前置知识：在阅读本文之前，建议先了解EXPLAIN命令的基础知识。如果你还不熟悉EXPLAIN，请先阅读《MySQL EXPLAIN命令详解：SQL查询性能分析与优化指南（基础篇）》。
前言：索引是提升数据库查询性能的重要手段，但并不是所有查询都能有效利用索引。在实际开发中，我们经常遇到索引失效的情况，导致查询性能下降。本文将通过EXPLAIN命令，逐一验证6种常见的索引失效场景，并提供相应的优化建议。
本文将验证以下场景：
- 场景1：模糊匹配导致索引失效
- 场景2：函数操作导致索引失效
- 场景3：表达式计算导致索引失效
- 场景4：隐式类型转换导致索引失效
- 场景5：联合索引非最左匹配导致索引失效
- 场景6：WHERE子句中的OR导致索引失效
一、创建测试表
为了准确验证每个场景，我们采用"按需创建索引"的方式，避免预先创建的索引影响验证结果。
sql
-- 创建员工表（不创建索引，只保留主键）
CREATE TABLE employees (
id INT PRIMARY KEY AUTO_INCREMENT,
name VARCHAR(100),
age INT,
phone VARCHAR(20),
salary DECIMAL(10, 2),
department_id INT,
hire_date DATE
);
-- 插入测试数据
INSERT INTO employees (name, age, phone, salary, department_id, hire_date) VALUES
('张三', 25, '13800138001', 8000.00, 1, '2020-01-15'),
('李四', 30, '13800138002', 12000.00, 2, '2019-06-20'),
('王五', 28, '13800138003', 9500.00, 1, '2021-03-10'),
('赵六', 35, '13800138004', 15000.00, 3, '2018-11-05'),
('钱七', 27, '13800138005', 10000.00, 2, '2020-08-22'),
('张伟', 32, '13800138006', 13000.00, 1, '2019-04-18'),
('李娜', 29, '13800138007', 11000.00, 3, '2021-01-30'),
('王芳', 26, '13800138008', 8500.00, 2, '2020-12-01'),
('赵强', 31, '13800138009', 14000.00, 1, '2018-07-15'),
('钱龙', 33, '13800138010', 16000.00, 3, '2017-09-20');
-- 查看表结构
DESC employees;
-- 查看索引（此时只有主键索引）
SHOW INDEX FROM employees;主键索引（Primary Key）
二、场景1：模糊匹配导致索引失效
2.1 问题分析
问题： 左模糊匹配（LIKE '%value'）会导致索引失效
2.2 验证过程
sql
-- 创建name列的索引
CREATE INDEX idx_name ON employees(name);
-- 1.1 左模糊匹配（索引失效）
EXPLAIN SELECT * FROM employees WHERE name LIKE '%张';
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 1.2 左右模糊匹配（索引失效）
EXPLAIN SELECT * FROM employees WHERE name LIKE '%张%';
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 1.3 右模糊匹配（索引生效）
EXPLAIN SELECT * FROM employees WHERE name LIKE '张%';
-- 结果：type = range, key = idx_name（使用索引范围扫描）
-- 1.4 精确匹配（索引生效）
EXPLAIN SELECT * FROM employees WHERE name = '张三';
-- 结果：type = ref, key = idx_name（使用索引查找）2.3 结论
分别从左模糊查询和右模糊查询我们可以看出，左模糊查询会导致索引失效，查询使用的是全盘扫描。右模糊查询则是使用到了索引查询。
- 左模糊（
%value）和左右模糊（%value%）会导致索引失效 - 右模糊（
value%）和精确匹配可以使用索引
2.4 优化建议
- 避免使用左模糊匹配
- 考虑使用全文索引（FULLTEXT）
- 使用搜索引擎（如Elasticsearch）
优化示例：
sql
-- 方案1：使用右模糊
WHERE name LIKE '张%'
-- 方案2：使用全文索引
ALTER TABLE employees ADD FULLTEXT INDEX ft_name (name);
EXPLAIN SELECT * FROM employees WHERE MATCH(name) AGAINST('张' IN NATURAL LANGUAGE MODE)；
-- 方案3：使用搜索引擎（如Elasticsearch）
-- 适合复杂的全文搜索场景全文索引
三、场景2：函数操作导致索引失效
3.1 问题分析
问题： 对索引列使用函数会导致索引失效
3.2 验证过程
sql
-- 创建hire_date列的索引
CREATE INDEX idx_hire_date ON employees(hire_date);
-- 2.1 使用YEAR函数（索引失效）
EXPLAIN SELECT * FROM employees WHERE YEAR(hire_date) = 2020;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 2.2 使用MONTH函数（索引失效）
