仅仅会用MySQL的EXPLAIN还不够，还需要会用EXPLAIN ANALYZE

在 MySQL 中，EXPLAIN 是一个关键字，用于了解查询执行的相关信息。本文将展示如何利用MySQL EXPLAIN 来解决查询中的性能问题。

虽然执行一个 EXPLAIN 计划相对简单，但其输出结果并不总是直观的。只有了解其功能，才能充分利用它来实现SQL语句的性能提升。

EXPLAIN 与 EXPLAIN ANALYZE 的区别

当在查询的前面添加 EXPLAIN 关键字时，它会解释数据库如何执行该查询以及估算的成本。

示例EXPLAIN语句：

通过利用这个MySQL 内部工具，可以观察到以下内容：

• 查询 ID：列中总包含一个数值，用于标识该行属于哪一个 SELECT。
• SELECT_TYPE ：运行 SELECT 时，MySQL 将 SELECT 查询分为简单类型和复杂类型（主要），如下表所示：
  • SIMPLE：查询不包含子查询或 UNION；
  • PRIMARY（复杂类型）：复杂类型分为三大类：简单子查询、派生表（FROM 子句中的子查询）、UNION；
  • DELETE：如果EXPLAIN的是 DELETE，select_type 会显示 DELETE；
• 查询运行的表 ：显示执行计划中每一步骤所涉及的表。
• 查询访问的分区 ：列出访问了哪些表分区（如果表已分区）。
• 所使用的连接类型（如果有）：请注意，即使查询中不包含连接，这一列也会填充。
• MySQL 可以选择的索引 ：列出所有可能的候选索引。
• MySQL 实际使用的索引 ：显示查询选择的索引，并指定索引的使用长度。
• MySQL 选择的索引的长度：当 MySQL 使用复合索引时，length 列是唯一能确定复合索引中的使用了多少列的方法。
• 查询访问的行数：在设计数据库实例中的索引时，需要注意 rows 列。该列显示了 MySQL 为完成请求而访问的行数，这在设计索引时非常实用。查询访问的行越少，查询速度越快。
• 与索引进行比较的列
• 按指定条件过滤的行的百分比：该列显示了满足表上某些条件（如 WHERE 子句或连接条件）的行的悲观估算百分比。将 rows 列的值乘以该百分比，可以看到 MySQL 估计要与查询计划中先前的表连接的行数。
• 与查询相关的任何额外信息

总之，通过使用 EXPLAIN，可以获得查询预期运行的步骤列表。

什么是 EXPLAIN ANALYZE

在 MySQL 8.0.18 中，MySQL 引入了 EXPLAIN ANALYZE，一个在常规 EXPLAIN 查询计划工具之上的新功能。除了列出查询计划和估算的成本，EXPLAIN ANALYZE 还打印了执行计划中各个迭代器的实际成本。

示例EXPLAIN ANALYZE语句：

注意事项：EXPLAIN ANALYZE 实际上会运行查询，因此如果你不希望查询在实时数据库上运行，请不要使用 EXPLAIN ANALYZE。

对于每个迭代器，EXPLAIN ANALYZE 提供以下信息：

• 估算的执行成本（一些迭代器未被成本模型纳入，因此在估算中未包含它们）
• 估算的返回行数
• 返回第一行所需的时间
• 执行迭代器所花费的时间（包括子迭代器但不包括父迭代器），单位：毫秒。当有多个循环时，该数据会显示平均每个循环所需的时间。
• 迭代器返回的行数
• 循环的次数

MySQL EXPLAIN ANALYZE 的结果会显示查询运行前规划器的估算数据（如图中黄色突出显示部分）和查询实际运行后的数据（如绿色突出显示部分）。

EXPLAIN ANALYZE 的格式

EXPLAIN ANALYZE 可用于 SELECT 语句、多表 UPDATE 语句、DELETE 语句和 TABLE 语句。它会自动选择 FORMAT=tree 并执行查询（不会向用户显示任何输出）。EXPLAIN ANALYZE 专注于查询执行的关系以及部分查询的执行顺序。

