一步步教你MySQL查询优化分析教程

前言

mysql是关系性数据库中的一种，查询功能强，数据一致性高，数据安全性高，支持二级索引。但性能方面稍逊于非关系性数据库，特别是百万级别以上的数据，很容易出现查询慢的现象。这时候需要分析查询慢的原因，一般情况下是程序员sql写的烂，或者是没有键索引，或者是索引失效等原因导致的。

这时候mysql 提供的 explain 命令就尤其重要, 它可以对 select 语句进行分析, 并输出 select 执行的详细信息, 以供开发人员针对性优化.

而且就在查询语句前加上 explain 就成:

explain select * from customer where id < 100;

准备

首先需要建立两个测试用表及数据:

create table `customer` ( 
 `id` bigint(20) unsigned not null auto_increment,
 `name` varchar(50) not null default '',
 `age` int(11) unsigned default null,
 primary key (`id`),
 key `name_index` (`name`)
) engine = innodb default charset = utf8mb4

insert into customer (name, age) values ('a', 1);
insert into customer (name, age) values ('b', 2);
insert into customer (name, age) values ('c', 3);
insert into customer (name, age) values ('d', 4);
insert into customer (name, age) values ('e', 5);
insert into customer (name, age) values ('f', 6);
insert into customer (name, age) values ('g', 7);
insert into customer (name, age) values ('h', 8);
insert into customer (name, age) values ('i', 9);

create table `orders` (
 `id` bigint(20) unsigned not null auto_increment,
 `user_id` bigint(20) unsigned not null default 0, `product_name` varchar(50) not null default '',
 `productor` varchar(30) not null default '',
 primary key (`id`),
 key `user_product_detail_index` (`user_id`, `product_name`, `productor`)
) engine = innodb default charset = utf8mb4

insert into orders (user_id, product_name, productor) values (1, 'p1', 'whh');
insert into orders (user_id, product_name, productor) values (1, 'p2', 'wl');
insert into orders (user_id, product_name, productor) values (1, 'p1', 'dx');
insert into orders (user_id, product_name, productor) values (2, 'p1', 'whh');
insert into orders (user_id, product_name, productor) values (2, 'p5', 'wl');
insert into orders (user_id, product_name, productor) values (3, 'p3', 'ma');
insert into orders (user_id, product_name, productor) values (4, 'p1', 'whh');
insert into orders (user_id, product_name, productor) values (6, 'p1', 'whh');
insert into orders (user_id, product_name, productor) values (9, 'p8', 'te');

explain 输出格式

explain 命令的输出内容大致如下:

mysql> explain select * from customer where id = 1\g
*************************** 1. row ***************************
 id: 1
 select_type: simple
 table: customer
 partitions: null
 type: const
possible_keys: primary
 key: primary
 key_len: 8
 ref: const
 rows: 1
 filtered: 100.00
 extra: null
1 row in set, 1 warning (0.00 sec)

各列的含义如下:

• id: select 查询的标识符. 每个 select 都会自动分配一个唯一的标识符.
• select_type: select 查询的类型.
• table: 查询的是哪个表partitions: 匹配的分区type: join 类型
• possible_keys: 此次查询中可能选用的索引
• key: 此次查询中确切使用到的索引.
• ref: 哪个字段或常数与 key 一起被使用
• rows: 显示此查询一共扫描了多少行. 这个是一个估计值.
• filtered: 表示此查询条件所过滤的数据的百分比
• extra: 额外的信息

接下来我们来重点看一下比较重要的几个字段.

select_type

• simple —— 简单的select 查询，查询中不包含子查询或者union
• primary —— 查询中若包含任何复杂的子查询，最外层查询则被标记为primary
• union —— 表示此查询是 union 的第二或随后的查询
• dependent union —— union 中的第二个或后面的查询语句, 取决于外面的查询
• union result —— 从union表获取结果的select结果
• derived —— 在from列表中包含的子查询被标记为derived（衍生）mysql会递归执行这些子查询，把结果放在临时表里。
• subquery —— 在select或where 列表中包含了子查询
• dependent subquery —— 子查询中的第一个 select, 取决于外面的查询. 即子查询依赖于外层查询的结果.

