sql优化之explain关键字分析

ゝ一纸荒年。 2022-10-06 00:56 215阅读 0赞

**  explain是非常重要的关键字,要善于运用它. ** 通过explain我们可以获得以下信息：

*  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

废话不多说 ,  使用方法：explain + sql语句。会出现下方截图.根据下方的字段来进行解析sql的问题所在

explain  select  * from user_test

出现了下列数据.

![20210610153907637.png][]

## 1:id字段 ##

id可以认为是查询序列号，每一个id代表一个select，一句sql有两个select,就会有两列,两个id.，不同的id代表不同的子查询，id越大优先级越高，越先被解析. id相同则从上往下执行，id为NULL最后执行

explain  select  * from user_test  where uid in(select user_id from `order`)

![20210610154251206.png][]

从这个图上看,先执行了order表的查询,然后才执行了user\_test表的查询.

## 2:**select\_type:**表示查询的类型 ##

(1) SIMPLE(简单SELECT，不使用UNION或子查询等)
     
    (2) PRIMARY(子查询中最外层查询，查询中若包含任何复杂的子部分，最外层的select被标记为PRIMARY)
     
    (3) UNION(UNION中的第二个或后面的SELECT语句)
     
    (4) DEPENDENT UNION(UNION中的第二个或后面的SELECT语句，取决于外面的查询)
     
    (5) UNION RESULT(UNION的结果，union语句中第二个select开始后面所有select)
     
    (6) SUBQUERY(子查询中的第一个SELECT，结果不依赖于外部查询)
     
    (7) DEPENDENT SUBQUERY(子查询中的第一个SELECT，依赖于外部查询)
     
    (8) DERIVED(派生表的SELECT, FROM子句的子查询)
     
    (9) UNCACHEABLE SUBQUERY(一个子查询的结果不能被缓存，必须重新评估外链接的第一行)

测试1:   explain  select  \* from user\_test  t where t.uid  in(select user\_id from \`order\`)   只包含简单查询

![20210610155303151.png][]

测试2: explain  select  \* from user\_test  t where t.uid = (select min(user\_id) from \`order\`)   包含了最外层查询和子查询的类型

![20210610155324749.png][]

## 3:table:输出结果集的表 ##

显示这一行的数据是关于哪张表的，有时不是真实的表名字，也可能是表的别名 , 参考上面几张图

## 4:partitions :分区表  ##

如果查询是基于分区表的话，会显示查询将访问的分区。

## 5:type:表示表的连接类型 ##

对表访问方式，表示MySQL在表中找到所需行的方式，又称“访问类型”。
     
    常用的类型有： ALL、index、range、 ref、eq_ref、const、system、NULL（从左到右，性能从差到好）
     
    ALL：Full Table Scan， MySQL将遍历全表以找到匹配的行
     
    index: Full Index Scan，index与ALL区别为index类型只遍历索引树
     
    range:只检索给定范围的行，使用一个索引来选择行
     
    ref: 表示上述表的连接匹配条件，即哪些列或常量被用于查找索引列上的值
     
    eq_ref: 类似ref，区别就在使用的索引是唯一索引，对于每个索引键值，表中只有一条记录匹配，简单来说，就是多表连接中使用primary key或者 unique key作为关联条件
     
    const、system: 当MySQL对查询某部分进行优化，并转换为一个常量时，使用这些类型访问。如将主键置于where列表中，MySQL就能将该查询转换为一个常量，system是const类型的特例，当查询的表只有一行的情况下，使用system
     
    NULL: MySQL在优化过程中分解语句，执行时甚至不用访问表或索引，例如从一个索引列里选取最小值可以通过单独索引查找完成。

测试1 :  explain  select  \* from user\_test

![20210610160542219.png][]

测试2:  explain  select  uid from user\_test

![2021061016073793.png][]

# #

## 6:possible\_keys:表示查询时，可能使用的索引 ##

指出MySQL能使用哪个索引在表中找到记录，查询涉及到的字段上若存在索引，则该索引将被列出，但不一定被查询使用（该查询可以利用的索引，如果没有任何索引显示 null）.

该列完全独立于EXPLAIN输出所示的表的次序。这意味着在possible\_keys中的某些键实际上不能按生成的表次序使用。如果该列是NULL，则没有相关的索引。如果是这样，创造一个适当的索引并且再次用EXPLAIN检查查询  
测试1:   ALTER TABLE \`user\_test\` ADD INDEX index\_name ( \`uid\` )      查询到了uid列上的索引

explain  select  uid from user\_test  t where t.uid  in(select user\_id from \`order\`)

![20210610162433714.png][]

测试2:    explain  select  name from user\_test     没有查到索引

![2021061016253445.png][]

### 7:key:表示实际使用的索引 ###

key列显示mysql实际采用哪个索引来优化对该表的访问。如果没有使用索引，则该列是 NULL。如果想强制mysql使用或忽视`possible_keys`列中的索引，在查询中使用 force index、ignore index。

### 8:key\_len:索引字段的长度 ###

**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（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，即key\_len是根据表定义计算而得，不是通过表内检索出的）**