EXPLAIN SELECT * FROM employees WHERE MONTH(hire_date) = 6;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 2.3 使用UPPER函数（索引失效）
EXPLAIN SELECT * FROM employees WHERE UPPER(name) = '张三';
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 2.4 优化：使用范围查询（索引生效）
EXPLAIN SELECT * FROM employees
WHERE hire_date BETWEEN '2020-01-01' AND '2020-12-31';
-- 结果：type = range, key = idx_hire_date（使用索引范围扫描）3.3 结论
对索引使用函数会导致索引失效
- 对索引列使用函数会破坏索引的有序性，导致索引失效
- 应将函数操作移到应用层或使用范围查询替代
3.4 优化建议
- 避免在WHERE子句中对索引列使用函数
- 将函数操作移到应用层处理
- 使用计算列或生成列（MySQL 5.7+）
优化示例：
sql
-- 方案1：使用范围查询
WHERE hire_date BETWEEN '2020-01-01' AND '2020-12-31'
-- 方案2：使用计算列（MySQL 5.7+）
ALTER TABLE employees ADD COLUMN hire_year INT GENERATED ALWAYS AS (YEAR(hire_date)) STORED;
CREATE INDEX idx_hire_year ON employees(hire_year);
WHERE hire_year = 2020
-- 方案3：应用层处理
-- 在应用层计算好年份，然后查询
WHERE hire_date >= '2020-01-01' AND hire_date <= '2020-12-31'四、场景3：表达式计算导致索引失效
4.1 问题分析
问题： 对索引列进行表达式计算会破坏索引
4.2 验证过程
sql
-- 创建salary和age列的索引
CREATE INDEX idx_salary ON employees(salary);
CREATE INDEX idx_age ON employees(age);
-- 3.1 索引列参与计算（索引失效）
EXPLAIN SELECT * FROM employees WHERE salary + 1000 > 10000;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 3.2 索引列参与计算（索引失效）
EXPLAIN SELECT * FROM employees WHERE age - 5 > 20;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 3.3 索引列参与计算（索引失效）
EXPLAIN SELECT * FROM employees WHERE salary * 1.1 > 10000;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 3.4 优化：将计算移到右边（索引生效）
EXPLAIN SELECT * FROM employees WHERE salary > 10000 - 1000;
-- 结果：type = range, key = idx_salary（使用索引范围扫描）
-- 3.5 优化：直接使用常量（索引生效）
EXPLAIN SELECT * FROM employees WHERE salary > 9000;
-- 结果：type = range, key = idx_salary（使用索引范围扫描）4.3 结论
- 索引列参与表达式计算会导致索引失效
- 应将计算移到查询条件的右边或应用层
4.4 优化建议
- 避免在WHERE子句中对索引列进行计算
- 将计算移到应用层
- 使用覆盖索引优化
优化示例：
sql
-- 方案1：将计算移到右边
WHERE salary > 10000 - 1000
-- 方案2：应用层计算
-- 在应用层计算好阈值，然后查询
WHERE salary > 9000
-- 方案3：使用覆盖索引
CREATE INDEX idx_salary_bonus ON employees(salary, bonus);
WHERE salary + bonus > 100000五、场景4：隐式类型转换导致索引失效
5.1 问题分析
问题： 当查询中数据类型与索引不匹配时，会导致索引失效
5.2 验证过程
sql
-- 创建phone和department_id列的索引
CREATE INDEX idx_phone ON employees(phone);
CREATE INDEX idx_dept ON employees(department_id);
-- 4.1 字符串列使用数字查询（索引失效）
-- phone是VARCHAR类型，使用数字查询会导致隐式转换
EXPLAIN SELECT * FROM employees WHERE phone = 13800138001;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 4.2 优化：使用字符串查询（索引生效）
EXPLAIN SELECT * FROM employees WHERE phone = '13800138001';
-- 结果：type = ref, key = idx_phone（使用索引查找）
-- 4.3 数字列使用字符串查询（索引可能生效）
-- department_id是INT类型
