MySQL中的EXPLAIN的详解

最新推荐文章于 2024-08-17 13:24:35 发布

史小创

最新推荐文章于 2024-08-17 13:24:35 发布

阅读量592

点赞数 9

分类专栏：数据库专题文章标签： mysql

本文链接：https://blog.csdn.net/SHI940637335/article/details/141277881

版权

数据库专题专栏收录该内容

9 篇文章 0 订阅

订阅专栏

一、介绍

官网介绍：

https://dev.mysql.com/doc/refman/5.7/en/explain-output.html

https://dev.mysql.com/doc/refman/8.0/en/explain-output.html

explain（执行计划），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sql语句。

explain主要用于分析查询语句或表结构的性能瓶颈。

通过explain命令可以得到:

– 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 或者 DESC命令获取 MySQL 如何执行 SELECT 语句的信息，包括在 SELECT 语句执行过程中表如何连接和连接的顺序。

版本情况

MySQL 5.6.3以前只能EXPLAIN SELECT ；MYSQL 5.6.3以后就可以EXPLAIN SELECT，UPDATE，DELETE
在5.7以前的版本中，想要显示partitions 需要使用explain partitions 命令；想要显示filtered 需要使用explain extended 命令。在5.7版本后，默认explain直接显示partitions和filtered中的信息。

基本语法

EXPLAIN 或 DESCRIBE语句的语法形式如下：

EXPLAIN SELECT select_options

或者

DESCRIBE SELECT select_options

环境准备：

CREATE DATABASE testexplain  CHARACTER SET utf8mb4   COLLATE utf8mb4_general_ci;

use testexplain;

CREATE TABLE L1(id INT PRIMARY KEY AUTO_INCREMENT,title VARCHAR(100) );
CREATE TABLE L2(id INT PRIMARY KEY AUTO_INCREMENT,title VARCHAR(100) );
CREATE TABLE L3(id INT PRIMARY KEY AUTO_INCREMENT,title VARCHAR(100) );
CREATE TABLE L4(id INT PRIMARY KEY AUTO_INCREMENT,title VARCHAR(100) );

INSERT INTO L1(title) VALUES('test001'),('test002'),('test003');
INSERT INTO L2(title) VALUES('test004'),('test005'),('test006');
INSERT INTO L3(title) VALUES('test007'),('test008'),('test009');
INSERT INTO L4(title) VALUES('test010'),('test011'),('test012');

二、基本的使用

explain使用：explain/desc+sql语句，通过执行explain可以获得sql语句执行的相关信息。

EXPLAIN SELECT * FROM L1,L2,L3 WHERE L1.id=L2.id AND L2.id = L3.id;

DESC SELECT * FROM L1,L2,L3 WHERE L1.id=L2.id AND L2.id = L3.id;

序号	字段	含义
1	id	查询的序列号，是一组数字，表示查询中执行 `SELECT` 子句或操作表的顺序。
2	select_type	表示 `SELECT` 的类型。常见取值有 `SIMPLE`（简单查询，不包含子查询或联合查询）、`PRIMARY`（主查询，即最外层的查询）、`UNION`（联合查询中的第二个或后续查询）、`SUBQUERY`（子查询）等。
3	table	表示正在访问的表。
4	partitions	显示匹配的分区信息，如果是非分区表则为 `NULL`。
5	type	表示表的访问类型，性能由好到差的顺序为 `system` → `const` → `eq_ref` → `ref` → `ref_or_null` → `index_merge` → `unique_subquery` → `index_subquery` → `range` → `index` → `ALL`。访问类型越靠前，性能越好。
6	possible_keys	表示查询时可能使用的索引。
7	key	实际使用的索引。如果没有使用索引，则显示为 `NULL`。
8	key_len	表示使用的索引的字节数。这个值越大，表示查询中使用的索引字段越多。
9	ref	显示索引的哪一列被用到，并且如果可能的话，是哪些列或常量被用于查找索引列中的值。
10	rows	估计要读取的行数，这个数字是一个估计值，不一定是精确的。
11	filtered	表示服务器根据查询条件过滤的行百分比。
12	Extra	包含执行查询的额外信息，比如是否使用临时表、是否进行文件排序等。常见值有 `Using index`（使用了覆盖索引）、`Using where`（使用了 `WHERE` 过滤条件）、`Using temporary`（使用了临时表）和 `Using filesort`（使用了文件排序）等。

