59.慢sql优化之otpimizer trace和show profile

最新推荐文章于 2024-04-30 18:08:01 发布

然而,然而

最新推荐文章于 2024-04-30 18:08:01 发布

阅读量184

点赞数

文章标签： sql 数据库

本文链接：https://blog.csdn.net/qq_30635523/article/details/131325568

版权

otpimizer trace 表的神奇功效

MySQL5.6提供了对SQL的跟踪trace, 通过trace文件能够进一步了解为什么优化器选择A计划, 而不是选择B计划。

打开trace ，设置格式为 JSON，并设置trace最大能够使用的内存大小，避免解析过程中因为默认内存过小而不能够完整展示。

SET optimizer_trace="enabled=on",end_markers_in_json=on; set optimizer_trace_max_mem_size=1000000;

执行SQL语句：

select * from tb_item where id < 4;

最后，检查informationschema.optimizertrace就可以知道MySQL是如何执行SQL的：

select * from information_schema.optimizer_trace\G;

对于MySQL 5.6以及之前的版本来说，查询优化器就像是一个黑盒子一样，你只能通过EXPLAIN语句查看到最后优化器决定使用的执行计划，却无法知道它为什么做这个决策。这对于一部分喜欢刨根问底的小伙伴来说简直是灾难：“我就觉得使用其他的执行方案比EXPLAIN输出的这种方案强，凭什么优化器做的决定和我想的不一样呢？”

在MySQL 5.6以及之后的版本中，设计MySQL的大叔贴心的为这部分小伙伴提出了一个optimizer trace的功能，这个功能可以让我们方便的查看优化器生成执行计划的整个过程，这个功能的开启与关闭由系统变量optimizer_trace决定，我们看一下：

可以看到enabled值为off，表明这个功能默认是关闭的。

小贴士： one_line的值是控制输出格式的，如果为on那么所有输出都将在一行中展示，不适合人阅读，所以我们就保持其默认值为off吧。

如果想打开这个功能，必须首先把enabled的值改为on，就像这样：

mysql> SET optimizer_trace="enabled=on"; Query OK, 0 rows affected (0.00 sec)

然后我们就可以输入我们想要查看优化过程的查询语句，当该查询语句执行完成后，就可以到information_schema数据库下的OPTIMIZER_TRACE表中查看完整的优化过程。这个OPTIMIZER_TRACE表有4个列，分别是：

QUERY：表示我们的查询语句。
TRACE：表示优化过程的JSON格式文本。
MISSING_BYTES_BEYOND_MAX_MEM_SIZE：由于优化过程可能会输出很多，如果超过某个限制时，多余的文本将不会被显示，这个字段展示了被忽略的文本字节数。
INSUFFICIENT_PRIVILEGES：表示是否没有权限查看优化过程，默认值是0，只有某些特殊情况下才会是1，我们暂时不关心这个字段的值。

完整的使用optimizer trace功能的步骤总结如下：

```

1. 打开optimizer trace功能 (默认情况下它是关闭的):

SET optimizer_trace="enabled=on";

2. 这里输入你自己的查询语句

SELECT ...;

3. 从OPTIMIZER_TRACE表中查看上一个查询的优化过程

SELECT * FROM informationschema.OPTIMIZERTRACE;

4. 可能你还要观察其他语句执行的优化过程，重复上边的第2、3步

...

5. 当你停止查看语句的优化过程时，把optimizer trace功能关闭

SET optimizer_trace="enabled=off"; ```

现在我们有一个搜索条件比较多的查询语句，它的执行计划如下：

可以看到该查询可能使用到的索引有3个，那么为什么优化器最终选择了idx_key2而不选择其他的索引或者直接全表扫描呢？这时候就可以通过otpimzer trace功能来查看优化器的具体工作过程：

SET optimizer_trace="enabled=on"; SELECT * FROM s1 WHERE key1 > 'z' AND key2 < 1000000 AND key3 IN ('a', 'b', 'c') AND common_field = 'abc'; SELECT * FROM information_schema.OPTIMIZER_TRACE\G

我们直接看一下通过查询OPTIMIZER_TRACE表得到的输出(我使用#后跟随注释的形式为大家解释了优化过程中的一些比较重要的点，大家重点关注一下)：