EXPLAIN SELECT * FROM employees WHERE department_id = '1';
-- 结果：type = ref, key = idx_dept（MySQL自动转换，索引可能生效）
-- 4.4 日期列使用字符串查询（索引生效）
EXPLAIN SELECT * FROM employees WHERE hire_date = '2020-01-15';
-- 结果：type = ref, key = idx_hire_date（使用索引查找）5.3 结论
- 字符串列使用数字查询会导致隐式类型转换，索引失效
- 应确保查询条件的数据类型与字段类型一致
5.4 优化建议
- 确保查询条件的数据类型与字段类型一致
- 使用显式类型转换函数
- 在应用层进行类型转换
优化示例：
sql
-- 方案1：使用正确的类型
WHERE phone = '13800138001'
-- 方案2：使用显式类型转换
WHERE phone = CAST(13800138001 AS CHAR)
-- 方案3：应用层类型转换
-- 在应用层将数字转换为字符串，然后查询
WHERE phone = '13800138001'六、场景5：联合索引非最左匹配导致索引失效
6.1 问题分析
问题： 联合索引的查询条件不符合最左前缀匹配原则
6.2 验证过程
sql
-- 删除可能影响验证的单列索引
DROP INDEX IF EXISTS idx_name ON employees;
DROP INDEX IF EXISTS idx_age ON employees;
DROP INDEX IF EXISTS idx_dept ON employees;
-- 创建联合索引：idx_name_age_dept (name, age, department_id)
CREATE INDEX idx_name_age_dept ON employees(name, age, department_id);
-- 5.1 使用最左列（索引生效）
EXPLAIN SELECT * FROM employees WHERE name = '张三';
-- 结果：type = ref, key = idx_name_age_dept, key_len = 403
-- 使用了联合索引的第一列
-- 5.2 使用最左两列（索引生效）
EXPLAIN SELECT * FROM employees WHERE name = '张三' AND age = 25;
-- 结果：type = ref, key = idx_name_age_dept, key_len = 408
-- 使用了联合索引的前两列
-- 5.3 使用全部三列（索引生效）
EXPLAIN SELECT * FROM employees
WHERE name = '张三' AND age = 25 AND department_id = 1;
-- 结果：type = ref, key = idx_name_age_dept, key_len = 412
-- 使用了联合索引的全部三列
-- 5.4 跳过最左列（索引失效）
EXPLAIN SELECT * FROM employees WHERE age = 25;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 5.5 跳过最左列（索引失效）
EXPLAIN SELECT * FROM employees WHERE department_id = 1;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 5.6 跳过最左列，使用后两列（索引失效）
EXPLAIN SELECT * FROM employees WHERE age = 25 AND department_id = 1;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 5.7 使用最左列和第三列（部分索引生效）
EXPLAIN SELECT * FROM employees WHERE name = '张三' AND department_id = 1;
-- 结果：type = ref, key = idx_name_age_dept, key_len = 403
-- 只使用了第一列name，跳过了age，department_id未使用
-- 5.8 范围查询后的列不生效
EXPLAIN SELECT * FROM employees WHERE name = '张三' AND age > 25 AND department_id = 1;
-- 结果：type = range, key = idx_name_age_dept, key_len = 408
-- 只使用了前两列，department_id未使用（因为age是范围查询）6.3 最左前缀原则
- 联合索引必须从最左边开始匹配
- 可以跳过中间的列，但不能跳过最左边的列
- 范围查询（>、<、BETWEEN、LIKE）后的列不生效
6.4 结论
- 跳过最左列会导致索引失效
- 范围查询（>、<、BETWEEN等）后的列无法使用索引
- 必须从最左边开始匹配
6.5 优化建议
- 创建联合索引时，将选择性高的列放在前面
- 根据查询模式设计索引
- 考虑创建多个单列索引
优化示例：
sql
-- 方案1：遵循最左前缀原则
WHERE name = '张三' AND age = 25
-- 方案2：创建单独的索引
CREATE INDEX idx_dept ON employees(department_id);
WHERE department_id = 1
-- 方案3：根据查询模式设计索引
-- 如果经常按age查询，创建单独的age索引
CREATE INDEX idx_age ON employees(age);
WHERE age = 25七、场景6：WHERE子句中的OR导致索引失效
7.1 问题分析
