Explain详解

最新推荐文章于 2024-05-31 11:11:09 发布

开水烫蛤蟆

最新推荐文章于 2024-05-31 11:11:09 发布

阅读量285

点赞数

分类专栏： MySQL 文章标签：数据库 mysql sql

本文链接：https://blog.csdn.net/jiayoubaobei2/article/details/127741207

版权

MySQL 专栏收录该内容

15 篇文章 0 订阅

订阅专栏

1.定义

使用EXPLAIN关键字可以模拟优化器执行SQL语句，分析你的查询语句或是结构的性能瓶颈

2.示例表结构

演员表

DROP TABLE IF EXISTS `actor`;
CREATE TABLE `actor` (
`id` int(11) NOT NULL,
`name` varchar(45) DEFAULT NULL,
`update_time` datetime DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

数据插入

INSERT INTO `actor` (`id`, `name`, `update_time`) VALUES (1,'a','2022-11-09 23:07:11'), (2,'b','2022-11-09 23:08:11'), (3,'c','2022-11-09 23:09:11');

电影表

DROP TABLE IF EXISTS `film`;
CREATE TABLE `film` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(10) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `idx_name` (`name`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

数据插入

INSERT INTO `film` (`id`, `name`) VALUES (3,'film0'),(1,'film1'),(2,'film2');

演员表

CREATE TABLE `film_actor` (
`id` int(11) NOT NULL,
`film_id` int(11) NOT NULL,
`actor_id` int(11) NOT NULL,
`remark` varchar(255) DEFAULT NULL,
KEY `idx_film_actor_id` (`film_id`,`actor_id`)
 ) ENGINE=InnoDB DEFAULT CHARSET=utf8;

数据插入

INSERT INTO `film_actor` (`id`, `film_id`, `actor_id`) VALUES (1,1,1),(2,1,2),(3,2,1);

3. 各字段含义

3.1 示例查询

EXPLAIN SELECT * FROM actor;

3.2 partitioins

一般不用

3.3 filtered

是一个半分比的值，rows *filtered/100 可以估算出将要和 explain 中前一个表进行连接的行数（前一个表指 explain 中的id值比当前表id值小的表）

上面这个查询例子：就是3*100/100 = 3，查询出来就是3行，简单理解就是查询来的行数，如果关联其他表的话，就表示这个表和其他表关联的大概行数，大概看一下就可以了

3.4 show warning

表示MySQL大体的一个执行流程

3.5 id

查询的优先顺序，id越大执行优先级越高，越小则相反，如果相等的话，谁排在前面谁就先执行

3.6 select_type

select_type 表示对应行是简单还是复杂的查询。

1）simple：简单查询。查询不包含子查询和union，join也是简单查询
2）primary：复杂查询中最外层的 select
3）subquery：包含在 select 中的子查询（不在 from 子句中）
4）derived：包含在 from 子句中的子查询。MySQL会将结果存放在一个临时表中，也称为派生表（derived的英文含义）

5）union：在 union 中的第二个和随后的 select

举例说明：

SET SESSION optimizer_switch='derived_merge=off'; #关闭mysql5.7新特性对衍生表的合并优化
EXPLAIN SELECT (SELECT 1 FROM actor WHERE id = 1) FROM (SELECT * FROM film WHEREid = 1) der;

set session optimizer_switch='derived_merge=on'; #还原默认配置

explain select 1 union all select 1;

3.7 table

就是这条查询具体查询的哪一张表，像上面的那个例子，id为1所查询的表就是派生表，后面那个3就是派生表对应的id值

当有 union 时，UNION RESULT 的 table 列的值为<union1,2>，1和2表示参与 union 的 select 行id。

3.8 type

这一列表示关联类型或访问类型，即MySQL决定如何查找表中的行，查找数据行记录的大概范围。
依次从最优到最差分别为：system > const > eq_ref > ref > range > index > ALL
一般来说，得保证查询达到range级别，最好达到ref
NULL：mysql能够在优化阶段分解查询语句，在执行阶段用不着再访问表或索引。例如：在索引列中选取最小值，可以单独查找索引来完成，不需要在执行时访问表

null

explain select min(id) from film;

像这种的，直接走索引树就可以拿到最小的主键，不需要去扫描表，很少有这种情况

system,const

mysql能对查询的某部分进行优化并将其转化成一个常量（可以看show warnings 的结果）。用于primary key 或 unique key 的所有列与常数比较时，所以表最多有一个匹配行，读取1次，速度比较快。system是const的特例，表里只有一条元组匹配时为system