EXPLAIN 输出以节点形式组织。在最低层，节点会扫描表或搜索索引；较高层的节点则操作来自低层节点的结果。

虽然 MySQL CLI 能以表格、制表符、垂直格式，以及漂亮或原始 JSON 格式打印 EXPLAIN 结果，但目前 EXPLAIN ANALYZE 不支持 JSON 格式。

EXPLAIN 和EXPLAIN ANALYZE的使用场景

当你不确定查询是否高效运行时，可以（且应）使用 EXPLAIN 查询。如果你认为已经正确索引并分区了表，但查询依旧运行缓慢，则可能需要使用EXPLAIN ANALYZE了。当查询进行EXPLAIN ANALYZE之后，就需要关注的输出内容以及优化目标了。

索引相关列：keys、possible keys 和 key lengths

在 MySQL 中处理索引时，需关注 possible_keys、key 和 key_len 列。

• possible_keys 列显示了 MySQL 可以选择的索引。
• key 列显示了实际选择的索引。
• key_len 列显示了所选索引的长度。

这些信息对设计索引、为特定任务决定使用何种索引，以及处理相关问题（如选择覆盖索引的适当长度）非常实用。

FULLTEXT 索引与连接

当使用 FULLTEXT 索引确保查询参与 JOIN 操作时，需注意 select_type 列，该列的值应为 fulltext。

分区

如果表已添加分区并希望查询使用这些分区，要观察 partition 列。如果 MySQL 实例正在使用分区，在大多数情况下，MySQL 会自动处理所有查询，而无需额外操作。如果希望查询使用特定分区，可以使用类似 SELECT * FROM TABLE_NAME PARTITION(p1,p2) 的查询。

EXPLAIN 的局限性

EXPLAIN 是一种估算工具。它有时是一个比较准确的估算，但有时可能非常不精确。以下是一些局限性：

• EXPLAIN 不会告诉你触发器、存储函数或 UDF 对查询的影响。
• 它不能分析存储过程。
• 它不会展示 MySQL 在查询执行期间的优化过程。
• 一些统计数据是估算值，可能非常不准确。
• 它不会区分某些具有相同名称的内容。例如，它用 filesort 表示内存排序和磁盘排序，用 Using temporary 表示内存临时表和磁盘临时表。

SHOW WARNINGS 语句

需要注意的一点是：如果你用 EXPLAIN 的查询未正确解析，可以输入 SHOW WARNINGS; 查看最后一个运行的非诊断语句的信息。虽然它无法提供像 EXPLAIN 那样的查询执行计划，但它可能提供关于可处理的查询片段的线索。

SHOW WARNINGS; 包含一些特殊标记，其中信息可能包括：

• <index_lookup>(query fragment)：表明如果查询正确解析会进行索引查找。
• <if>(condition, expr1, expr2)：表明该查询特定部分有 IF 条件。
• <primary_index_lookup>(query fragment)：表明通过主键进行索引查找。
• <temporary table>：表明这里会创建内部表以保存临时结果（例如在连接之前的子查询中）。

MySQL EXPLAIN 的连接类型

MySQL 手册提到 type 列显示"连接类型"，用以解释表的连接方式。但实际上更准确的说法是"访问类型"，即告诉我们 MySQL 决定如何在表中找到行。

以下列出从性能最佳到最差的重要访问方式：

• NULL（较好）：表示 MySQL 在优化阶段即可解析查询，不会在执行阶段访问表或索引。
• system（较好）：表为空或仅有一行记录。
• const（较好）：列值可视为常量（即查询只匹配一行）。注：主键查找、唯一索引查找。
• eq_ref（较好）：索引是聚簇索引，被操作使用（索引为主键或 NOT NULL 的唯一索引）。
• ref （较好）：使用等值运算符访问索引列。注：ref_or_null 是 ref 的变种，表示初次查找后需再查找 NULL 条目。
• fulltext（一般）：操作（JOIN）使用了表的 FULLTEXT 索引。
• index（一般）：扫描整个索引以找到查询匹配项。注：主要优势是无需排序；主要劣势是读取整张表成本高。
• range（一般）：范围扫描为受限索引扫描，从索引某点开始返回匹配范围内的记录。注：这比全索引扫描更优。
• all（一般）：MySQL 为满足查询而扫描全表。

