MySQL explain执行计划详解

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

怎么使用

要使用它，只需将此关键字添加到 SQL 语句前面即可，例如：

explain select * from users where name = 'foo'

explain返回的结果有很多字段，都是什么意思?

下面是users表，有一个联合索引：name_age_school。

CREATE TABLE `users` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `name` varchar(24) NOT NULL DEFAULT '',
  `age` int(11) NOT NULL DEFAULT 0,
  `school` varchar(20) NOT NULL DEFAULT '',
  `birthday` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`),
  KEY `idx_name_age_school` (`name`,`age`,`school`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=1;

执行sql：

explain select * from users where name = 'foo';

执行计划的结果：

复杂查询

接下来，看一个稍微复杂一点的例子。

explain 
select * from users u1  
join (select id from users order by name limit 10000, 10) u2 
ON u1.id = u2.id;

该语句的含义是：查询按name字段排序的第10000到10010行的记录。

现在，解释一下结果中返回的这些列都是什么意思：

1. id

select 查询的序列号，它是一组数字，表示 select 子句或操作表在查询中执行的顺序。

它有三种结果

• id相同：表示执行顺序是从上到下。
• id不同：如果是子查询，ID的序数会递增，ID的值越大，优先级越高，最先执行
• id有相同也有不相同：如果id相同，则可以认为是一组，按照从上到下的顺序执行。 所有组中，id值越高，优先级越高，越先执行。例如，使用 union 的查询。

2. select_type

查询类型，有 6 个值。

• SIMPLE：没有子查询或联合查询的简单查询。
• PRIMARY：如果查询包含任何复杂的子部分，则最外面的查询将被标记为主查询。
• SUBQUERY： select 或 where语句中包含子查询。
• DERIVED：FROM 列表中包含的子查询标记为 DERIVED，MySQL 这些子查询以递归方式执行，将结果放置在临时表中。
• UNION：如果第二个select出现在union之后，则被标记为UNION。
• UNION RESULT：选择从UNION表中获取结果

3. type

• system：这是最基本和最简单的类型。它通常涉及单个行，并用于访问表中的单个行的查询。
• const：当查询可以基于常量主键查找而仅能检索一行时使用此类型。
• eq_ref：此类型用于执行使用主键或唯一索引进行唯一索引查找的查询。
• ref：此类型用于查询使用非唯一索引来根据单个值检索行的情况。
• range：此类型表示查询正在使用索引上的范围搜索，以检索在指定范围内的行。
• index：此类型类似于range，但用于查询扫描整个索引。当需要检查索引的较大部分时，它可能不如range高效。
• all：此类型用于查询执行完整表扫描，即检查表中的所有行。
• fulltext：此类型专用于全文搜索，用于查询使用全文索引的情况。
• unique_subquery：当查询使用具有UNIQUE索引的子查询时使用此类型。
• index_subquery：当查询使用带有索引的子查询时使用此类型。
• index_merge：表示使用索引合并的优化方法。

4. table

查询哪个表

5. possible_keys

显示可能应用于此表的一个或多个索引。

如果查询涉及的字段存在索引，则会列出该索引，但可能不会使用该索引

6. key

实际使用的索引，如果为NULL，则没有使用索引。 如果查询中使用了覆盖索引（查询的列恰好是索引），则该索引仅出现在key列表中。

7. key_len

表示索引中使用的字节数，计算查询中使用的索引的长度。 在不损失准确性的情况下，长度越短越好。

显示的 key_len 值是索引字段的最大可能长度，而不是实际使用的长度。 key_len是根据定义计算出来的，并不是从表中检索出来的。

8. ref

显示使用了索引的哪一列，以及使用哪些列或常量在索引列上查找值。

9.rows

根据表统计信息和索引选择，粗略估计查找所需记录所需读取的行数。

10. partitions

匹配分区

11. filtered

查询的表行数占表的百分比。

12. Extra

包含重要但不适合在其他列中显示的额外信息。

• Using filesort：请注意，MySQL 使用外部索引对数据进行排序，而不是按照表内索引的顺序读取数据。
• Using temporary：临时表用于保存中间结果，MySQL在对结果进行排序时使用临时表，常见于排序 order by 和分组查询 group by 。
• Using index：表示对应的select操作使用Covering Index，避免访问表的数据行，效率较高。如果还出现using where，则表明该索引用于执行索引键值查找。如果没有同时使用where，则使用索引来读取数据而不是执行查找。
• Using where：使用where 条件。
• Using join buffer：使用连接缓存。
• impossible where：where子句的值始终为假，不能用于获取任何元组。
• unique：一旦MySQL找到与该行共同匹配的行，就不再搜索。
• Select Table Optimizedaway：选择操作已经优化到无法再优化的程度。

怎么trace？

有时候我们发现explain的结果和我们期望的不一样，因为MySQL优化器做了成本计算，MySQL觉得不使用索引更快。

例如以下例子：

explain select * from users where name > 'foo';