EXPLAIN SELECT * FROM (SELECT * FROM film WHERE id = 1) tmp;

const：就是你查询条件是唯一索引或者主键，你查询出来只有一条，const代表constant就是常量，意思就是查询跟查询常量一样快

system：就是你查询的表本身就一行记录

eq_ref

primary key 或 unique key 索引的所有部分被连接使用，最多只会返回一条符合条件的记录。这可能是在const 之外最好的联接类型了，简单的 select 查询不会出现这种 type。

explain select * from film_actor left join film on film_actor.film_id = film.id;

简单来说，就是用到了主键或者唯一索引关联，就是出现eq_ref

ref

相比 eq_ref，不使用唯一索引，而是使用普通索引或者唯一性索引的部分前缀，索引要和某个值相比较，可能会找到多个符合条件的行，跟eq_ref的区别就是，那个是查询出一条数据，而ref可能会查出多条数据

range

范围扫描通常出现在 in(), between ,> ,<, >= 等操作中。使用一个索引来检索给定范围的行。

explain select * from actor where id > 1;

index

扫描全索引就能拿到结果，一般是扫描某个二级索引，这种扫描不会从索引树根节点开始快速查找，而是直接对二级索引的叶子节点遍历和扫描，速度还是比较慢的，这种查询一般为使用覆盖索引，二级索引一般比较小，所以这种通常比ALL快一些

这个底层还是一个一个去遍历索引，相当于查了整张表，只不过比直接查询整张表效率高一点

explain select * from film;

这条sql是没有查询条件的，但是explain还是有走的查询索引，这里面走的是二级索引，明明可以走主键id，它却走的是二级索引，这里面因为film表就两个字段，在二级索引里面直接就能查询全部数据，虽然在主键索引里面也能查询出全部数据，但是MySQL里面会优先选择二级索引来查询，因为二级索引小，因为主键索引会带着整个表的数据，二级索引带的字段数据肯定没有主键索引多，肯定会优先扫描小的索引了，如果二级索引没有这个字段的话，他就需要进行回表查询，这样的话，有可能效率比较低，还不如直接去查主键索引，这个MySQL会根据一定算法选择具体使用哪个索引，如果二级索引能把信息查全了，就不会走主键索引了，主键索引比二级索引大

All

即全表扫描，扫描你的聚簇索引的所有叶子节点。通常情况下这需要增加索引来进行优化了。

这里面就是全表扫描，因为这张表里面是一个索引都没有，只有一个主键索引，扫的就是聚集索引，扫的是所有的根节点，index的效率高就在于二级索引数据量比主键索引小

核心点：就是你一定要能够从根节点折半查询数据(就是按照条件查询的，index是查询全部)，可能就查询到几条记录，像后面的index和all，一个是走普通索引从第一个挨个遍历一遍，一个是走主键从第一个开始遍历，这个是查询了全部数据，index是全索引扫描，那些效率高的都是折半查找

3.9 possible_keys

这一列显示查询可能使用哪些索引来查找。
explain 时可能出现 possible_keys 有列，而 key 显示 NULL 的情况，这种情况是因为表中数据不多，mysql认为索引对此查询帮助不大，选择了全表查询。
如果该列是NULL，则没有相关的索引。在这种情况下，可以通过检查 where 子句看是否可以创造一个适当的索引来提高查询性能，然后用 explain 查看效果。

3.10 key

这一列显示mysql实际采用哪个索引来优化对该表的访问。
如果没有使用索引，则该列是 NULL。如果想强制mysql使用或忽视possible_keys列中的索引，在查询中使用 force index、ignore index。

3.11 key_len列

这一列显示了mysql在索引里使用的字节数，通过这个值可以算出具体使用了索引中的哪些列。
举例来说，film_actor的联合索引 idx_film_actor_id 由 film_id 和 actor_id 两个int列组成，并且每个int是4字节。通过结果中的key_len=4可推断出查询使用了第一个列：film_id列来执行索引查找。

explain select * from film_actor where film_id = 2;

key_len计算规则如下：
字符串，char(n)和varchar(n)，5.0.3以后版本中，n均代表字符数，而不是字节数，如果是utf-8，一个数字或字母占1个字节，一个汉字占3个字节

char(n)：如果存汉字长度就是 3n 字节
varchar(n)：如果存汉字则长度是 3n + 2 字节，加的2字节用来存储字符串长度，因为varchar是变长字符串