三、字段详解

3.1、id字段

select查询的序列号，包含一组数字，表示查询中执行select子句或操作表的顺序

id相同，执行顺序由上至下

EXPLAIN SELECT * FROM L1,L2,L3 WHERE L1.id=L2.id AND L2.id = L3.id;

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

EXPLAIN
SELECT *
FROM L2
WHERE id = (SELECT id
            FROM L1
            WHERE id = (SELECT L3.id
                        FROM L3
                        WHERE L3.title =
                              'test009'));

3.2、select_type 与 table字段

查询类型，主要用于区别普通查询，联合查询，子查询等的复杂查询

simple : 简单的select查询，查询中不包含子查询或者UNION

EXPLAIN SELECT * FROM L1;

primary : 查询中若包含任何复杂的子部分，最外层查询被标记

EXPLAIN
SELECT *
FROM L2
WHERE id = (SELECT id
            FROM L1
            WHERE id = (SELECT L3.id
                        FROM L3
                        WHERE L3.title =
                              'test003'));

subquery : 在select或where列表中包含了子查询

EXPLAIN
SELECT *
FROM L2
WHERE L2.id = (SELECT id
               FROM L3
               WHERE L3.title =
                     'test03');

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，把结果放到临时表中
union : 如果第二个select出现在UNION之后，则被标记为UNION，如果union包含在from子句的子查询中，外层select被标记为derived
union result : UNION 的结果

EXPLAIN
SELECT *
FROM L2
UNION
SELECT *
FROM L3;

3.3、partitions

分区表是将一个表的数据根据某个字段的值分成多个分区来存储的，这样查询时可以提高效率。

查询时匹配到的分区信息，对于非分区表值为NULL ，当查询的是分区表时， partitions 显示分区表命中的分区情况。

对于非分区表（例如原始的 L1 表），partitions 字段会显示 NULL：

EXPLAIN SELECT * FROM L1 WHERE id = 1;

我们以 L1 表为例，将它根据 id 字段进行分区：

CREATE TABLE L1_partitioned (
    id INT PRIMARY KEY AUTO_INCREMENT,
    title VARCHAR(100)
) 
PARTITION BY RANGE (id) (
    PARTITION p0 VALUES LESS THAN (2),
    PARTITION p1 VALUES LESS THAN (4),
    PARTITION p2 VALUES LESS THAN (6)
);

INSERT INTO L1_partitioned(title) VALUES('test001'),('test002'),('test003'),('test004'),('test005');

这个表会根据 id 的值分成 3 个分区：

p0 分区存储 id 小于 2 的数据
p1 分区存储 id 小于 4 的数据
p2 分区存储 id 小于 6 的数据

使用 EXPLAIN 查看查询的分区命中情况：

EXPLAIN SELECT * FROM L1_partitioned WHERE id = 1;

此查询会显示 partitions 字段的值为 p0，因为 id=1 的记录被存储在 p0 分区中。

EXPLAIN SELECT * FROM L1_partitioned WHERE id = 3;

此查询会显示 partitions 字段的值为 p1，因为 id=3 的记录被存储在 p1 分区中。

当查询条件跨越多个分区时，EXPLAIN 会显示命中的多个分区：

EXPLAIN SELECT * FROM L1_partitioned WHERE id BETWEEN 1 AND 5;

3.4、type字段

type显示的是连接类型，是较为重要的一个指标。下面给出各种连接类型,按照从最佳类型到最坏类型进行排序:

system > const > eq_ref > ref > fulltext > ref_or_null > index_merge >unique_subquery > index_subquery > range > index > ALL

-- 简化
system > const > eq_ref > ref > range > index > ALL

system : 表仅有一行 (等于系统表)。这是const连接类型的一个特例,很少出现。
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,所以如果将主键放在 where条件中, MySQL就能将该查询转换为一个常量

EXPLAIN SELECT * FROM L1 WHERE L1.id = 1;

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

EXPLAIN SELECT * FROM L1 ,L2 WHERE L1.id = L2.id ;

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, 这是比较常见连接类型.
- 未加索引之前
```
EXPLAIN SELECT * FROM L1 ,L2 WHERE L1.title = L2.title ;
```
- 加索引之后
```
CREATE INDEX idx_title ON L2(title);
```
```
EXPLAIN SELECT * FROM L1 ,L2 WHERE L1.title = L2.title ;
```
range : 只检索给定范围的行,使用一个索引来选择行。
```
EXPLAIN SELECT * FROM L1 WHERE L1.id > 10;
```
```
EXPLAIN SELECT * FROM L1 WHERE L1.id IN (1,2);
```
key显示使用了哪个索引. where 子句后面使用 between 、< 、> 、in 等查询, 这种范围查询要比全表扫描好
index : 出现index 是 SQL 使用了索引, 但是没有通过索引进行过滤,一般是使用了索引进行排序分组