问题： 当查询中存在OR连接的条件时，可能影响索引利用
7.2 验证过程
sql
-- 重新创建单列索引（场景5已删除）
CREATE INDEX idx_name ON employees(name);
CREATE INDEX idx_age ON employees(age);
CREATE INDEX idx_salary ON employees(salary);
CREATE INDEX idx_dept ON employees(department_id);
-- 6.1 OR连接不同索引列（索引失效）
EXPLAIN SELECT * FROM employees WHERE name = '张三' OR age = 25;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 6.2 OR连接不同索引列（索引失效）
EXPLAIN SELECT * FROM employees WHERE salary > 10000 OR department_id = 1;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 6.3 OR连接同一索引列（索引生效）
EXPLAIN SELECT * FROM employees WHERE name = '张三' OR name = '李四';
-- 结果：type = range, key = idx_name（使用索引范围扫描）
-- 6.4 优化：使用IN代替OR（索引生效）
EXPLAIN SELECT * FROM employees WHERE name IN ('张三', '李四');
-- 结果：type = range, key = idx_name（使用索引范围扫描）
-- 6.5 优化：使用UNION代替OR（索引生效）
EXPLAIN
SELECT * FROM employees WHERE name = '张三'
UNION
SELECT * FROM employees WHERE age = 25;
-- 结果：两个查询都使用索引
-- 第一个查询：type = ref, key = idx_name
-- 第二个查询：type = ref, key = idx_age
-- 6.6 OR连接有索引列和无索引列（索引失效）
-- 删除salary索引
DROP INDEX idx_salary ON employees;
EXPLAIN SELECT * FROM employees WHERE name = '张三' OR salary > 10000;
-- 结果：type = ALL, key = NULL（全表扫描，索引失效）
-- 重新创建索引
CREATE INDEX idx_salary ON employees(salary);7.3 结论
- OR连接不同索引列会导致索引失效
- OR连接同一索引列可以使用索引
- 可以使用IN或UNION代替OR
7.4 优化建议
- 尽量使用IN代替OR
- 使用UNION ALL代替OR（如果确定无重复）
- 确保OR条件使用同一索引
优化示例：
sql
-- 方案1：使用IN代替OR
WHERE name IN ('张三', '李四')
-- 方案2：使用UNION代替OR
SELECT * FROM employees WHERE name = '张三'
UNION
SELECT * FROM employees WHERE age = 25
-- 方案3：使用UNION ALL（如果确定无重复）
SELECT * FROM employees WHERE name = '张三'
UNION ALL
SELECT * FROM employees WHERE age = 25八、索引失效场景总结表
| 场景 | 示例SQL | 索引状态 | type | 优化建议 |
|---|---|---|---|---|
| 左模糊匹配 | WHERE name LIKE '%张' |
失效 | ALL | 使用右模糊或全文索引 |
| 左右模糊匹配 | WHERE name LIKE '%张%' |
失效 | ALL | 使用右模糊或全文索引 |
| 右模糊匹配 | WHERE name LIKE '张%' |
生效 | range | - |
| 函数操作 | WHERE YEAR(hire_date) = 2020 |
失效 | ALL | 使用范围查询 |
| 表达式计算 | WHERE salary + 1000 > 10000 |
失效 | ALL | 计算移到右边 |
| 隐式类型转换 | WHERE phone = 13800138001 |
失效 | ALL | 使用字符串类型 |
| 联合索引跳过最左列 | WHERE age = 25 |
失效 | ALL | 遵循最左前缀原则 |
| OR连接不同索引列 | WHERE name = '张' OR age = 25 |
失效 | ALL | 使用UNION或IN |
九、完整验证脚本
sql
-- ========================================
-- 完整验证脚本：从头开始验证所有场景
-- ========================================
-- 1. 删除已存在的表（如果存在）
DROP TABLE IF EXISTS employees;
-- 2. 创建员工表（不创建索引）
CREATE TABLE employees (
id INT PRIMARY KEY AUTO_INCREMENT,
name VARCHAR(100),
age INT,
phone VARCHAR(20),
salary DECIMAL(10, 2),
department_id INT,
hire_date DATE
);
-- 3. 插入测试数据