还有一些其他类型需要了解：

• index_merge：此连接类型表示使用了索引合并优化，即通过多索引联合查询单表。
• unique_subquery ：此类型替代某些形式的 eq_ref。通常用于以下形式的子查询：value IN (SELECT primary_key FROM single_table WHERE some_expr)。
• index_subquery ：与 unique_subquery 类似，但应用于非唯一索引的子查询。

EXPLAIN 的 EXTRA 列

EXTRA 列包含其他列中未涵盖的额外信息。以下是一些重要值及其定义：

• Using index：表示 MySQL 将使用覆盖索引避免访问表。
• Using where：MySQL 服务器将在存储引擎检索行后进行行的后过滤。
• Using temporary：MySQL 会通过临时表保存排序结果。
• Using filesort：MySQL 使用外部排序来排序结果而非按照索引顺序读取行。
• Range checked for each record：(index map:N)，表示没有合适索引，并会对连接中的每行重新评估索引。
• Using index condition：表通过访问索引元组并在读取完整表之前进行测试读取。
• Backward index scan：MySQL 使用降序索引完成查询。
• const row not found：表明查询的表为空。
• Using index for group-by：表明 MySQL 能利用某个索引优化 GROUP BY 操作。

EXPLAIN 优化查询的实践示例

下面通过一个实践案例来演示一下使用 MySQL EXPLAIN 优化查询的方法。

运行初始查询

在开始之前，先创建一个数据库，并使用MySQL员工样例数据库进行初始化。

通过使用多列索引和MySQL EXPLAIN，允许数据库引擎联合使用多列加速查询。

例如，优化下列查询：

SELECT * FROM employees WHERE last_name = 'Puppo' AND first_name = 'Kendra';

在运行该查询后，EXPLAIN 的结果显示访问了 299,733 行，而这是我们需要优化以提升性能的根本原因。

优化方法 1：创建两个独立索引

一种方法是分别为 last_name 列和 first_name 列创建单独索引，但这种方式有一个问题------MySQL 知道如何找到所有姓 Puppo 的员工，也知道如何找到所有名为 Kendra 的员工，但却无法同时高效找到名为 Kendra Puppo 的员工。

其他需要注意的事项：

• 当面对多个不相关的索引以及包含多个过滤条件的查询时，MySQL 有几种选择可以用来处理这些情况。
• MySQL 支持索引合并优化（Index Merge），可联合使用多个索引来执行查询。然而，这种优化有一定局限性，因此在构建索引时应该将其视为一般规则。MySQL 可能会决定不使用多个索引；即使会使用，在很多情况下，多个索引的联合效果也远远不如一个专门的索引。

优化方法 2：使用多列索引

由于第一种方法的问题，我们知道需要找到一种解决方案来使用能够考虑多列的索引。这里我们可以使用多列索引来实现这一目标。

可以将其想象成一本电话簿嵌套在另一本电话簿中。首先，查阅姓氏 "Puppo"，然后进入第二个目录，该目录按名字的字母顺序组织所有名为 "Kendra" 的人，在这个目录中可以快速找到"Kendra Puppo"。

在 MySQL 中，若要为 employees 表中的姓氏和名字创建多列索引，可以执行以下命令：

CREATE INDEX fullnames ON employees(last_name, first_name);

现在，多列索引已成功创建，我们可以执行以下 SELECT 查询来查找名字为 Kendra 且姓氏为 Puppo 的记录。结果将是一行数据，其中包含名为 Kendra Puppo 的员工信息。

使用 EXPLAIN 来检查该查询是否使用了索引：

查询优化后的结果显示，索引被使用，并且只访问了一行数据来完成请求。这比优化前必须访问 299,733 行要高效得多。

结论

MySQL 的 EXPLAIN 语句可以用来获取查询执行的信息，在设计架构或索引时非常有价值。利用 MySQL 提供的功能进行优化，可以大幅提升数据库性能。