MySQL Explain详解

概述

explain是MySQL中的一个关键字,可以用于模拟优化器执行SQL语句,分析你的SQL的性能瓶颈。

使用时只需将该关键字加在sql头部,如

explain select * from employees where name = 'zhangsan'

案例

explain返回的结果有许多字段,我们又当如何理解呢?

以下有张员工记录表,联合索引:name_age_position

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=100001 DEFAULT CHARSET=utf8 COMMENT='员工记录表';
image-20230120121125751

执行sql

explain select * from employees where name = 'zhangsan'

explain结果

image-20230120121225512

现在,可以简单解读以下其中几个列

1、select_type: 查询类型,SIMPLE:简单查询

2、table: 查询的表

3、possible_keys: 执行该sql可能会用的索引,注意是可能,该列意义不大。

4、key: 执行该sql实际使用的索引,有没有走索引主要看该列

5、key_len: 索引所用的字节数(长度),通过该列可以判断使用了联合索引的哪几个字段。

没错,索引是有长度的,索引的长度等于该索引包含字段长度之和,具体计算规则如下:

  • 字符串
    • char(n):n字节长度
    • varchar(n):如果是utf-8,则长度 3n + 2 字节,加的2字节用来存储字符串长度
  • 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

案例表中的字段name类型为varchar(24),长度即为:3*24+2=74,符合explain中的结果。

如果我们使用该sql语句

explain select * from employees where name = 'zhangsan' and age = 18 and position = 'dev';
image-20230120125258837

name类型为varchar(24),长度:3*24+2=74

age类型为int, 长度:4

position类型为varchar(20),长度:3*20+2=62

74+4+62=140

复杂查询

接下来,我们看一个稍显复杂的例子

explain 
select * from employees t1  
join (select id from employees order by `name` limit 10000, 10) t2 
ON t1.id = t2.id;

该语句含义为:查询以name字段排序的第10000~10010行记录

至于为什么不直接select * from employees order by name limit 10000, 10会在后续索引优化中解释

image-20230120131745532

1、id列:该列并非单纯指返回结果的id,因为你可能也注意到了,第一行和第二行id都为1

id列的具体含义为: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列越大执行优先级越高,id相同则从上往下执行,id为NULL最后执行。

2、select_type:

  • primary:复杂查询中最外层的select
  • 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)

3、table列:deriven2表示: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。

意思就是第一行依赖于第三行id=2的查询

4、type列

  • ALL:即全表扫描,扫描你的聚簇索引的所有叶子节点。

  • eq_refprimary keyunique 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。

  • index:扫描全索引,一般是扫描某个二级索引

5、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

6、row列:mysql估计要读取并检测的行数

6、Extra列:

  • 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

结合以上列的解释,该sql语句的执行计划大概可以这样阐述:

1、先使用联合索引执行select id from employees order by name limit 10000, 10语句,将查询结果id放入临时表中。

2、全表扫描该临时表

3、使用id关联查询select * from employees t1

关于explain的用法大概就是这些,更为详细的理论内容可查看Explain详解和索引最佳实践和官网文档

trace工具

为什么有时候explain的结果和我们的期望不同?

这是因为MySQL优化器会进行成本计算,MySQL觉得不走索引还会快一些。

比如该sql

explain select * from employees3 where name > 'bb';
image-20230120134900202

可以看到在执行计划中不会使用任何索引

关于执行成本,我们可以通过trace工具查看

-- 开启trace
set session optimizer_trace="enabled=on",end_markers_in_json=on;
-- 执行sql
explain select * from employees3 where name > 'bb';
-- 查看结果
SELECT * FROM information_schema.OPTIMIZER_TRACE;
image-20230120135120016

