同用户和状态下再按照创建时间排序
);
这样 MySQL 可以:
先定位用户 1001
再定位状态 20
然后按照 created_at 的索引顺序取前 20 条
减少:
- 扫描记录数;
- 额外筛选;
- 额外排序。
十、联合索引字段顺序怎么定?
不要只背:
区分度高的字段放前面。
这个说法不够完整。
更合理的是结合查询方式分析。
例如:
-- 查询用户的指定状态订单,并按照时间排序
SELECT
id, -- 返回订单 ID
order_no, -- 返回订单编号
created_at -- 返回订单创建时间
FROM orders
WHERE user_id = 1001 -- 用户 ID 等值查询
AND status = 20 -- 状态等值查询
ORDER BY created_at DESC; -- 创建时间用于排序
联合索引可以是:
(user_id, status, created_at)
因为:
user_id:主要业务查询范围
status:继续缩小范围
created_at:支持排序
一句话背诵:
联合索引字段顺序应该结合实际查询中的等值条件、范围条件、排序和分组设计,通常先放高频等值查询字段,再考虑范围和排序字段。
十一、第二次破案:SELECT * 导致大量回表
假设有索引:
-- 给用户 ID、状态和创建时间建立联合索引
CREATE INDEX idx_user_status_created
ON orders (
user_id, -- 用户 ID
status, -- 订单状态
created_at -- 创建时间
);
查询却写成:
-- 查询订单的全部字段
SELECT *
FROM orders
WHERE user_id = 1001 -- 根据用户 ID 筛选
AND status = 20 -- 根据订单状态筛选
ORDER BY created_at DESC; -- 根据创建时间倒序排列
索引里没有:
order_no
amount
address
remark
refund_reason
……
MySQL 找到索引记录后,需要频繁回表获取完整数据。
如果页面只需要四个字段,可以改成:
-- 只查询页面实际需要展示的订单字段
SELECT
id, -- 返回订单 ID
status, -- 返回订单状态
created_at -- 返回订单创建时间
FROM orders
WHERE user_id = 1001 -- 根据用户 ID 筛选
AND status = 20 -- 根据订单状态筛选
ORDER BY created_at DESC -- 按创建时间倒序
LIMIT 20; -- 只返回二十条数据
但注意:
不能为了覆盖索引,把几十个业务字段全部塞进索引。
索引会变得非常大,写入成本也会提高。
正确原则是:
查询真正需要的字段,并围绕高频查询设计索引。
十二、第三次破案:给索引字段套函数
假设 created_at 已经有索引。
不推荐:
-- 对创建时间调用 DATE 函数,可能影响普通索引定位
SELECT
id, -- 返回订单 ID
created_at -- 返回订单创建时间
FROM orders
WHERE DATE(created_at) = '2026-07-30'; -- 将每条时间转换成日期再比较
因为 MySQL 可能需要对大量记录执行:
DATE(created_at)
推荐改为范围查询:
-- 查询 2026 年 7 月 30 日全天创建的订单
SELECT
id, -- 返回订单 ID
created_at -- 返回订单创建时间
FROM orders
WHERE created_at >= '2026-07-30 00:00:00' -- 从当天零点开始
AND created_at < '2026-07-31 00:00:00'; -- 不包含第二天零点
这样更容易利用 created_at 的有序索引。
十三、第四次破案:前置模糊查询
假设订单号有索引。
下面这条通常容易使用索引前缀:
-- 查询订单编号以 ORDER2026 开头的订单
SELECT
id, -- 返回订单 ID
order_no -- 返回订单编号
FROM orders
WHERE order_no LIKE 'ORDER2026%'; -- 已知订单号开头
下面这条通常难以高效使用普通 B+ 树索引:
-- 查询订单编号任意位置包含 0730 的订单
SELECT
id, -- 返回订单 ID
order_no -- 返回订单编号
FROM orders
WHERE order_no LIKE '%0730%'; -- 开头未知,难以快速确定索引起点
因为 B+ 树按照字段开头顺序排列。
类比查字典:
查“刘开头的名字”:可以直接翻到刘
查“名字中含有凤”:可能需要从头翻
十四、第五次破案:深分页
普通分页:
-- 查询第 10001 页订单,每页十条
SELECT
id, -- 返回订单 ID
order_no, -- 返回订单编号
created_at -- 返回订单创建时间
FROM orders