最常见的查询类别应该是 simple 了, 比如当我们的查询没有子查询, 也没有 union 查询时, 那么通常就是 simple 类型, 例如:

mysql> explain select * from customer where id = 2\g
*************************** 1. row ***************************
 id: 1
 select_type: simple
 table: customer
 partitions: null
 type: const
possible_keys: primary
 key: primary
 key_len: 8
 ref: const
 rows: 1
 filtered: 100.00
 extra: null
1 row in set, 1 warning (0.00 sec)

如果我们使用了 union 查询, 那么 explain 输出 的结果类似如下:

mysql> explain (select * from customer where id in (1, 2, 3)) 
 -> union
 -> (select * from customer where id in (3, 4, 5));
+----+--------------+------------+------------+-------+---------------+---------+---------+------+------+----------+-----------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | extra |
+----+--------------+------------+------------+-------+---------------+---------+---------+------+------+----------+-----------------+
| 1 | primary | customer | null | range | primary | primary | 8 | null | 3 | 100.00 | using where |
| 2 | union | customer | null | range | primary | primary | 8 | null | 3 | 100.00 | using where |
| null | union result | <union1,2> | null | all | null | null | null | null | null | null | using temporary |
+----+--------------+------------+------------+-------+---------------+---------+---------+------+------+----------+-----------------+
3 rows in set, 1 warning (0.00 sec)

table

表示查询涉及的表或衍生表

type

type 字段比较重要, 它提供了判断查询是否高效的重要依据依据. 通过 type 字段, 我们判断此次查询是 全表扫描 还是 索引扫描 等.

type 常用类型

type 常用的取值有:

• system: 表中只有一条数据. 这个类型是特殊的 const 类型.
• const: 针对主键或唯一索引的等值查询扫描, 最多只返回一行数据. const 查询速度非常快, 因为它仅仅读取一次即可.例如下面的这个查询, 它使用了主键索引, 因此 type 就是 const 类型的.

mysql> explain select * from customer where id = 2\g
*************************** 1. row ***************************
 id: 1
 select_type: simple
 table: customer
 partitions: null
 type: const
possible_keys: primary
 key: primary
 key_len: 8
 ref: const
 rows: 1
 filtered: 100.00
 extra: null
1 row in set, 1 warning (0.00 sec)

eq_ref: 此类型通常出现在多表的 join 查询, 表示对于前表的每一个结果, 都只能匹配到后表的一行结果. 并且查询的比较操作通常是 =, 查询效率较高. 例如:

mysql> explain select * from customer, order_info where customer.id = order_info.user_id\g
*************************** 1. row ***************************
  id: 1
 select_type: simple
 table: order_info
 partitions: null
  type: index
possible_keys: user_product_detail_index
  key: user_product_detail_index
 key_len: 314
  ref: null
  rows: 9
 filtered: 100.00
 extra: using where; using index
*************************** 2. row ***************************
  id: 1
 select_type: simple
 table: customer
 partitions: null
  type: eq_ref
possible_keys: primary
  key: primary
 key_len: 8
  ref: test.order_info.user_id
  rows: 1
 filtered: 100.00
 extra: null
2 rows in set, 1 warning (0.00 sec)

ref: 此类型通常出现在多表的 join 查询, 针对于非唯一或非主键索引, 或者是使用了 最左前缀 规则索引的查询.

例如下面这个例子中, 就使用到了 ref 类型的查询:

mysql> explain select * from customer, order_info where customer.id = order_info.user_id and order_info.user_id = 5\g
*************************** 1. row ***************************
  id: 1
 select_type: simple
 table: customer
 partitions: null
  type: const
possible_keys: primary
  key: primary
 key_len: 8
  ref: const
  rows: 1
 filtered: 100.00
 extra: null
*************************** 2. row ***************************
  id: 1
 select_type: simple
 table: order_info
 partitions: null
  type: ref
possible_keys: user_product_detail_index
  key: user_product_detail_index
 key_len: 9
  ref: const
  rows: 1
 filtered: 100.00
 extra: using index
2 rows in set, 1 warning (0.01 sec)

range: 表示使用索引范围查询, 通过索引字段范围获取表中部分数据记录. 这个类型通常出现在 =, <>, >, >=, <, <=, is null, <=>, between, in() 操作中.当 type 是 range 时, 那么 explain 输出的 ref 字段为 null, 并且 key_len 字段是此次查询中使用到的索引的最长的那个.