大致内容和解释如下

{
  "steps": [
    {
      "join_preparation": {  -- 第一阶段:SQL准备阶段,格式化sql
        "select#": 1,
        "steps": [
          {
            "expanded_query": "/* select#1 */ select `employees`.`id` AS `id`,`employees`.`name` AS `name`,`employees`.`age` AS `age`,`employees`.`position` AS `position`,`employees`.`hire_time` AS `hire_time` from `employees` where (`employees`.`name` > 'LiLei')"
          }
        ] /* steps */
      } /* join_preparation */
    },
    {
      "join_optimization": {  -- 第二阶段:SQL优化阶段
        "select#": 1,
        "steps": [
          {
            "condition_processing": { -- 条件处理
              "condition": "WHERE",
              "original_condition": "(`employees`.`name` > 'LiLei')",
              "steps": [
                {
                  "transformation": "equality_propagation",
                  "resulting_condition": "(`employees`.`name` > 'LiLei')"
                },
                {
                  "transformation": "constant_propagation",
                  "resulting_condition": "(`employees`.`name` > 'LiLei')"
                },
                {
                  "transformation": "trivial_condition_removal",
                  "resulting_condition": "(`employees`.`name` > 'LiLei')"
                }
              ] /* steps */
            } /* condition_processing */
          },
          {
            "substitute_generated_columns": {
            } /* substitute_generated_columns */
          },
          {
            "table_dependencies": [  -- 表依赖详情
              {
                "table": "`employees`",
                "row_may_be_null": false,
                "map_bit": 0,
                "depends_on_map_bits": [
                ] /* depends_on_map_bits */
              }
            ] /* table_dependencies */
          },
          {
            "ref_optimizer_key_uses": [
            ] /* ref_optimizer_key_uses */
          },
          {
            "rows_estimation": [  -- 预估表的访问成本
              {
                "table": "`employees`",
                "range_analysis": {
                  "table_scan": {  -- 全部扫描情况
                    "rows": 100127, -- 扫描行数
                    "cost": 20380  -- 查询成本
                  } /* table_scan */,
                  "potential_range_indexes": [  -- 查询可能使用的索引
                    {
                      "index": "PRIMARY",  -- 主键索引
                      "usable": false,
                      "cause": "not_applicable"
                    },
                    {
                      "index": "idx_name_age_position",  -- 辅助索引
                      "usable": true,
                      "key_parts": [
                        "name",
                        "age",
                        "position",
                        "id"
                      ] /* key_parts */
                    }
                  ] /* potential_range_indexes */,
                  "setup_range_conditions": [
                  ] /* setup_range_conditions */,
                  "group_index_range": {
                    "chosen": false,
                    "cause": "not_group_by_or_distinct"
                  } /* group_index_range */,
                  "analyzing_range_alternatives": {  -- 分析各个索引使用成本
                    "range_scan_alternatives": [
                      {
                        "index": "idx_name_age_position",
                        "ranges": [
                          "LiLei < name"  -- 索引使用范围
                        ] /* ranges */,
                        "index_dives_for_eq_ranges": true,
                        "rowid_ordered": false,  -- 使用该索引获取的记录是否按照主键排序
                        "using_mrr": false,  
                        "index_only": false,  -- 是否使用覆盖索引
                        "rows": 50063,  -- 索引扫描行数
                        "cost": 60077,  -- 索引查询成本
                        "chosen": false, -- 是否选择
                        "cause": "cost"
                      }
                    ] /* range_scan_alternatives */,
                    "analyzing_roworder_intersect": {
                      "usable": false,
                      "cause": "too_few_roworder_scans"
                    } /* analyzing_roworder_intersect */
                  } /* analyzing_range_alternatives */
                } /* range_analysis */
              }
            ] /* rows_estimation */
          },
          {
            "considered_execution_plans": [
              {
                "plan_prefix": [
                ] /* plan_prefix */,
                "table": "`employees`",
                "best_access_path": {  -- 最优访问路径
                  "considered_access_paths": [ -- 最终选择的访问路径
                    {
                      "rows_to_scan": 100127,
                      "access_type": "scan",  -- 全表扫描
                      "resulting_rows": 100127,
                      "cost": 20378,
                      "chosen": true
                    }
                  ] /* considered_access_paths */
                } /* best_access_path */,
                "condition_filtering_pct": 100,
                "rows_for_plan": 100127,
                "cost_for_plan": 20378,
                "chosen": true
              }
            ] /* considered_execution_plans */
          },
          {
            "attaching_conditions_to_tables": {
              "original_condition": "(`employees`.`name` > 'LiLei')",
              "attached_conditions_computation": [
              ] /* attached_conditions_computation */,
              "attached_conditions_summary": [
                {
                  "table": "`employees`",
                  "attached": "(`employees`.`name` > 'LiLei')"
                }
              ] /* attached_conditions_summary */
            } /* attaching_conditions_to_tables */
          },
          {
            "refine_plan": [
              {
                "table": "`employees`"
              }
            ] /* refine_plan */
          }
        ] /* steps */
      } /* join_optimization */
    },
    {
      "join_execution": {
        "select#": 1,
        "steps": [
        ] /* steps */
      } /* join_execution */
    }
  ] /* steps */
}

如果我的文章对你有所帮助,还请帮忙点赞、收藏、转发一下,你的支持就是我更新的动力,非常感谢!

追更,想要了解更多精彩内容,欢迎关注公众号:程序员阿紫

个人博客网站:https://zijiancode.cn

你可能感兴趣的:(MySQL Explain详解)