MySQL--SQL执行分析工具

4.1 执行查询的顺序
书写的顺序:
Select distinct select_list
From table
Left join tab on left_condition
Where where_condition
Group by group_by_list
Havaing having_condition
Order by order_by_condition
Limit limit_number
执行的顺序
from table
left join leftjoin_table on join_condition
where where_condition
group by group_by_list
having hava_condition
select
distinct select_list
order by order_by_condition
limit limit_number

explain
使用Explain关键字可以模拟优化器执行SQL查询语句,从而知道MySQl是如何处理你的SQl语句的,分析你的查询语句或是表结构的性能瓶颈。
表的读取顺序,
数据读取操作的操作类型
哪些索引可以使用,
哪些索引被实际使用。
表之间的引用,
每张表有多少行被优化器查询。
Explain各个列名说明
id
id相同,执行顺序由上到下。
ID不同,如果是子查询,id的序号会递增,id值越大优先级越高,越先被执行。
Id相同不同,同时存在相同的id,如果id相同,可以认为是一组,从上往下顺序执行。
在所有组中,id值越大,优先级越高,越先执行。
Select_type
查询类型
SIMPLE 简单查询类型,查询中不包含子查询或UNION
PRIMARY 查询中若包含任何复杂的子部分,最外层查询则被标记为
SUBQUERY在SELECT或WHERE列表中包含了子查询
DERIVED 在FROM列表中包含的子查询被标记为DERIVED(衍生)MySQL会递归执行这些子查询,把结果放在临时表里。
UNION若第二个SELECT出现在UNION之后,则被标记为UNION;若UNION包含在FROM子句的子查询中,外层SELECT将被标记为:SERIVED
UNION RESULT 从UNION表获取结果的SELECT
table
表的执行顺序
为表名,
特殊字符串:derivced2,2说明是id为2的表衍生出来的。
type访问类型排列
显示查询使用了何种类型
从最好到最差依次是:system>const>eq_ref>ref>fulltext>ref_or_null>index_merage>unique_subquery>index_subquery>range>index>all
system>const>eq_ref>ref>range>index>all
system:表只有一行记录,这是const类型的特例。
Const:表示通过索引一次就找到了,const用于比较primary key或者unique索引,因为只匹配一行数据,所以很快,如将主键置于where列表中,MySQL就能将该查询装换为一个常量。
eq_ref:唯一性索引扫描,对于每个索引键,表中只有一条记录与之匹配,常见与主键或唯一索引扫描,和const不同的是主要出现在连表的情况下。
Ref:非唯一性索引扫描,返回匹配某个单独值的所有行,本质上也是一种索引访问,它返回所有匹配某个单独值的行,然而,他可能会找到多个符合条件的行,所以他应该属于查找和扫描的混合体。
Fulltext:
ref_or_null:
index_merage:
unique_subquery:
index_subquery:
range:只检索给定范围的行,使用一个索引来选择行,key列显示使用了哪个索引,一般就是在你的where语句中出现了between、<、>、in等的查询,这种范围扫描索引扫描比全表扫描要好,因为它只需要开始于索引的某一点,而结束语另一点,不用扫描全部索引。
index:index与ALL区别为index类型只遍历索引树,这通常比ALL快,因为索引文件通常比数据文件小。(也就是说虽然all和index都是读全表,但是index是从索引中读取的,而all是从硬盘中读取的)
all:将遍历全表以找到匹配的行。
possible_key:可能使用到的索引
显示可能应用在这张表中的索引,一个或多个。查询涉及到的字段上若存在索引,则该索引将被列出,但不一定被查询实际使用。
key:实际使用的索引
实际使用的索引,如果为null,则没有使用索引,查询中若使用了覆盖索引,则该索引仅出现在key列表中。
possible_key不出现,但是在key中出现了,入查询组合索引。
key_len索引中使用的字节数
可通过该列计算查询中使用的索引的长度,在不损失精确性的情况下,长度越短越好,
Key_len显示的值为索引字段的最大可能长度,并非实际使用长度,即key_len是根据表定义计算而得,不是通过表内检索出来的。
字段占用空间大小+是否可为空,为空加一个字节,不可为空不加+如果为char加1,为varchar加2
比如一个字段varchar(50),default null,编码为utf8mb4,设置为索引,utf8mb4意味着一个字符占4个字节,
4*50+1(可以为空)+2(为varchar类型)=203,所有索引长度应该为203
参考:https://blog.csdn.net/wll_1017/article/details/71179577
https://www.cnblogs.com/gomysql/p/4004244.html