``` ******** 1. row ********

分析的查询语句是什么

QUERY: SELECT * FROM s1 WHERE key1 > 'z' AND key2 < 1000000 AND key3 IN ('a', 'b', 'c') AND common_field = 'abc'

优化的具体过程

TRACE: { "steps": [ { "joinpreparation": { # prepare阶段 "select#": 1, "steps": [ { "INusesbisection": true }, { "expandedquery": "/* select#1 / select s1.id AS id,s1.key1 AS key1,s1.key2 AS key2,s1.key3 AS key3,s1.key_part1 AS key_part1,s1.key_part2 AS key_part2,s1.key_part3 AS key_part3,s1.common_field AS common_field from s1 where ((s1.key1 > 'z') and (s1.key2 < 1000000) and (s1.key3 in ('a','b','c')) and (s1.common_field = 'abc'))" } ] / steps / } / joinpreparation */ }, { "joinoptimization": { # optimize阶段 "select#": 1, "steps": [ { "conditionprocessing": { # 处理搜索条件 "condition": "WHERE", # 原始搜索条件 "originalcondition": "((s1.key1 > 'z') and (s1.key2 < 1000000) and (s1.key3 in ('a','b','c')) and (s1.common_field = 'abc'))", "steps": [ { # 等值传递转换 "transformation": "equalitypropagation", "resultingcondition": "((s1.key1 > 'z') and (s1.key2 < 1000000) and (s1.key3 in ('a','b','c')) and (s1.common_field = 'abc'))" }, { # 常量传递转换 "transformation": "constantpropagation", "resultingcondition": "((s1.key1 > 'z') and (s1.key2 < 1000000) and (s1.key3 in ('a','b','c')) and (s1.common_field = 'abc'))" }, { # 去除没用的条件 "transformation": "trivialconditionremoval", "resultingcondition": "((s1.key1 > 'z') and (s1.key2 < 1000000) and (s1.key3 in ('a','b','c')) and (s1.common_field = 'abc'))" } ] /* steps */ } /* conditionprocessing / }, { # 替换虚拟生成列 "substitute_generated_columns": { } / substitutegeneratedcolumns / }, { # 表的依赖信息 "table_dependencies": [ { "table": "s1", "row_may_be_null": false, "map_bit": 0, "depends_on_map_bits": [ ] / dependsonmapbits */ } ] /* tabledependencies / }, { "ref_optimizer_key_uses": [ ] / refoptimizerkeyuses */ }, { # 预估不同单表访问方法的访问成本重点关注对象 "rowsestimation": [ { "table": "s1", "rangeanalysis": { "tablescan": { # 全表扫描的行数以及成本 "rows": 9688, "cost": 2036.7 } /* tablescan */, # 分析可能使用的索引 "potentialrangeindexes": [ { "index": "PRIMARY", # 主键不可用 "usable": false, "cause": "notapplicable" }, { "index": "idxkey2", # idxkey2可能被使用 "usable": true, "keyparts": [ "key2" ] /* keyparts / }, { "index": "idx_key1", # idx_key1可能被使用 "usable": true, "key_parts": [ "key1", "id" ] / keyparts */ }, { "index": "idxkey3", # idxkey3可能被使用 "usable": true, "keyparts": [ "key3", "id" ] /* keyparts */ }, { "index": "idxkeypart", # idxkeypart不可用 "usable": false, "cause": "notapplicable" } ] /* potentialrangeindexes */, "setuprangeconditions": [ ] /* setuprangeconditions */, "groupindexrange": { "chosen": false, "cause": "notgroupbyordistinct" } /* groupindexrange */, # 分析各种可能使用的索引的成本 "analyzingrangealternatives": { "rangescanalternatives": [ { # 使用idxkey2的成本分析 "index": "idxkey2", # 使用idxkey2的范围区间 "ranges": [ "NULL < key2 < 1000000" ] /* ranges /, "index_dives_for_eq_ranges": true, # 是否使用index dive "rowid_ordered": false, # 