不损失精确性的情况下，长度越短越好

key_len计算规则如下：
    字符型:     varchr(10)变长字段且允许NULL   =  10 * ( character set： 
                utf8=3,gbk=2,latin1=1)+1(NULL)+2(变长字段)     
                varchr(10)变长字段且不允许NULL =  10 *( character set：utf8=3,gbk=2,latin1=1)+2(变长字段)
                char(10)固定字段且允许NULL   =  10 * ( character set：utf8=3,gbk=2,latin1=1)+1(NULL)
               char(10)固定字段且不允许NULL =  10 * ( character set：utf8=3,gbk=2,latin1=1)
    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

### 9:ref:列与索引的比较 ###

**列与索引的比较，表示上述表的连接匹配条件，即哪些列或常量被用于查找索引列上的值  **常见的有：const（常量），字段名（例：`t1.id`）

测试1:  explain select uid from user\_test where uid=5;    5就是常量

### ![20210610165511309.png][] ###

测试2:  explain select t.uid from user\_test t inner join \`order\` o on  t.uid =o.user\_id;

### ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhbmc1NzAxMDcx_size_16_color_FFFFFF_t_70][] ###

### 10:rows:扫描出的行数(估算的行数) ###

**估算出结果集行数，表示MySQL根据表统计信息及索引选用情况，估算的找到所需的记录所需要读取的行数**

测试1:  explain  select  \* from user\_test   (将表所有数据都读出来了)

![20210610164835403.png][]

## 11:Extra列 ##

顾名思义，Extra列是用来说明一些额外信息的，我们可以通过这些额外信息来更准确的理解MySQL到底将如何执行给定的查询语句

该列包含MySQL解决查询的详细信息,有以下几种情况：
     
    Using where:不用读取表中所有信息，仅通过索引就可以获取所需数据，这发生在对表的全部的请求列都是同一个索引的部分的时候，表示mysql服务器将在存储引擎检索行后再进行过滤
     
    Using temporary：表示MySQL需要使用临时表来存储结果集，常见于排序和分组查询，常见 group by ; order by
     
    Using filesort：当Query中包含 order by 操作，而且无法利用索引完成的排序操作称为“文件排序”
     
    -- 测试Extra的filesort
    explain select * from emp order by name;
    Using join buffer：改值强调了在获取连接条件时没有使用索引，并且需要连接缓冲区来存储中间结果。如果出现了这个值，那应该注意，根据查询的具体情况可能需要添加索引来改进能。
     
    Impossible where：这个值强调了where语句会导致没有符合条件的行（通过收集统计信息不可能存在结果）。
     
    Select tables optimized away：这个值意味着仅通过使用索引，优化器可能仅从聚合函数结果中返回一行
     
    No tables used：Query语句中使用from dual 或不含任何from子句
     
    -- explain select now() from dual;

测试1:  explain select uid from user\_test where uid=5;     查询的列被索引覆盖，并且where筛选条件是索引的前导列，是性能高的表现。

![20210610170224662.png][]

测试2:    explain select \* from user\_test  ORDER BY \`name\`;   sql中包含 order by 操作，而且无法利用索引完成的排序操作称为“文件排序

![20210610170649485.png][]

到这explain关键字就介绍完毕了. 保持良好的习惯,让自己的sql飞起来吧.

参考文章: [https://blog.csdn.net/youanyyou/article/details/109664306][https_blog.csdn.net_youanyyou_article_details_109664306]

[20210610153907637.png]: /images/20221005/48176d6e0b354525bbe88e31e80b93cc.png
[20210610154251206.png]: /images/20221005/3b214827b6b643fea5af5f8dab21200a.png
[20210610155303151.png]: /images/20221005/bb85dde676874bd6bf2dbd63afb60ce5.png
[20210610155324749.png]: /images/20221005/ac0840ee74974e07b39b6ed19e45a62b.png
[20210610160542219.png]: /images/20221005/a4bc7d55616e45bab7ce72e8dda5ca0f.png
[2021061016073793.png]: /images/20221005/d8dfe26be1b742d9b56ed18b37b8b668.png
[20210610162433714.png]: /images/20221005/a7c0e383ff1e49c4a1c6a03358a77f0c.png
[2021061016253445.png]: /images/20221005/f66c2f485dd74c01a04e89307d6354b7.png
[20210610165511309.png]: /images/20221005/f4a906b8b15e4852ba2451d129fa0e4b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dhbmc1NzAxMDcx_size_16_color_FFFFFF_t_70]: /images/20221005/b53890203ca748acbe59206e420a4e9c.png
[20210610164835403.png]: /images/20221005/afcc685f289c4b6c835c6127ec935550.png
[20210610170224662.png]: /images/20221005/173c924a275d4406a7007386efc66a24.png
[20210610170649485.png]: /images/20221005/72f2d66cce034c0483ca7857d79b6be1.png
[https_blog.csdn.net_youanyyou_article_details_109664306]: https://blog.csdn.net/youanyyou/article/details/109664306