INSERT INTO employees (name, age, phone, salary, department_id, hire_date) VALUES
('张三', 25, '13800138001', 8000.00, 1, '2020-01-15'),
('李四', 30, '13800138002', 12000.00, 2, '2019-06-20'),
('王五', 28, '13800138003', 9500.00, 1, '2021-03-10'),
('赵六', 35, '13800138004', 15000.00, 3, '2018-11-05'),
('钱七', 27, '13800138005', 10000.00, 2, '2020-08-22'),
('张伟', 32, '13800138006', 13000.00, 1, '2019-04-18'),
('李娜', 29, '13800138007', 11000.00, 3, '2021-01-30'),
('王芳', 26, '13800138008', 8500.00, 2, '2020-12-01'),
('赵强', 31, '13800138009', 14000.00, 1, '2018-07-15'),
('钱龙', 33, '13800138010', 16000.00, 3, '2017-09-20');
-- ========================================
-- 场景1：模糊匹配
-- ========================================
SELECT '========== 场景1：模糊匹配 ==========' AS test_case;
CREATE INDEX idx_name ON employees(name);
SELECT '1.1 左模糊匹配（索引失效）';
EXPLAIN SELECT * FROM employees WHERE name LIKE '%张';
SELECT '1.2 左右模糊匹配（索引失效）';
EXPLAIN SELECT * FROM employees WHERE name LIKE '%张%';
SELECT '1.3 右模糊匹配（索引生效）';
EXPLAIN SELECT * FROM employees WHERE name LIKE '张%';
SELECT '1.4 精确匹配（索引生效）';
EXPLAIN SELECT * FROM employees WHERE name = '张三';
-- ========================================
-- 场景2：函数操作
-- ========================================
SELECT '========== 场景2：函数操作 ==========' AS test_case;
CREATE INDEX idx_hire_date ON employees(hire_date);
SELECT '2.1 使用YEAR函数（索引失效）';
EXPLAIN SELECT * FROM employees WHERE YEAR(hire_date) = 2020;
SELECT '2.2 使用MONTH函数（索引失效）';
EXPLAIN SELECT * FROM employees WHERE MONTH(hire_date) = 6;
SELECT '2.3 优化：使用范围查询（索引生效）';
EXPLAIN SELECT * FROM employees WHERE hire_date BETWEEN '2020-01-01' AND '2020-12-31';
-- ========================================
-- 场景3：表达式计算
-- ========================================
SELECT '========== 场景3：表达式计算 ==========' AS test_case;
CREATE INDEX idx_salary ON employees(salary);
CREATE INDEX idx_age ON employees(age);
SELECT '3.1 索引列参与计算（索引失效）';
EXPLAIN SELECT * FROM employees WHERE salary + 1000 > 10000;
SELECT '3.2 索引列参与计算（索引失效）';
EXPLAIN SELECT * FROM employees WHERE age - 5 > 20;
SELECT '3.3 优化：将计算移到右边（索引生效）';
EXPLAIN SELECT * FROM employees WHERE salary > 9000;
-- ========================================
-- 场景4：隐式类型转换
-- ========================================
SELECT '========== 场景4：隐式类型转换 ==========' AS test_case;
CREATE INDEX idx_phone ON employees(phone);
CREATE INDEX idx_dept ON employees(department_id);
SELECT '4.1 字符串列使用数字查询（索引失效）';
EXPLAIN SELECT * FROM employees WHERE phone = 13800138001;
SELECT '4.2 优化：使用字符串查询（索引生效）';
EXPLAIN SELECT * FROM employees WHERE phone = '13800138001';
-- ========================================
-- 场景5：联合索引非最左匹配
