MySQL查询优化之explain的深入解析
程序员文章站
2024-03-31 11:51:28
在分析查询性能时，考虑explain关键字同样很管用。explain关键字一般放在select查询语句的前面，用于描述mysql如何执行查询操作、以及mysql成功返回结果...
在分析查询性能时，考虑explain关键字同样很管用。explain关键字一般放在select查询语句的前面，用于描述mysql如何执行查询操作、以及mysql成功返回结果集需要执行的行数。explain 可以帮助我们分析 select 语句,让我们知道查询效率低下的原因,从而改进我们查询,让查询优化器能够更好的工作。
一、mysql 查询优化器是如何工作的
mysql 查询优化器有几个目标,但是其中最主要的目标是尽可能地使用索引,并且使用最严格的索引来消除尽可能多的数据行。最终目标是提交 select 语句查找数据行,而不是排除数据行。优化器试图排除数据行的原因在于它排除数据行的速度越快,那么找到与条件匹配的数据行也就越快。如果能够首先进行最严格的测试,查询就可以执行地更快。
explain 的每个输出行提供一个表的相关信息,并且每个行包括下面的列:
| 项 | 说明 |
| id | mysql query optimizer 选定的执行计划中查询的序列号。表示查询中执行 select 子句或操作表的顺序,id 值越大优先级越高,越先被执行。id 相同,执行顺序由上至下。 |
| select_type 查询类型 | 说明 |
| simple | 简单的 select 查询,不使用 union 及子查询 |
| primary | 最外层的 select 查询 |
| union | union 中的第二个或随后的 select 查询,不 依赖于外部查询的结果集 |
| dependent union | union 中的第二个或随后的 select 查询,依 赖于外部查询的结果集 |
| subquery | 子查询中的第一个 select 查询,不依赖于外 部查询的结果集 |
| dependent subquery | 子查询中的第一个 select 查询,依赖于外部 查询的结果集 |
| derived | 用于 from 子句里有子查询的情况。 mysql 会 递归执行这些子查询, 把结果放在临时表里。 |
| uncacheable subquery | 结果集不能被缓存的子查询,必须重新为外 层查询的每一行进行评估。 |
| uncacheable union | union 中的第二个或随后的 select 查询,属 于不可缓存的子查询 |
| 项 | 说明 |
| table | 输出行所引用的表 |
| type 重要的项,显示连接使用的类型,按最 优到最差的类型排序 | 说明 |
| system | 表仅有一行(=系统表)。这是 const 连接类型的一个特例。 |
| const | const 用于用常数值比较 primary key 时。当 查询的表仅有一行时,使用 system。 |
| eq_ref | const 用于用常数值比较 primary key 时。当 查询的表仅有一行时,使用 system。 |
| ref | 连接不能基于关键字选择单个行,可能查找 到多个符合条件的行。 叫做 ref 是因为索引要 跟某个参考值相比较。这个参考值或者是一 个常数,或者是来自一个表里的多表查询的 结果值。 |
| ref_or_null | 如同 ref, 但是 mysql 必须在初次查找的结果 里找出 null 条目,然后进行二次查找。 |
| index_merge | 说明索引合并优化被使用了。 |
| unique_subquery | 在某些 in 查询中使用此种类型,而不是常规的 ref:value in (select primary_key from single_table where some_expr) |
| index_subquery | 在 某 些 in 查 询 中 使 用 此 种 类 型 , 与 unique_subquery 类似,但是查询的是非唯一 性索引: value in (select key_column from single_table where some_expr) |
| range | 只检索给定范围的行,使用一个索引来选择 行。key 列显示使用了哪个索引。当使用=、 <>、>、>=、<、<=、is null、<=>、between 或者 in 操作符,用常量比较关键字列时,可 以使用 range。 |
| index | 全表扫描,只是扫描表的时候按照索引次序 进行而不是行。主要优点就是避免了排序, 但是开销仍然非常大。 |
| all | 最坏的情况,从头到尾全表扫描。 |
| 项 | 说明 |
| possible_keys | 指出 mysql 能在该表中使用哪些索引有助于 查询。如果为空,说明没有可用的索引。 |
| 项 | 说明 |
| key | mysql 实际从 possible_key 选择使用的索引。 如果为 null,则没有使用索引。很少的情况 下,mysql 会选择优化不足的索引。这种情 况下,可以在 select 语句中使用 use index (indexname)来强制使用一个索引或者用 ignore index(indexname)来强制 mysql 忽略索引 |
| 项 | 说明 |
| key_len | 使用的索引的长度。在不损失精确性的情况 下,长度越短越好。 |
| 项 | 说明 |
| ref | 显示索引的哪一列被使用了 |
| 项 | 说明 |
| rows | mysql 认为必须检查的用来返回请求数据的行数 |
| 项 | 说明 |
| rows | mysql 认为必须检查的用来返回请求数据的行数 |
extra 中出现以下 2 项意味着 mysql 根本不能使用索引,效率会受到重大影响。应尽可能对此进行优化。
| extra 项 | 说明 |
| using filesort | 表示 mysql 会对结果使用一个外部索引排序,而不是从表里按索引次序读到相关内容。可能在内存或者磁盘上进行排序。mysql 中无法利用索引完成的排序操作称为“文件排序” |
| using temporary | 表示 mysql 在对查询结果排序时使用临时表。常见于排序 order by 和分组查询 group by。 |
下面来举一个例子来说明下 explain 的用法。
先来一张表:
复制代码 代码如下:
create table if not exists `article` (`id` int(10) unsigned not null auto_increment,
`author_id` int(10) unsigned not null,
`category_id` int(10) unsigned not null,
`views` int(10) unsigned not null,
`comments` int(10) unsigned not null,
`title` varbinary(255) not null,
`content` text not null,
primary key (`id`)
);
再插几条数据:
复制代码 代码如下:
insert into `article`
(`author_id`, `category_id`, `views`, `comments`, `title`, `content`) values
(1, 1, 1, 1, '1', '1'),
(2, 2, 2, 2, '2', '2'),
(1, 1, 3, 3, '3', '3');
需求:
查询 category_id 为 1 且 comments 大于 1 的情况下,views 最多的 article_id。
先查查试试看:
复制代码 代码如下:
explain