例如下面的例子就是一个范围查询:

mysql> explain select * from customer where id between 2 and 8 \g
*************************** 1. row ***************************
  id: 1
 select_type: simple
 table: customer
 partitions: null
  type: range
possible_keys: primary
  key: primary
 key_len: 8
  ref: null
  rows: 7
 filtered: 100.00
 extra: using where
1 row in set, 1 warning (0.00 sec)

index: 表示全索引扫描(full index scan), 和 all 类型类似, 只不过 all 类型是全表扫描, 而 index 类型则仅仅扫描所有的索引, 而不扫描数据.

index 类型通常出现在: 所要查询的数据直接在索引树中就可以获取到, 而不需要扫描数据. 当是这种情况时, extra 字段 会显示 using index.

例如:

mysql> explain select name from customer \g
*************************** 1. row ***************************
  id: 1
 select_type: simple
 table: customer
 partitions: null
  type: index
possible_keys: null
  key: name_index
 key_len: 152
  ref: null
  rows: 10
 filtered: 100.00
 extra: using index
1 row in set, 1 warning (0.00 sec)

上面的例子中, 我们查询的 name 字段恰好是一个索引, 因此我们直接从索引中获取数据就可以满足查询的需求了, 而不需要查询表中的数据. 因此这样的情况下, type 的值是 index, 并且 extra 的值是 using index.

• all: 表示全表扫描, 这个类型的查询是性能最差的查询之一. 通常来说, 我们的查询不应该出现 all 类型的查询, 因为这样的查询在数据量大的情况下, 对数据库的性能是巨大的灾难. 如一个查询是 all 类型查询, 那么一般来说可以对相应的字段添加索引来避免.

下面是一个全表扫描的例子, 可以看到, 在全表扫描时, possible_keys 和 key 字段都是 null, 表示没有使用到索引, 并且 rows 十分巨大, 因此整个查询效率是十分低下的.

mysql> explain select age from customer where age = 20 \g*************************** 1. row ***************************
  id: 1
 select_type: simple
 table: customer
 partitions: null
  type: all
possible_keys: null
  key: null
 key_len: null
  ref: null
  rows: 10
 filtered: 10.00
 extra: using where
1 row in set, 1 warning (0.00 sec)

type 类型的性能比较

通常来说, 不同的 type 类型的性能关系如下:

all < index < range ~ index_merge < ref < eq_ref < const < system

all 类型因为是全表扫描, 因此在相同的查询条件下, 它是速度最慢的.

而 index 类型的查询虽然不是全表扫描, 但是它扫描了所有的索引, 因此比 all 类型的稍快.后面的几种类型都是利用了索引来查询数据, 因此可以过滤部分或大部分数据, 因此查询效率就比较高了.

对程序员来说，若保证查询至少达到range级别或者最好能达到ref则算是一个优秀而又负责的程序员。

• all：（full table scan）全表扫描无疑是最差，若是百万千万级数据量，全表扫描会非常慢。
• index：（full index scan）全索引文件扫描比all好很多，毕竟从索引树中找数据，比从全表中找数据要快。
• range：只检索给定范围的行，使用索引来匹配行。范围缩小了，当然比全表扫描和全索引文件扫描要快。sql语句中一般会有between，in，>，< 等查询。
• ref：非唯一性索引扫描，本质上也是一种索引访问，返回所有匹配某个单独值的行。比如查询公司所有属于研发团队的同事，匹配的结果是多个并非唯一值。
• eq_ref：唯一性索引扫描，对于每个索引键，表中有一条记录与之匹配。比如查询公司的ceo，匹配的结果只可能是一条记录，
• const：表示通过索引一次就可以找到，const用于比较primary key 或者unique索引。因为只匹配一行数据，所以很快，若将主键至于where列表中，mysql就能将该查询转换为一个常量。
• system：表只有一条记录（等于系统表），这是const类型的特列，平时不会出现，了解即可

possible_key

spossible_keys 表示 mysql 在查询时, 能够使用到的索引. 注意, 即使有些索引在 possible_keys 中出现, 但是并不表示此索引会真正地被 mysql 使用到. mysql 在查询时具体使用了哪些索引, 由 key 字段决定.

key

此字段是 mysql 在当前查询时所真正使用到的索引.

key_len

表示查询优化器使用了索引的字节数. 这个字段可以评估组合索引是否完全被使用, 或只有最左部分字段被使用到.

key_len 的计算规则如下:

• 字符串
  • char(n): n 字节长度
  • varchar(n): 如果是 utf8 编码, 则是 3
    n + 2字节; 如果是 utf8mb4 编码, 则是 4
    n + 2 字节.
• 数值类型:
  • tinyint: 1字节
  • smallint: 2字节
  • mediumint: 3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
• 字段属性: null 属性 占用一个字节. 如果一个字段是 not null 的, 则没有此属性.