ORDER BY id DESC -- 按主键从大到小排列
LIMIT 100000, 10; -- 跳过十万条,再返回十条
MySQL 可能需要先扫描大量记录,再丢弃前面的数据。
可以改为游标分页:
-- 查询 ID 小于上一页最后一条 ID 的后续订单
SELECT
id, -- 返回订单 ID
order_no, -- 返回订单编号
created_at -- 返回订单创建时间
FROM orders
WHERE id < 88888 -- 88888 是上一页最后一条订单的 ID
ORDER BY id DESC -- 按照 ID 从大到小排列
LIMIT 10; -- 返回下一页十条数据
游标分页的优点:
- 不需要跳过大量记录;
- 数据越多,优势越明显;
- 很适合信息流和下拉加载。
缺点:
- 不方便直接跳转到任意页;
- 需要前端保存
lastId; - 数据排序字段最好稳定且唯一。
十五、第六次破案:返回了太多数据
下面这条可能查出几十万条:
-- 查询用户 1001 的所有历史订单
SELECT
id, -- 返回订单 ID
order_no, -- 返回订单编号
status, -- 返回订单状态
amount, -- 返回订单金额
created_at -- 返回订单创建时间
FROM orders
WHERE user_id = 1001; -- 查询该用户全部订单,没有分页限制
即使索引使用正常,也可能很慢,因为:
- 数据库需要读取大量数据;
- 后端需要序列化大量 JSON;
- 网络需要传输大量内容;
- 前端需要渲染大量节点。
应该增加分页:
-- 分页查询用户 1001 的最新订单
SELECT
id, -- 返回订单 ID
order_no, -- 返回订单编号
status, -- 返回订单状态
amount, -- 返回订单金额
created_at -- 返回订单创建时间
FROM orders
WHERE user_id = 1001 -- 根据用户筛选
ORDER BY created_at DESC -- 按时间从新到旧排序
LIMIT 20; -- 每次只返回二十条
所以接口慢不一定只是“没有索引”。
还可能是:
返回数据量本身不合理。
十六、第七次破案:N+1 查询
这个问题在 Node.js 项目中非常常见。
需求:
查询 100 条订单,再查询每个订单对应的用户。
错误思路:
// 先查询全部订单
const orders = await getOrders();
// 遍历每一条订单
for (const order of orders) {
// 每遍历一条订单,就再查询一次用户信息
order.user = await getUserById(order.userId);
}
如果有 100 条订单:
查询订单:1 次
查询用户:100 次
总查询次数:101 次
这就是典型的 N+1 查询问题。
可以使用 JOIN 一次查询:
-- 一次查询订单及其对应的用户名
SELECT
o.id, -- 返回订单 ID
o.order_no, -- 返回订单编号
o.amount, -- 返回订单金额
u.id AS user_id, -- 返回用户 ID
u.username -- 返回用户名
FROM orders AS o
LEFT JOIN users AS u
ON o.user_id = u.id -- 根据订单中的用户 ID 关联用户表
ORDER BY o.created_at DESC -- 按订单创建时间倒序
LIMIT 100; -- 只返回一百条订单
也可以先批量收集用户 ID,再一次性查询:
-- 一次查询多个指定用户的信息
SELECT
id, -- 返回用户 ID
username -- 返回用户名
FROM users
WHERE id IN (1001, 1002, 1003); -- 批量查询多个用户
面试回答:
N+1 问题是先查询一批主数据,再在循环中为每条数据单独执行一次查询,导致数据库请求次数快速增加。可以通过 JOIN、批量 IN 查询或者 ORM 的预加载机制解决。
十七、第八次破案:JOIN 字段没有索引
查询订单及用户:
-- 查询订单和对应用户信息
SELECT
o.order_no, -- 返回订单编号
u.username -- 返回用户名
FROM orders AS o
INNER JOIN users AS u
ON o.user_id = u.id; -- 根据用户 ID 关联两张表
这里应该关注:
orders.user_id
users.id
users.id 通常是主键,已经有索引。
但如果 orders.user_id 没有索引,大数据关联时可能效率较差。
可以建立:
-- 给订单表的用户 ID 字段建立普通索引
CREATE INDEX idx_orders_user_id
ON orders (
user_id -- 用于关联用户表和查询用户订单
);
标准回答:
多表关联时,需要重点检查 JOIN 条件字段是否有索引,尤其是大表之间的关联,否则可能扫描大量数据。
十八、慢查询日志是什么?