数值类型

tinyint：1字节
smallint：2字节
int：4字节
bigint：8字节

时间类型

date：3字节
timestamp：4字节
datetime：8字节

如果字段允许为 NULL，需要1字节记录是否为 NULL
索引最大长度是768字节，当字符串过长时，mysql会做一个类似左前缀索引的处理，将前半部分的字符提取出来做索引。

3.12 ref列

这一列显示了在key列记录的索引中，表查找值所用到的列或常量，常见的有：const（常量），字段名（例：film.id）

3.13 rows列

这一列是mysql估计要读取并检测的行数，注意这个不是结果集里的行数。预估值

3.14 Extra列

这一列展示的是额外信息。常见的重要值如下：

1） Using index ：使用覆盖索引

覆盖索引定义：mysql执行计划explain结果里的key有使用索引，如果select后面查询的字段都可以从这个索引的树中获取，这种情况一般可以说是用到了覆盖索引，extra里一般都有using index；覆盖索引一般针对的是辅助索引，整个查询结果只通过辅助索引就能拿到结果，不需要通过辅助索引树找到主键，再通过主键去主键索引树里获取其它字段值

就是通过索引树就能查到所需要的数据，不需要回表去查找其他数据了

explain select film_id from film_actor where film_id = 1;

2）Using where：使用 where 语句来处理结果，并且查询的列未被索引覆盖

explain select * from actor where name = 'a';

就是很普通的查询，没有用到索引，这种的肯定需要优化的

3）Using index condition：查询的列不完全被索引覆盖，where条件中是一个前导列的范围；

explain select * from film_actor where film_id > 1;

4）Using temporary：mysql需要创建一张临时表来处理查询。出现这种情况一般是要进行优化的，首先是想到用索引来优化。

1. actor.name没有索引，此时创建了张临时表来distinct，因为没有索引就没有排序，需要用一张临时表进行去重，但是下面这种情况，有索引了，自动帮你去重了，扫描索引树的时候就能把结果集找出来了

explain select distinct name from actor;

2. film.name建立了idx_name索引，此时查询时extra是using index,没有用临时表

5）Using filesort：将用外部排序而不是索引排序，数据较小时从内存排序，否则需要在磁盘完成排序。这种情况下一般也是要考虑使用索引来优化的。

1. actor.name未创建索引，会浏览actor整个表，保存排序关键字name和对应的id，然后排序name并检索行记录

explain select * from actor order by name;

2. film.name建立了idx_name索引,此时查询时extra是using index

explain select * from film order by name;

4. 索引最佳实践

4.1 创建表

CREATE TABLE `employees` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
`age` int(11) NOT NULL DEFAULT '0' COMMENT '年龄',
`position` varchar(20) NOT NULL DEFAULT '' COMMENT '职位',
`hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入职时间',
PRIMARY KEY (`id`),
KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=utf8 COMMENT='员工记录表';

INSERT INTO employees(name,age,position,hire_time) VALUES('LiLei',22,'manager',NOW());
INSERT INTO employees(name,age,position,hire_time) VALUES('HanMeimei',23,'dev',NOW());
INSERT INTO employees(name,age,position,hire_time) VALUES('Lucy',23,'dev',NOW());

EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 22 AND position ='manager';

1.写索引最好按照最左原则的顺序来编写，虽然你位置写的不对，sql会帮你优化，尽量不要让sql去承担一些工作

2.不在索引列上做任何操作（计算、函数、（自动or手动）类型转换），会导致索引失效而转向全表扫描，就是如果你对字段进行函数操作，这个数据就变了，在索引树上无法查找，根本就没有规律去查找数据，原来是靠本身字段从根节点查询数据，所以就会是失效

EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 22 AND position ='manager';
EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age > 22 AND position ='manager';

3.第一个是三个索引都走的，第二个是只走前面两个字段，age>22查询的时候肯定是有序的，但是你走完age后，再去查询positiion，age是范围的造成了position数据是无序的，所以不走索引，如果age是定值的，position就是有序的

4.尽量使用覆盖索引（只访问索引的查询（索引列包含查询列）），减少 select * 语句

5.就是如果数据量小的话，有可能会全表扫描，还可能效率更高一点，因为走索引还有可能要回表查询数据

6. 解决like'%字符串%'索引不被使用的方法？如果你查询所有的字段，那肯定要全表扫描，但是你单独查几个字段，把这几个字段构成复合索引，建索引树的话，可能就是index 类型查找了

7.这种in或者or，如果太多的话，需要扫索引树，扫好几次，那还不如直接一次性全扫完，所以看数量大小

8.范围查询优化