select author_id
from `article`
where category_id = 1 and comments > 1
order by views desc
limit 1\g
看看部分输出结果:
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: article
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 3
extra: using where; using filesort
1 row in set (0.00 sec)
很显然,type 是 all,即最坏的情况。extra 里还出现了 using filesort,也是最坏的情况。优化是必须的。
嗯,那么最简单的解决方案就是加索引了。好,我们来试一试。查询的条件里即 where 之后共使用了 category_id,comments,views 三个字段。那么来一个联合索引是最简单的了。
复制代码 代码如下:
alter table `article` add index x ( `category_id` , `comments`, `views` );
结果有了一定好转,但仍然很糟糕:
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: article
type: range
possible_keys: x
key: x
key_len: 8
ref: null
rows: 1
extra: using where; using filesort
1 row in set (0.00 sec)
type 变成了 range,这是可以忍受的。但是 extra 里使用 using filesort 仍是无法接受的。但是我们已经建立了索引,为啥没用呢?这是因为按照 btree 索引的工作原理,先排序 category_id,如果遇到相同的 category_id 则再排序 comments,如果遇到相同的 comments 则再排序 views。当 comments 字段在联合索引里处于中间位置时,因comments > 1 条件是一个范围值(所谓 range),mysql 无法利用索引再对后面的 views 部分进行检索,即 range 类型查询字段后面的索引无效。
那么我们需要抛弃 comments,删除旧索引:
复制代码 代码如下:
drop index x on article;
然后建立新索引:
复制代码 代码如下:
alter table `article` add index y ( `category_id` , `views` ) ;
接着再运行查询:
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: article
type: ref
possible_keys: y
key: y
key_len: 4
ref: const
rows: 1
extra: using where
1 row in set (0.00 sec)
可以看到,type 变为了 ref,extra 中的 using filesort 也消失了,结果非常理想。
再来看一个多表查询的例子。
首先定义 3个表 class 和 room。
复制代码 代码如下:
create table if not exists `class` (
`id` int(10) unsigned not null auto_increment,
`card` int(10) unsigned not null,
primary key (`id`)
);
create table if not exists `book` (
`bookid` int(10) unsigned not null auto_increment,
`card` int(10) unsigned not null,
primary key (`bookid`)
);
create table if not exists `phone` (
`phoneid` int(10) unsigned not null auto_increment,
`card` int(10) unsigned not null,
primary key (`phoneid`)
) engine = innodb;
然后再分别插入大量数据。插入数据的php脚本：
复制代码 代码如下:
<?php
$link = mysql_connect("localhost","root","870516");
mysql_select_db("test",$link);
for($i=0;$i<10000;$i++)
{
$j = rand(1,20);
$sql = " insert into class(card) values({$j})";
mysql_query($sql);
}
for($i=0;$i<10000;$i++)
{
$j = rand(1,20);
$sql = " insert into book(card) values({$j})";
mysql_query($sql);
}
for($i=0;$i<10000;$i++)
{
$j = rand(1,20);
$sql = " insert into phone(card) values({$j})";
mysql_query($sql);
}
mysql_query("commit");
?>
然后来看一个左连接查询:
复制代码 代码如下:
explain select * from class left join book on class.card = book.card\g
分析结果是:
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: class
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
*************************** 2. row ***************************
id: 1
select_type: simple
table: book
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
2 rows in set (0.00 sec)
显然第二个 all 是需要我们进行优化的。
建立个索引试试看:
复制代码 代码如下:
alter table `book` add index y ( `card`);
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: class
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
*************************** 2. row ***************************
id: 1
select_type: simple
table: book
type: ref
possible_keys: y
key: y
key_len: 4
ref: test.class.card
rows: 1000
extra:
2 rows in set (0.00 sec)
可以看到第二行的 type 变为了 ref,rows 也变成了 1741*18,优化比较明显。这是由左连接特性决定的。left join 条件用于确定如何从右表搜索行,左边一定都有,所以右边是我们的关键点,一定需要建立索引。
删除旧索引:
复制代码 代码如下:
drop index y on book;
建立新索引。
复制代码 代码如下:
alter table `class` add index x ( `card`);
结果