EXPLAIN SELECT * FROM L1 ORDER BY id;

ALL : 对于每个来自于先前的表的行组合,进行完整的表扫描。

EXPLAIN SELECT * FROM L1;

一般来说,需要保证查询至少达到 range级别,最好能到ref

3.5、possible_keys 与 key字段

possible_keys
- 显示可能应用到这张表上的索引, 一个或者多个. 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.
- 实际使用的索引，若为null，则没有使用到索引。（两种可能，1.没建立索引, 2.建立索引，但索引失效）。查询中若使用了覆盖索引，则该索引仅出现在key列表中。
key
- 实际使用的索引，若为null，则没有使用到索引。（两种可能，1.没建立索引, 2.建立索引，但索引失效）。查询中若使用了覆盖索引，则该索引仅出现在key列表中。
- 覆盖索引：一个索引包含(或覆盖)所有需要查询的字段的值,通过查询索引就可以获取到字段值

理论上没有使用索引,但实际上使用了

EXPLAIN SELECT L1.id FROM L1;

理论和实际上都没有使用索引

EXPLAIN SELECT * FROM L1 WHERE title = 'test01';

理论和实际上都使用了索引

EXPLAIN SELECT * FROM L2 WHERE title = 'test02';

3.6、key_len字段

表示索引中使用的字节数, 可以通过该列计算查询中使用索引的长度.

key_len 字段能够帮你检查是否充分利用了索引 ken_len 越长, 说明索引使用的越充分

key_len表示使用的索引长度，key_len可以衡量索引的好坏，key_len越小索引效果越好

上述的这两句话是否存在矛盾呢，我们该怎么理解呢？

第一句：key_len 越长，说明索引使用得越充分

解释：

key_len 表示在查询中使用的索引字节数。它反映了查询条件中实际使用了索引的多少。

例如，假设有一个复合索引（例如 index_a_b_c），它包含三个字段 a, b, c。如果你执行的查询只使用了 a 字段进行筛选，那么 key_len 可能只包含字段 a 的长度。如果查询使用了 a 和 b 两个字段进行筛选，key_len 会增加，以反映更多的索引字段被使用。

因此，当 key_len 较长时，意味着查询充分利用了索引的多个部分，这通常可以提高查询效率。

第二句：key_len 越小，索引效果越好

解释：

这句话强调了索引的选择性和效率。key_len 越小，表示查询使用的索引部分越少，也可能意味着查询的目标更加精准，过滤的行数越少。

如果一个查询只需使用索引的前几列（即 key_len 较小），并且可以快速过滤掉大部分不相关的行，那么该查询的效率通常会更高。

在某些情况下，使用较小的 key_len 可能会比使用较大的 key_len 更有效，因为这减少了不必要的索引扫描（特别是当大部分行都匹配前面的字段时）。

如何综合理解这两句话

这两句话并不矛盾，而是从不同的角度解释了 key_len 的作用：

充分利用索引：当你希望尽可能利用复合索引的多个字段时，较大的 key_len 是有利的，因为它表明查询条件使用了索引的多个部分，从而可能减少全表扫描的需求。

索引的效率：另一方面，较小的 key_len 可能意味着查询条件已经足够过滤掉大多数不匹配的行，从而更快地找到所需的记录。

实际应用中的考量

复合索引：如果你的查询经常使用复合索引的前几个字段，而不使用全部字段，那么你可能希望 key_len 较小，这样查询效率可能更高，因为数据库引擎不需要扫描索引的所有部分。
单字段索引：如果你有一个单字段索引，那么 key_len 的大小主要取决于这个字段的类型。对于简单的查询，key_len 较小可能是好事。

总结来说，key_len 并不是越大或越小越好，而是要根据查询的具体情况来衡量。当 key_len 充分利用了索引的关键字段，并且有效过滤数据时，这通常是一个高效的查询设计。

SET NAMES utf8mb4;
SET FOREIGN_KEY_CHECKS = 0;