可以看到执行计划中没有使用任何索引。

关于执行成本，我们可以通过trace工具查看。

-- open trace
set session optimizer_trace="enabled=on",end_markers_in_json=on;
-- execute SQL
explain select * from users where name > 'foo';
-- get result
SELECT * FROM information_schema.OPTIMIZER_TRACE;

结果是：

{
  "steps": [
    {
      "join_preparation": { -- step1: Format SQL
        "select#": 1,
        "steps": [
          {
            "expanded_query": "/* select#1 */ select `users`.`id` AS `id`,`users`.`name` AS `name`,`users`.`age` AS `age`,`users`.`school` AS `school`,`users`.`birthday` AS `birthday` from `users` where (`users`.`name` > 'foo')"
          }
        ] /* steps */
      } /* join_preparation */
    },
    {
      "join_optimization": { -- step2: Optimize SQL
        "select#": 1,
        "steps": [
          {
            "condition_processing": { -- step3: Use where
              "condition": "WHERE",
              "original_condition": "(`users`.`name` > 'foo')",
              "steps": [
                {
                  "transformation": "equality_propagation",
                  "resulting_condition": "(`users`.`name` > 'foo')"
                },
                {
                  "transformation": "constant_propagation",
                  "resulting_condition": "(`users`.`name` > 'foo')"
                },
                {
                  "transformation": "trivial_condition_removal",
                  "resulting_condition": "(`users`.`name` > 'foo')"
                }
              ] /* steps */
            } /* condition_processing */
          },
          {
            "substitute_generated_columns": {
            } /* substitute_generated_columns */
          },
          {
            "table_dependencies": [
              {
                "table": "`users`",
                "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": [
              {
                "table": "`users`",
                "range_analysis": {
                  "table_scan": {
                    "rows": 1,
                    "cost": 3.3
                  } /* table_scan */,
                  "potential_range_indexes": [
                    {
                      "index": "PRIMARY",
                      "usable": false,
                      "cause": "not_applicable"
                    },
                    {
                      "index": "idx_name_age_school",
                      "usable": true,
                      "key_parts": [
                        "name",
                        "age",
                        "school",
                        "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": {
                    "range_scan_alternatives": [
                      {
                        "index": "idx_name_age_school",
                        "ranges": [
                          "foo < name"
                        ] /* ranges */,
                        "index_dives_for_eq_ranges": true,
                        "rowid_ordered": false,
                        "using_mrr": false,
                        "index_only": false,
                        "rows": 1,
                        "cost": 2.21,
                        "chosen": true
                      }
                    ] /* range_scan_alternatives */,
                    "analyzing_roworder_intersect": {
                      "usable": false,
                      "cause": "too_few_roworder_scans"
                    } /* analyzing_roworder_intersect */
                  } /* analyzing_range_alternatives */,
                  "chosen_range_access_summary": {
                    "range_access_plan": {
                      "type": "range_scan",
                      "index": "idx_name_age_school",
                      "rows": 1,
                      "ranges": [
                        "foo < name"
                      ] /* ranges */
                    } /* range_access_plan */,
                    "rows_for_plan": 1,
                    "cost_for_plan": 2.21,
                    "chosen": true
                  } /* chosen_range_access_summary */
                } /* range_analysis */
              }
            ] /* rows_estimation */
          },
          {
            "considered_execution_plans": [
              {
                "plan_prefix": [
                ] /* plan_prefix */,
                "table": "`users`",
                "best_access_path": {
                  "considered_access_paths": [
                    {
                      "rows_to_scan": 1,
                      "access_type": "range",
                      "range_details": {
                        "used_index": "idx_name_age_school"
                      } /* range_details */,
                      "resulting_rows": 1,
                      "cost": 2.41,
                      "chosen": true
                    }
                  ] /* considered_access_paths */
                } /* best_access_path */,
                "condition_filtering_pct": 100,
                "rows_for_plan": 1,
                "cost_for_plan": 2.41,
                "chosen": true
              }
            ] /* considered_execution_plans */
          },
          {
            "attaching_conditions_to_tables": {
              "original_condition": "(`users`.`name` > 'foo')",
              "attached_conditions_computation": [
              ] /* attached_conditions_computation */,
              "attached_conditions_summary": [
                {
                  "table": "`users`",
                  "attached": "(`users`.`name` > 'foo')"
                }
              ] /* attached_conditions_summary */
            } /* attaching_conditions_to_tables */
          },
          {
            "refine_plan": [
              {
                "table": "`users`",
                "pushed_index_condition": "(`users`.`name` > 'foo')",
                "table_condition_attached": null
              }
            ] /* refine_plan */
          }
        ] /* steps */
      } /* join_optimization */
    },
    {
      "join_explain": {
        "select#": 1,
        "steps": [
        ] /* steps */
      } /* join_explain */
    }
  ] /* steps */
}