使用该索引获取的记录是否按照主键排序 "using_mrr": false, # 是否使用mrr "index_only": false, # 是否是索引覆盖访问 "rows": 12, # 使用该索引获取的记录条数 "cost": 15.41, # 使用该索引的成本 "chosen": true # 是否选择该索引 }, { # 使用idx_key1的成本分析 "index": "idx_key1", # 使用idx_key1的范围区间 "ranges": [ "z < key1" ] / ranges /, "index_dives_for_eq_ranges": true, # 是否使用index dive "rowid_ordered": false, # 使用该索引获取的记录是否按照主键排序 "using_mrr": false, # 是否使用mrr "index_only": false, # 是否是索引覆盖访问 "rows": 266, # 使用该索引获取的记录条数 "cost": 320.21, # 使用该索引的成本 "chosen": false, # 是否选择该索引 "cause": "cost" # 因为成本太大所以不选择该索引 }, { # 使用idx_key3的成本分析 "index": "idx_key3", # 使用idx_key3的范围区间 "ranges": [ "a <= key3 <= a", "b <= key3 <= b", "c <= key3 <= c" ] / ranges /, "index_dives_for_eq_ranges": true, # 是否使用index dive "rowid_ordered": false, # 使用该索引获取的记录是否按照主键排序 "using_mrr": false, # 是否使用mrr "index_only": false, # 是否是索引覆盖访问 "rows": 21, # 使用该索引获取的记录条数 "cost": 28.21, # 使用该索引的成本 "chosen": false, # 是否选择该索引 "cause": "cost" # 因为成本太大所以不选择该索引 } ] / rangescanalternatives /, # 分析使用索引合并的成本 "analyzing_roworder_intersect": { "usable": false, "cause": "too_few_roworder_scans" } / analyzingroworderintersect / } / analyzingrangealternatives /, # 对于上述单表查询s1最优的访问方法 "chosen_range_access_summary": { "range_access_plan": { "type": "range_scan", "index": "idx_key2", "rows": 12, "ranges": [ "NULL < key2 < 1000000" ] / ranges / } / rangeaccessplan /, "rows_for_plan": 12, "cost_for_plan": 15.41, "chosen": true } / chosenrangeaccesssummary */ } /* rangeanalysis / } ] / rowsestimation */ }, { # 分析各种可能的执行计划 #(对多表查询这可能有很多种不同的方案，单表查询的方案上边已经分析过了，直接选取idxkey2就好) "consideredexecutionplans": [ { "planprefix": [ ] /* planprefix /, "table": "s1", "best_access_path": { "considered_access_paths": [ { "rows_to_scan": 12, "access_type": "range", "range_details": { "used_index": "idx_key2" } / rangedetails */, "resultingrows": 12, "cost": 17.81, "chosen": true } ] /* consideredaccesspaths / } / bestaccesspath /, "condition_filtering_pct": 100, "rows_for_plan": 12, "cost_for_plan": 17.81, "chosen": true } ] / consideredexecutionplans / }, { # 尝试给查询添加一些其他的查询条件 "attaching_conditions_to_tables": { "original_condition": "((s1.key1 > 'z') and (s1.key2 < 1000000) and (s1.key3 in ('a','b','c')) and (s1.common_field = 'abc'))", "attached_conditions_computation": [ ] / attachedconditionscomputation /, "attached_conditions_summary": [ { "table": "s1", "attached": "((s1.key1 > 'z') and (s1.key2 < 1000000) and (s1.key3 in ('a','b','c')) and (s1.common_field = 'abc'))" } ] / attachedconditionssummary / } / attachingconditionstotables */ }, { # 再稍稍的改进一下执行计划 "refineplan": [ { "table": "s1", "pushedindexcondition": "(s1.key2 < 1000000)", "tableconditionattached": "((s1.key1 > 'z') and (s1.key3 in ('a','b','c')) and (s1.common_field = 'abc'))" } ] /* refineplan */ } ] /* steps */ } /* joinoptimization / }, { "join_execution": { # execute阶段 "select#": 1, "steps": [ ] / steps / } / join_execution / } ] / steps */ }