DROP TABLE IF EXISTS `user`;
CREATE TABLE `user`  (
  `id` bigint NOT NULL AUTO_INCREMENT,
  `name` varchar(10) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  `age` int NULL DEFAULT NULL,
  `sex` char(1) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  `create_time` datetime NULL DEFAULT NULL,
  PRIMARY KEY (`id`) USING BTREE,
  INDEX `idx_name`(`name` ASC) USING BTREE,
  INDEX `idx_age`(`age` ASC) USING BTREE,
  INDEX `idx_sex`(`sex` ASC) USING BTREE
) ENGINE = InnoDB AUTO_INCREMENT = 3 CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;


INSERT INTO `user` VALUES (1, 'tom', 18, '男', '2024-08-17 10:09:00');
INSERT INTO `user` VALUES (2, 'zimu', 18, '男', '2024-08-07 10:09:30');

使用explain 进行测试

列类型	是否为空	长度	key_len	备注
tinyint	允许Null	1	key_len = 1 + 1	允许NULL，key_len长度加1
tinyint not null	不允许Null	1	key_len = 1	不允许NULL
int	允许Null	4	key_len = 4 + 1	允许NULL，key_len长度加1
int not null	不允许Null	4	key_len = 4	不允许NULL
bigint	允许Null	8	key_len = 8 + 1	允许NULL，key_len长度加1
bigint not null	不允许Null	8	key_len = 8	不允许NULL
char(1)	允许Null	utf8mb4=4, utf8=3, gbk=2	key_len = 1*3 + 1	允许NULL，字符集utf8，key_len长度加1
char(1) not null	不允许Null	utf8mb4=4, utf8=3, gbk=2	key_len = 1*3	不允许NULL，字符集utf8
varchar(10)	允许Null	utf8mb4=4, utf8=3, gbk=2	key_len = 10*3 + 2 + 1	动态列类型，key_len长度加2，允许NULL，key_len长度加1
varchar(10) not null	不允许Null	utf8mb4=4, utf8=3, gbk=2	key_len = 10*3 + 2	动态列类型，key_len长度加2

id字段类型为bigint，长度为8，id为主键，不允许Null ，key_len = 8 。
```
EXPLAIN select * FROM user WHERE id = 1;
```

name的字段类型是varchar(10)，允许Null，字符编码是utf8，一个字符占用3个字节，varchar为动态类型，key长度加2，key_len = 10 * 3 + 2 + 1 = 33 。

EXPLAIN select * FROM user WHERE name = 'tom';

联合索引key_len计算

我们删除user表其他辅助索引，建立一个联合索引

ALTER TABLE user DROP INDEX `idx_name`, DROP INDEX `idx_age`, DROP INDEX `idx_sex`;

ALTER TABLE user ADD INDEX `idx_name_age`(`name`, `age`);

1、部分索引生效的情况

我们使用name进行查询

EXPLAIN select * FROM user WHERE name = 'tom';

由于联合索引，根据最左匹配原则，使用到索引只有name这一列，name的字段类型是varchar(10)，允许Null，字符编码是utf8，一个字符占用3个字节，varchar为动态类型，key长度加2，key_len = 10 * 3+2 + 1 = 33 。

2、联合索引完全使用索引的情况

EXPLAIN select * FROM user WHERE name = '张三' AND age = 19;

由于联合索引，使用到（name，age）联合索引，name的字段类型是varchar(10)，允许Null，字符编码是utf8，一个字符占用3个字节，varchar为动态类型，key长度加2，key_len = 10 * 3 + 2 + 1 = 33 ，age的字段类型是int，长度为4，允许Null ，key_len = 4 + 1 = 5 。联合索引的key_len 为 key_len = 33+5 = 38。

3.7、ref 字段

显示索引的哪一列被使用了，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

L1.id=‘1’; 1是常量 , ref = const

EXPLAIN SELECT * FROM L1 WHERE L1.id='1';

L2表被关联查询的时候,使用了主键索引, 而值使用的是驱动表(执行计划中靠前的表是驱动表)L1表的ID, 所以 ref = test_explain.L1.id

EXPLAIN SELECT * FROM L1 LEFT JOIN L2 ON L1.id = L2.id WHERE L1.title ='test01';

什么是驱动表 ?

