【Mysql】Explain详解与实践
演示所用user表在上一节有表结构和数据
【Mysql索引数据结构与算法】
脑图链接
一、EXPLAIN简介
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。
作用
通过EXPLAIN，我们可以分析出以下结果：
● 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
注意：
● EXPLAIN不会执行sql，而是返回执行计划信息。
● FROM中包含子查询，会执行该子查询，放入临时表中
使用方式
EXPLAIN SQL语句
explain select * from tableName a;
执行计划包含信息
explain两个变种
explain extended
会在 explain 的基础上额外提供一些查询优化的信息。紧随其后通过 show warnings 命令可以得到优化后的查询语句，从而看出优化器优化了什么。额外还有 filtered 列，是一个百分比的值，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）。
explain extended select * from tableName where id = 1;
show warnings;
explain partitions
相比 explain 多了个 partitions 字段，如果查询是基于分区表的话，会显示查询将访问的分区。
二、执行计划各字段含义
id
id列的编号是 select 的序列号，有几个 select 就有几个id，并且id的顺序是按 select 出现的顺序增长的。
● id相同，执行顺序由上至下
● d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
红色1、2、3为执行顺序
select_type
| 序号 | select_type类型 | 含义 |
|---|---|---|
| 1 | SIMPLE | 简单的 select 查询,查询中不包含子查询或者UNION |
| 2 | 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Primary |
| 3 | SUBQUERY | 在SELECT或WHERE列表中包含了子查询(不在 from 子句中) |
| 4 | 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 |
| 5 | 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：DERIVED |
| 6 | UNION RESULT | 从UNION表获取结果的SELECT7 |
| 8 | UNCACHEABLE SUBQUREY | 无法被缓存的子查询 |
| 9 | partitions | 如果查询是基于分区表的话，partitions 字段会显示查询将访问的分区 |
table
这一列表示 explain 的一行正在访问哪个表。
当 from 子句中有子查询时，table列是 格式，表示当前查询依赖 id=N 的查询，于是先执行 id=N 的查询。
当有 union 时，UNION RESULT 的 table 列的值为
type
这一列表示关联类型或访问类型，即查询使用了哪种类型。
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
explain select min(id) from user a ;
● system 表只有一行记录（等于系统表），这是const类型的特列，平时不会出现，这个也可以忽略不计
● 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就能将该查询转换为一个常量
explain select * from user a where a.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。常见于主键或唯一索引扫描
● 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，它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
explain select * from user a where a.name='zk';
● 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between、< 、>、in等的查询，这种范围扫描索引比全表扫描要好，因为它只需要开始于索引的某一点，而结束于另一点，不用扫描全部索引
explain select * from user a where a.name<'zk';
● index Full Index Scan，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index是从索引中读取的，而all是从硬盘读取的）
● all Full Table Scan 将遍历全表以找到匹配的行
possible_keys和key
表示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
key_len计算规则如下：
，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
字符串 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 | 字节 |
|---|---|
| tinyint | 1 |
| smallint | 2 |
| int | 4 |
| bigint | 8 |
| 时间类型 | 字节 |
| date | 3 |
| timestamp | 4 |
| datetime | 8 |
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。
举例：
--create index index_name_sex_age on whk_db.user (name, sex, age);
explain select * from whk_db.user a where a.name='zk' ;
--create index index_name_sex_age on whk_db.user (name, sex, age);
explain select * from whk_db.user a where a.name='zk' and sex=1;
ref
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）
rows
根据表统计信息及索引选用情况，大致估算出找到所需的记录所需要读取的行数，也就是说，用的越少越好
Extra
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
explain select a.id, age, name, sex from user a where a.name='zk' and sex=1 and age=18;
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 a.id, age, name, sex,hobby from user a where a.name='zk' and sex=1 and age<18;
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 a.id, age, name, sex,hobby from user a where a.name='zk' and sex=1 and age<18;
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
explain select a.id, age, name, sex,hobby from user a order by age;
Using filesort
将用文件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
explain select a.id, age, name, sex,hobby from user a order by age;
Select tables optimized away
使用某些聚合函数（比如 max、min）来访问存在索引的某个字段
partitions
如果查询是基于分区表的话，partitions 字段会显示查询将访问的分区
三、实例分析
表结构与表数据
--order表
create table `order`
(
order_id varchar(32) not null,
trade_date date null,
amount decimal(10,2) null,
shop_id bigint null
);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('123', '2023-04-21', 20.00, 1);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('124', '2023-04-22', 15.00, 1);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('125', '2023-04-23', 16.00, 1);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('126', '2023-04-23', 20.00, 2);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('127', '2023-04-22', 30.00, 2);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('128', '2023-04-21', 5.00, 2);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('129', '2023-04-21', 5.00, 3);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('130', '2023-04-22', 5.00, 3);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('131', '2023-04-23', 5.00, 3);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('132', '2023-04-21', 10.00, 4);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('133', '2023-04-22', 20.00, 4);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('134', '2023-04-23', 30.00, 4);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('135', '2023-04-21', 20.00, 5);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('136', '2023-04-22', 30.00, 5);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('137', '2023-04-23', 5.00, 5);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('138', '2023-04-21', 20.00, 6);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('139', '2023-04-22', 10.00, 6);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('140', '2023-04-23', 15.00, 6);
INSERT INTO order (order_id, trade_date, amount, shop_id) VALUES ('141', '2023-04-21', 10.00, 1);
--shop表
create table shop
(
shop_id varchar(32) not null,
company_id varchar(32) null
);
INSERT INTO shop (shop_id, company_id) VALUES ('1', 'a');
INSERT INTO shop (shop_id, company_id) VALUES ('2', 'a');
INSERT INTO shop (shop_id, company_id) VALUES ('3', 'a');
INSERT INTO shop (shop_id, company_id) VALUES ('4', 'b');
INSERT INTO shop (shop_id, company_id) VALUES ('5', 'b');
INSERT INTO shop (shop_id, company_id) VALUES ('6', 'c');
问题分析
Question A
有如下两张表，请统计各公司每天的营业额和各公司每天的累积营业额
说明：累积营业额是指：比如第一天是100，第二天是200，那么第二天累积营业额就是300
--计算各公司每天的营业额
select s.company_id,sum(o.amount) day_amount,o.trade_date
from whk_db.`order` o,whk_db.`shop` s
where o.shop_id = s.shop_id
GROUP BY s.company_id,o.trade_date;
执行计划：
QuestionB
如何建索引能提高查询速度
根据执行计划来看，现在表没有建立索引都为全表扫描、排序也是文件排序和内存排序。
思路：
是不是可以直接使用主键联合索引来建立索引树，直接进行查询，看了一下order表唯一主键需要使用order_id考虑到增长和重复使用的是varchar，不太适合使用主键联合索引。所以使用联合索引
alter table shop add primary key(shop_id);
create index shop_company_id_index on shop (company_id);
create index order_shop_id_trade_date_amount_index on `order` (shop_id, trade_date,amount);
explain select company_id,sum(day_amount) OVER (PARTITION BY t.company_id ORDER BY t.trade_date) AS cumulative_sales,trade_date from(
select s.company_id,sum(o.amount) as day_amount,o.trade_date
from `order` o,`shop` s where o.shop_id = s.shop_id
GROUP BY
s.company_id,
o.trade_date) as t;
查询使用联合索引，这里加上amount是因为加上之后可以走覆盖索引。
后面的衍生表走的是全表扫描和文件排序，不知道还有没有可以优化的地方，还在思考。