ref
显示索引的那一列被使用了,如果可能的话,是一个常数,哪些列或常量被用于查找索引列上的值。值为const则说明用的是常量。
Rows:估算需要读取的行数
根据表统计信息即索引选用情况,大致估算出找到所需的记录所需要读取的行数。
越小越好。
Filter
实际需要的数据行/估计需要的数据行
Extra:附带
包含不适合在其他列中显示但十分重要的额外信息。
Using filesort 说明mysql会对数据使用一个外部的索引排序,而不是按照表内的索引顺序进行读取。Mysql中无法利用索引完成的排序操作称为”文件排序”。
Using temporary 使用了临时表保存中间结果,MySql在对查询结果排序时使用临时表,常见与排序order by和分组查询group by。
Using index
表示相应的select操作中使用了覆盖索引,避免访问了表的数据行,效率不错,如果同时出现了using where,表明索引被用来执行索引键值的查找。
Using where 将会通过表扫描或者索引扫描的方式过滤数据,并且where 条件列不在索引列中
Using index condition 返回的字段不查询的列不全在索引中,
Using join buffer 使用了连接缓存
Impossible where:不可能从查询
Select tables optimized away
Distinct 找到第一个就不继续查找。

查询一个sql对于系统资源的消耗

select * 
from t_inspect_result 
order by id desc limit 10;
show profiles;

在这里插入图片描述

Show Profile ALL for Query 47

在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要下载Flink SQL Connector for MySQL CDC,您可以按照以下步骤进行操作: 1. 首先,您需在您的项目中添加Flink SQL Connector for MySQL CDC的依赖项。可以使用Maven或Gradle构建工具来完成这一步骤。在您的项目配置文件中,将以下代码添加到依赖项部分: ``` <dependency> <groupId>org.apache.flink</groupId> <artifactId>flink-sql-connector-mysql-cdc_2.11</artifactId> <version>1.13.1</version> </dependency> ``` 2. 在使用Flink SQL Connector for MySQL CDC之前,您需要确保已经安装并启动了Flink集群。您可以从Flink官方网站下载并按照安装说明进行安装。 3. 下一步是配置MySQL的Change Data Capture (CDC)。您可以在MySQL的配置文件中启用CDC功能,并配置要监视的数据库表。具体配置项可能会因MySQL版本而有所不同,您可以参考MySQL的官方文档或相关教程进行操作。 4. 配置完CDC后,您可以使用Flink的Table API或SQL语句来读取CDC的数据。可以使用`TableEnvironment`对象来创建与MySQL CDC连接,并定义CDC表。以下是一个示例代码片段: ```java // 创建Flink Table环境 StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment(); StreamTableEnvironment tableEnv = StreamTableEnvironment.create(env); // 注册MySQL CDC Connector String ddl = "CREATE TABLE mysql_cdc_table (..., PRIMARY KEY (id)) " + "WITH (...properties...) "; tableEnv.executeSql(ddl); // 查询CDC数据 String query = "SELECT * FROM mysql_cdc_table"; Table result = tableEnv.sqlQuery(query); // 打印查询结果 tableEnv.toRetractStream(result, Row.class).print(); // 执行作业 env.execute(); ``` 这样,您就可以下载、配置和使用Flink SQL Connector for MySQL CDC来处理MySQL的Change Data Capture数据了。若需要进一步了解和使用该连接器的更多功能,建议参考官方文档或相关教程。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值