-- ========================================
SELECT '========== 场景5：联合索引非最左匹配 ==========' AS test_case;
-- 删除可能影响验证的单列索引
DROP INDEX idx_name ON employees;
DROP INDEX idx_age ON employees;
DROP INDEX idx_dept ON employees;
-- 创建联合索引
CREATE INDEX idx_name_age_dept ON employees(name, age, department_id);
SELECT '5.1 使用最左列（索引生效）';
EXPLAIN SELECT * FROM employees WHERE name = '张三';
SELECT '5.2 使用最左两列（索引生效）';
EXPLAIN SELECT * FROM employees WHERE name = '张三' AND age = 25;
SELECT '5.3 跳过最左列（索引失效）';
EXPLAIN SELECT * FROM employees WHERE age = 25;
SELECT '5.4 跳过最左列，使用后两列（索引失效）';
EXPLAIN SELECT * FROM employees WHERE age = 25 AND department_id = 1;
-- ========================================
-- 场景6：OR条件
-- ========================================
SELECT '========== 场景6：OR条件 ==========' AS test_case;
-- 重新创建单列索引
CREATE INDEX idx_name ON employees(name);
CREATE INDEX idx_age ON employees(age);
CREATE INDEX idx_salary ON employees(salary);
CREATE INDEX idx_dept ON employees(department_id);
SELECT '6.1 OR连接不同索引列（索引失效）';
EXPLAIN SELECT * FROM employees WHERE name = '张三' OR age = 25;
SELECT '6.2 OR连接同一索引列（索引生效）';
EXPLAIN SELECT * FROM employees WHERE name = '张三' OR name = '李四';
SELECT '6.3 优化：使用IN代替OR（索引生效）';
EXPLAIN SELECT * FROM employees WHERE name IN ('张三', '李四');
-- ========================================
-- 验证完成
-- ========================================
SELECT '========== 验证完成 ==========' AS message;
SHOW INDEX FROM employees;十、优化建议总结
10.1 模糊查询优化
sql
-- 避免
WHERE name LIKE '%张%'
-- 推荐
WHERE name LIKE '张%'
-- 或使用全文索引
WHERE MATCH(name) AGAINST('张')10.2 函数操作优化
sql
-- 避免
WHERE YEAR(hire_date) = 2020
-- 推荐
WHERE hire_date BETWEEN '2020-01-01' AND '2020-12-31'10.3 表达式计算优化
sql
-- 避免
WHERE salary + 1000 > 10000
-- 推荐
WHERE salary > 900010.4 类型转换优化
sql
-- 避免（phone是VARCHAR类型）
WHERE phone = 13800138001
-- 推荐
WHERE phone = '13800138001'10.5 联合索引优化
sql
-- 联合索引：(name, age, department_id)
-- 避免
WHERE age = 25
-- 推荐
WHERE name = '张三' AND age = 2510.6 OR条件优化
sql
-- 避免
WHERE name = '张三' OR age = 25
-- 推荐
WHERE name IN ('张三', '李四')
-- 或
SELECT * FROM employees WHERE name = '张三'
UNION
SELECT * FROM employees WHERE age = 25十一、总结
通过EXPLAIN命令验证，我们确认了以下6种常见的索引失效场景：
- 模糊匹配：左模糊和左右模糊导致索引失效
- 函数操作：对索引列使用函数破坏索引有序性
- 表达式计算：索引列参与计算导致索引失效
- 隐式类型转换：数据类型不匹配导致索引失效
- 联合索引非最左匹配：跳过最左列导致索引失效
- OR条件：OR连接不同索引列导致索引失效
关键指标：
type = ALL：全表扫描，索引失效key = NULL：未使用索引type = ref/range：使用索引查找/范围扫描key = idx_xxx：使用了指定索引
验证方法：
- 采用"按需创建索引"的方式，避免预先创建的索引影响验证结果
- 每个场景独立验证，确保结果准确
- 提供完整的验证脚本，可以一键运行
通过合理使用EXPLAIN，你可以对查询进行深入分析，找出性能瓶颈，从而提升数据库性能。
延伸阅读：
如果你想了解EXPLAIN命令的基础知识和12个输出字段的详细解释，请阅读我的另一篇文章《MySQL EXPLAIN命令详解：SQL查询性能分析与优化指南（基础篇）》。