因优化过程文本太多而丢弃的文本字节大小，值为0时表示并没有丢弃

MISSINGBYTESBEYONDMAXMEM_SIZE: 0

权限字段

INSUFFICIENT_PRIVILEGES: 0 1 row in set (0.00 sec) ```

大家看到这个输出的第一感觉就是这文本也太多了点儿吧，其实这只是优化器执行过程中的一小部分，设计MySQL的大叔可能会在之后的版本中添加更多的优化过程信息。不过杂乱之中其实还是蛮有规律的，优化过程大致分为了三个阶段：

prepare阶段
optimize阶段
execute阶段

我们所说的基于成本的优化主要集中在optimize阶段，对于单表查询来说，我们主要关注optimize阶段的"rows_estimation"这个过程，这个过程深入分析了对单表查询的各种执行方案的成本；对于多表连接查询来说，我们更多需要关注"considered_execution_plans"这个过程，这个过程里会写明各种不同的连接方式所对应的成本。反正优化器最终会选择成本最低的那种方案来作为最终的执行计划，也就是我们使用EXPLAIN语句所展现出的那种方案。

如果有小伙伴对使用EXPLAIN语句展示出的对某个查询的执行计划很不理解，大家可以尝试使用optimizer trace功能来详细了解每一种执行方案对应的成本，相信这个功能能让大家更深入的了解MySQL查询优化器。

show profile分析SQL

Mysql从5.0.37版本开始增加了对 show profiles 和 show profile 语句的支持。show profiles 能够在做SQL优化时帮助我们了解时间都耗费到哪里去了。

通过 have_profiling 参数，能够看到当前MySQL是否支持profile：

默认profiling是关闭的，可以通过set语句在Session级别开启profiling：

set profiling=1; #开启profiling 开关；

通过profile，我们能够更清楚地了解SQL执行的过程。

首先，我们可以执行一系列的操作，如下图所示：

show databases; use db01; show tables; select * from tb_item where id < 5; select count(*) from tb_item;

执行完上述命令之后，再执行show profiles 指令，来查看SQL语句执行的耗时：

通过show profile for query query_id 语句可以查看到该SQL执行过程中每个线程的状态和消耗的时间：

TIP ： Sending data 状态表示MySQL线程开始访问数据行并把结果返回给客户端，而不仅仅是返回个客户端。由于在Sending data状态下，MySQL线程往往需要做大量的磁盘读取操作，所以经常是整各查询中耗时最长的状态。

在获取到最消耗时间的线程状态后，MySQL支持进一步选择all、cpu、block io 、context switch、page faults等明细类型类查看MySQL在使用什么资源上耗费了过高的时间。例如，选择查看CPU的耗费时间：

| 字段 | 含义 | | ---------- | ----------------- | | Status | sql 语句执行的状态 | | Duration | sql 执行过程中每一个步骤的耗时 | | CPUuser | 当前用户占有的cpu | | CPUsystem | 系统占有的cpu

然而,然而

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
59.慢sql优化之otpimizer trace和show profile

otpimizer trace 表的神奇功效MySQL5.6提供了对SQL的跟踪trace, 通过trace文件能够进一步了解为什么优化器选择A计划, 而不是选择B计划。打开trace ，设置格式为 JSON，并设置trace最大能够使用的内存大小，避免解析过程中因为默认内存过小而不能够完整展示。SET optimizer_trace="enabled=on",end_marker...
复制链接

扫一扫