MySQL 可以记录执行时间超过指定阈值的 SQL。
这些记录通常称为:
慢查询日志。
它能帮助开发者找到:
- 哪些 SQL 执行时间长;
- 哪些 SQL 调用次数高;
- 哪些查询扫描数据多;
- 哪些接口值得优先优化。
一天速成不需要背具体配置命令。
你只需要知道:
EXPLAIN 分析的是某一条已知 SQL,慢查询日志帮助我们从整个系统中找到可疑 SQL。
十九、EXPLAIN ANALYZE 是什么?
普通 EXPLAIN 主要展示优化器估计的执行计划。
较新的 MySQL 版本还可以使用:
-- 实际执行查询,并展示真实执行过程和耗时信息
EXPLAIN ANALYZE
SELECT
id, -- 返回订单 ID
order_no, -- 返回订单编号
created_at -- 返回创建时间
FROM orders
WHERE user_id = 1001 -- 根据用户 ID 筛选
ORDER BY created_at DESC -- 按创建时间倒序
LIMIT 20; -- 返回二十条数据
区别可以简单记成:
EXPLAIN:预计怎么执行
EXPLAIN ANALYZE:实际执行后告诉你发生了什么
但是要注意:
EXPLAIN ANALYZE会真实执行查询,在生产环境中使用时要谨慎,特别是耗时查询或修改型语句。
二十、哪些字段适合建立索引?
通常重点考虑:
- 经常出现在
WHERE中的字段; - 经常用于
JOIN的字段; - 经常用于
ORDER BY的字段; - 经常用于
GROUP BY的字段; - 唯一性要求高的字段。
例如订单号:
-- 给订单编号建立唯一索引,保证订单号不能重复
CREATE UNIQUE INDEX uk_order_no
ON orders (
order_no -- 唯一的业务订单编号
);
用户订单查询:
-- 给用户 ID、状态和创建时间建立联合索引
CREATE INDEX idx_user_status_created
ON orders (
user_id, -- 查询某个用户
status, -- 筛选订单状态
created_at -- 支持时间排序
);
二十一、哪些字段不一定适合单独建索引?
区分度特别低的字段
例如:
gender:男、女
deleted:0、1
status:少量几个状态
假设 100 万条数据中:
deleted = 0 有 99 万条
查询:
-- 查询所有未删除订单,可能命中绝大多数记录
SELECT
id, -- 返回订单 ID
order_no -- 返回订单编号
FROM orders
WHERE deleted = 0; -- 该条件区分度很低
即使 deleted 有索引,MySQL 也可能认为:
查出 99 万个主键再回表,不如直接扫描表。
但是低区分度字段不是绝对不能进入索引。
例如:
(user_id, status, created_at)
虽然 status 区分度不高,但放在 user_id 后面,可以继续缩小某个用户的订单范围。
所以不能机械背成:
状态字段永远不能建索引。
二十二、索引越多越好吗?
不是。
假设订单表有十个索引。
每次新增订单时,MySQL 不仅要插入业务数据,还要维护十棵索引结构。
因此索引过多会导致:
- 占用更多磁盘空间;
- 插入变慢;
- 更新变慢;
- 删除变慢;
- 增加维护成本。
标准答案:
索引是一种空间换时间的方案,能够提高查询效率,但会占用额外存储,并增加增删改时的维护成本。因此应该根据高频查询模式设计索引,而不是给每个字段都建立索引。
二十三、结合你的三个项目回答
下面是设计思路。只有项目真实使用或你已经补充实现,才能说成“我实际做过”。
万福鉴酒:订单列表慢
面试官问:
订单列表接口越来越慢,你怎么处理?