多表关联查询时,第一个被处理的表就是驱动表,使用驱动表去关联其他表.
驱动表的确定非常的关键,会直接影响多表关联的顺序,也决定后续关联查询的性能

驱动表的选择要遵循一个规则:

在对最终的结果集没有影响的前提下,优先选择结果集最小的那张表作为驱动表

3.8、rows 字段

表示MySQL根据表统计信息及索引选用情况，估算的找到所需的记录所需要读取的行数；越少越好

使用like 查询,会产生全表扫描, L2中有3条记录,就需要读取3条记录进行查找

EXPLAIN SELECT * FROM L1,L2 WHERE L1.id = L2.id AND L2.title LIKE '%tes%';

如果使用等值查询, 则可以直接找到要查询的记录,返回即可,所以只需要读取一条

EXPLAIN SELECT * FROM L1,L2 WHERE L1.id = L2.id AND L2.title = 'test03';

总结: 当我们需要优化一个SQL语句的时候，我们需要知道该SQL的执行计划，比如是全表扫描，还是索引扫描；使用explain 关键字可以模拟优化器执行sql 语句，从而知道mysql 是如何处理sql 语句的,方便我们开发人员有针对性的对SQL进行优化.

表的读取顺序。（对应id）
数据读取操作的操作类型。（对应select_type）
哪些索引可以使用。（对应possible_keys）
哪些索引被实际使用。（对应key）
每张表有多少行被优化器查询。（对应rows）
评估sql的质量与效率 (对应type)

3.9、filtered 字段

它指返回结果的行占需要读到的行(rows列的值)的百分比

3.9、extra 字段

Extra 是 EXPLAIN 输出中另外一个很重要的列，该列显示MySQL在查询过程中的一些详细信息

CREATE TABLE users (
uid INT PRIMARY KEY AUTO_INCREMENT,
uname VARCHAR(20),
age INT(11)
);
INSERT INTO users VALUES(NULL, 'lisa',10);
INSERT INTO users VALUES(NULL, 'lisa',10);
INSERT INTO users VALUES(NULL, 'rose',11);
INSERT INTO users VALUES(NULL, 'jack', 12);
INSERT INTO users VALUES(NULL, 'sam', 13);

Using filesort

EXPLAIN SELECT * FROM users ORDER BY age;

执行结果Extra为Using filesort ，这说明，得到所需结果集，需要对所有记录进行文件排序。这类SQL语句性能极差，需要进行优化。

典型的，在一个没有建立索引的列上进行了order by，就会触发filesort，常见的优化方案是，在order by的列上添加索引，避免每次查询都全量排序。

filtered 它指返回结果的行占需要读到的行(rows列的值)的百分比

Using temporary

EXPLAIN SELECT COUNT(*),uname FROM users WHERE uid > 2 GROUP BY uname;

执行结果Extra为Using temporary ，这说明需要建立临时表 (temporary table) 来暂存中间结果。性能消耗大, 需要创建一张临时表, 常见于group by语句中. 需配合SQL执行过程来解释, 如果group by和where索引条件不同, 那么group by中的字段需要创建临时表分组后再回到原查询表中.如果查询条件where和group by是相同索引字段, 那么就不需要临时表.

Using where

EXPLAIN SELECT * FROM users WHERE age=10;

此语句的执行结果Extra为Using where，表示使用了where条件过滤数据。需要注意的是：

返回所有记录的SQL，不使用where条件过滤数据，大概率不符合预期，对于这类SQL往往需要进行优化；
使用了where条件的SQL，并不代表不需要优化，往往需要配合explain结果中的type（连接类型）来综合判断。例如本例查询的 age 未设置索引，所以返回的type为ALL，仍有优化空间，可以建立索引优化查询。

Using index

表示直接访问索引就能够获取到所需要的数据(覆盖索引) , 不需要通过索引回表.

-- 为uname创建索引
alter table users add index idx_uname(uname);

EXPLAIN SELECT uid,uname FROM users WHERE uname='lisa';

此句执行结果为Extra为Using index，说明sql所需要返回的所有列数据均在一棵索引树上，而无需访问实际的行记录。

Using join buffer (Block Nested Loop):
- 这个 Extra 字段的值表明 MySQL 在执行嵌套循环连接时使用了连接缓冲区。这通常发生在没有可用的合适索引时，MySQL 会将一个表的数据加载到内存中的缓冲区，然后逐一扫描另一个表，以找到满足连接条件的行。
- Block Nested Loop 是指 MySQL 会将外部表（在本例中是 u1）的部分数据块加载到缓冲区，然后与内部表（在本例中是子查询派生表 u2）进行匹配。这样可以减少对磁盘的访问次数，提高查询效率。

需要进行嵌套循环计算.