我们来举两个简单的栗子:

mysql> explain select * from order_info where user_id < 3 and product_name = 'p1' and productor = 'whh' \g
*************************** 1. row ***************************
   id: 1
 select_type: simple
  table: order_info
 partitions: null
   type: range
possible_keys: user_product_detail_index
   key: user_product_detail_index
  key_len: 9
   ref: null
   rows: 5
  filtered: 11.11
  extra: using where; using index
1 row in set, 1 warning (0.00 sec)

上面的例子是从表 order_info 中查询指定的内容, 而我们从此表的建表语句中可以知道, 表 order_info 有一个联合索引:

key `user_product_detail_index` (`user_id`, `product_name`, `productor`)

不过此查询语句 where user_id < 3 and product_name = 'p1' and productor = 'whh' 中, 因为先进行 user_id 的范围查询, 而根据 最左前缀匹配 原则, 当遇到范围查询时, 就停止索引的匹配, 因此实际上我们使用到的索引的字段只有 user_id, 因此在 explain 中, 显示的 key_len 为 9. 因为 user_id 字段是 bigint, 占用 8 字节, 而 null 属性占用一个字节, 因此总共是 9 个字节. 若我们将user_id 字段改为 bigint(20) not null default '0', 则 key_length 应该是8.

上面因为 最左前缀匹配 原则, 我们的查询仅仅使用到了联合索引的 user_id 字段, 因此效率不算高.

接下来我们来看一下下一个例子:

mysql> explain select * from order_info where user_id = 1 and product_name = 'p1' \g;
*************************** 1. row ***************************
   id: 1
 select_type: simple
  table: order_info
 partitions: null
   type: ref
possible_keys: user_product_detail_index
   key: user_product_detail_index
  key_len: 161
   ref: const,const
   rows: 2
  filtered: 100.00
  extra: using index
1 row in set, 1 warning (0.00 sec)

这次的查询中, 我们没有使用到范围查询, key_len 的值为 161. 为什么呢? 因为我们的查询条件 where user_id = 1 and product_name = 'p1' 中, 仅仅使用到了联合索引中的前两个字段, 因此 keylen(user_id) + keylen(product_name) = 9 + 50 * 3 + 2 = 161

rows

rows 也是一个重要的字段. mysql 查询优化器根据统计信息, 估算 sql 要查找到结果集需要扫描读取的数据行数.

这个值非常直观显示 sql 的效率好坏, 原则上 rows 越少越好.

extra

explain 中的很多额外的信息会在 extra 字段显示, 常见的有以下几种内容:

• using filesort

当 extra 中有 using filesort 时, 表示 mysql 需额外的排序操作, 不能通过索引顺序达到排序效果. 一般有 using filesort, 都建议优化去掉, 因为这样的查询 cpu 资源消耗大.

例如下面的例子:

mysql> explain select * from order_info where user_id = 1 and product_name = 'p1' \g;
*************************** 1. row ***************************
   id: 1
 select_type: simple
  table: order_info
 partitions: null
   type: ref
possible_keys: user_product_detail_index
   key: user_product_detail_index
  key_len: 161
   ref: const,const
   rows: 2
  filtered: 100.00
  extra: using index
1 row in set, 1 warning (0.00 sec)

我们的索引是

key `user_product_detail_index` (`user_id`, `product_name`, `productor`)

但是上面的查询中根据 product_name 来排序, 因此不能使用索引进行优化, 进而会产生 using filesort.

如果我们将排序依据改为 order by user_id, product_name, 那么就不会出现 using filesort 了. 例如:

mysql> explain select * from order_info order by user_id, product_name \g
*************************** 1. row ***************************
   id: 1
 select_type: simple
  table: order_info
 partitions: null
   type: index
possible_keys: null
   key: user_product_detail_index
  key_len: 253
   ref: null
   rows: 9
  filtered: 100.00
  extra: using index
1 row in set, 1 warning (0.00 sec)

• using index

"覆盖索引扫描", 表示查询在索引树中就可查找所需数据, 不用扫描表数据文件, 往往说明性能不错

• using temporary

查询有使用临时表, 一般出现于排序, 分组和多表 join 的情况, 查询效率不高, 建议优化.

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对的支持。