可以回答:
我会先通过接口耗时和慢查询日志定位具体 SQL,再使用 EXPLAIN 检查是否全表扫描、扫描行数和排序情况。订单列表通常按 user_id、status 筛选并按 created_at 排序,可以考虑建立
(user_id, status, created_at)联合索引。同时避免 SELECT *,对列表字段做精简,并对深分页使用 lastId 游标分页。
生猪健康系统:药品搜索慢
面试官问:
药品列表搜索慢怎么办?
可以回答:
首先区分是分类筛选慢还是关键词模糊搜索慢。分类列表可以围绕
(category_id, created_at)建立联合索引;如果是LIKE '%关键词%',普通 B+ 树索引帮助有限,数据量较小时可以接受,数据规模扩大后再考虑全文索引或专门搜索服务。同时控制分页大小,避免一次返回大量药品。
TripStar AI:任务历史列表慢
面试官问:
用户查看历史生成任务越来越慢怎么办?
可以回答:
任务列表通常根据 user_id 筛选,并按 created_at 倒序,因此可以建立
(user_id, created_at)联合索引。如果还经常按照任务状态筛选,可以根据实际查询设计(user_id, status, created_at)。对于无限下拉列表,使用 lastId 或最后创建时间进行游标分页。
二十四、慢 SQL 优化标准答案
这段是本章最重要的内容,建议完整背下来:
遇到慢 SQL,我会先确认是数据库查询慢,而不是网络、后端逻辑或前端渲染问题;然后通过慢查询日志找到具体 SQL,使用 EXPLAIN 查看访问类型、实际索引、预计扫描行数和 Extra 信息。接着检查 WHERE、JOIN、ORDER BY 和 GROUP BY 字段是否有合适索引,是否存在 SELECT *、前置模糊查询、函数计算、隐式类型转换、深分页和 N+1 查询。优化后还要重新测试执行时间和扫描行数,避免只根据理论判断。
二十五、EXPLAIN 标准答案
EXPLAIN 用于查看 SQL 的执行计划。我会重点关注 type、possible_keys、key、rows 和 Extra。type 可以判断访问方式,key 表示实际使用的索引,rows 表示预计扫描行数,Extra 中需要关注 Using index、Using filesort 和 Using temporary 等信息。
二十六、这一章只背这条主线
接口很慢
↓
先确认是不是数据库问题
↓
找到具体 SQL
↓
使用 EXPLAIN
↓
看 type、key、rows、Extra
↓
检查索引和 SQL 写法
↓
检查 SELECT *、函数、模糊搜索、深分页、N+1
↓
优化后重新测试
二十七、本章闯关
第一题
EXPLAIN 中:
type = ALL
rows = 8000000
说明什么?
可能进行了全表扫描,并预计检查约 800 万行。如果这是一张大表上的高频查询,需要重点优化。
第二题
possible_keys 有值,但 key 是 NULL,说明什么?
MySQL 认为存在候选索引,但最终没有选择实际使用这些索引,可能是优化器认为全表扫描成本更低,或者查询写法影响了索引使用。
第三题
看到 Using filesort 是否说明磁盘坏了?
不是。它主要表示 MySQL 需要执行额外排序,不能完全直接利用索引顺序,不一定真的使用磁盘文件。
第四题
为什么 LIMIT 100000, 10 可能很慢?
因为数据库可能需要先扫描前 100010 条数据,再丢弃前 100000 条。可以考虑基于上一页最后一个 ID 的游标分页。
第五题
为什么不能每查出一个订单,就单独查询一次用户?
这可能产生 N+1 查询,导致数据库请求次数随着订单数量增加。可以使用 JOIN 或批量 IN 查询解决。
第六题
一条 SQL 加索引后还是很慢,可能有哪些原因?
可能返回数据过多、索引区分度低、发生大量回表、存在额外排序或临时表、使用深分页,或者 SQL 本身存在复杂关联和函数计算。
下一章进入 Redis 第一核心章:五种数据类型、Key 设计、过期时间,以及验证码、登录状态、排行榜和 AI 任务进度分别应该怎么存。