ALTER TABLE users ADD COLUMN sex CHAR(1);

UPDATE users SET sex = '0' WHERE uname IN ('lisa', 'rose');
UPDATE users SET sex = '1' WHERE uname IN ('jack', 'sam');

EXPLAIN SELECT * 
FROM users u1 
LEFT JOIN 
    (SELECT * FROM users WHERE sex = '0') u2 
ON u1.uname = u2.uname;

没有显示 Using join buffer，可能是因为查询优化器在这个具体的场景下能够有效地使用索引，因此不需要使用连接缓冲区。在这种情况下，MySQL 直接使用了 ref 类型的连接（通过索引进行连接），而不是需要缓冲区的嵌套循环连接。

可以删除或修改表上的索引，以便让 MySQL 在执行查询时无法使用现有的索引，从而被迫使用连接缓冲区。

ALTER TABLE users DROP INDEX idx_uname;

EXPLAIN SELECT * 
FROM users u1 
LEFT JOIN 
    (SELECT * FROM users WHERE sex = '0') u2 
ON u1.uname = u2.uname;

执行结果Extra为Using join buffer (Block Nested Loop) 说明，需要进行嵌套循环计算, 这里每个表都有五条记录，内外表查询的type都为ALL。

问题在于两个关联表join 使用 uname，关联字段均未建立索引，就会出现这种情况。

常见的优化方案是，在关联字段上添加索引，避免每次嵌套循环计算。

Using index condition

搜索条件中虽然出现了索引列，但是有部分条件无法使用索引，会根据能用索引的条件先搜索一遍再匹配无法使用索引的条件。

Using index condition 叫作 Index Condition Pushdown Optimization (索引下推优化)。Index Condition Pushdown (ICP)是MySQL使用索引从表中检索行的一种优化。如果没有ICP，存储引擎将遍历索引以定位表中的行，并将它们返回给MySQL服务器，服务器将判断行的WHERE条件。在启用ICP的情况下，如果可以只使用索引中的列来计算WHERE条件的一部分，MySQL服务器就会将WHERE条件的这一部分推到存储引擎中。然后，存储引擎通过使用索引条目来评估推入的索引条件，只有当满足该条件时，才从表中读取行。ICP可以减少存储引擎必须访问基表的次数和MySQL服务器必须访问存储引擎的次数。

CREATE TABLE employees (
    id INT PRIMARY KEY AUTO_INCREMENT,
    first_name VARCHAR(50),
    last_name VARCHAR(50),
    age INT,
    department_id INT,
    salary DECIMAL(10, 2),
    hire_date DATE
);

INSERT INTO employees (first_name, last_name, age, department_id, salary, hire_date) VALUES
('John', 'Doe', 30, 1, 60000.00, '2015-03-01'),
('Jane', 'Doe', 28, 2, 65000.00, '2016-07-15'),
('Mike', 'Smith', 45, 3, 75000.00, '2010-10-22'),
('Sara', 'Jones', 32, 1, 55000.00, '2018-01-12'),
('Tom', 'Brown', 29, 2, 58000.00, '2017-05-18');

接着，我们在 last_name 和 age 字段上创建复合索引：

CREATE INDEX idx_lastname_age ON employees(last_name, age);

编写一个查询，包含部分能利用索引的条件和部分不能利用索引的条件：

EXPLAIN SELECT * FROM employees WHERE last_name = 'Doe' AND age > 25 AND salary > 60000;

这一行表明 MySQL 在查询中使用了 Index Condition Pushdown 优化。

在这个例子中，last_name = 'Doe' 和 age > 25 可以利用复合索引 idx_lastname_age，因此 MySQL 使用索引条件下推技术，在存储引擎层面尽量减少访问行数据的次数。

salary > 60000 是不能利用索引的条件，但由于使用了 ICP，存储引擎会先根据 last_name 和 age 进行初步过滤，然后再把符合条件的行返回给 MySQL 服务器，服务器进一步应用 salary > 60000 的过滤。

总结：

Index Condition Pushdown (ICP) 是一种优化技术，允许 MySQL 在存储引擎层面应用部分 WHERE 条件，从而减少需要从表中读取的行数。这可以提高查询性能，尤其是在涉及复合索引时。

Using index condition 提示表示 MySQL 已经应用了 ICP 优化。通过使用复合索引和带有多条件的查询，可以显式地观察到这个优化技术的作用。

https://mp.weixin.qq.com/s?__biz=MzkwOTczNzUxMQ==&mid=2247484180&idx=1&sn=2cfeba47a57b0d27d297de2037928080&chksm=c137685cf640e14abf7215d3a063e199b1d9aabf5e659b5113230bfea3a5a79ec84479545682#rd

请添加图片描述