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: class
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
*************************** 2. row ***************************
id: 1
select_type: simple
table: book
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
2 rows in set (0.00 sec)
基本无变化。
然后来看一个右连接查询:
复制代码 代码如下:
explain select * from class right join book on class.card = book.card;
分析结果是:
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: book
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
*************************** 2. row ***************************
id: 1
select_type: simple
table: class
type: ref
possible_keys: x
key: x
key_len: 4
ref: test.book.card
rows: 1000
extra:
2 rows in set (0.00 sec)
优化较明显。这是因为 right join 条件用于确定如何从左表搜索行,右边一定都有,所以左边是我们的关键点,一定需要建立索引。
删除旧索引:
复制代码 代码如下:
drop index x on class;
建立新索引。
复制代码 代码如下:
alter table `book` add index y ( `card`);
结果
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: class
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
*************************** 2. row ***************************
id: 1
select_type: simple
table: book
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
2 rows in set (0.00 sec)
基本无变化。
最后来看看 inner join 的情况:
复制代码 代码如下:
explain select * from class inner join book on class.card = book.card;
结果:
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: book
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
*************************** 2. row ***************************
id: 1
select_type: simple
table: class
type: ref
possible_keys: x
key: x
key_len: 4
ref: test.book.card
rows: 1000
extra:
2 rows in set (0.00 sec)
删除旧索引:
复制代码 代码如下:
drop index y on book;
结果
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: class
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
*************************** 2. row ***************************
id: 1
select_type: simple
table: book
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
2 rows in set (0.00 sec)
建立新索引。
复制代码 代码如下:
alter table `class` add index x ( `card`);
结果
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: class
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
*************************** 2. row ***************************
id: 1
select_type: simple
table: book
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
2 rows in set (0.00 sec)
综上所述,inner join 和 left join 差不多,都需要优化右表。而 right join 需要优化左表。
我们再来看看三表查询的例子
添加一个新索引：
复制代码 代码如下:
alter table `phone` add index z ( `card`);
alter table `book` add index y ( `card`);
复制代码 代码如下:
explain select * from class left join book on class.card=book.card left join phone on book.card = phone.card;
复制代码 代码如下:
*************************** 1. row ***************************
id: 1
select_type: simple
table: class
type: all
possible_keys: null
key: null
key_len: null
ref: null
rows: 20000
extra:
*************************** 2. row ***************************
id: 1
select_type: simple
table: book
type: ref
possible_keys: y
key: y
key_len: 4
ref: test.class.card
rows: 1000
extra:
*************************** 3. row ***************************
id: 1
select_type: simple
table: phone
type: ref
possible_keys: z
key: z
key_len: 4
ref: test.book.card
rows: 260
extra: using index
3 rows in set (0.00 sec)
后 2 行的 type 都是 ref 且总 rows 优化很好,效果不错。
mysql 中的 explain 语法可以帮助我们改写查询,优化表的结构和索引的设置,从而最大地提高查询效率。当然,在大规模数据量时,索引的建立和维护的代价也是很高的,往往需要较长的时间和较大的空间,如果在不同的列组合上建立索引,空间的开销会更大。因此索引最好设置在需要经常查询的字段中。