概述
explain是MySQL中的一个关键字，可以用于模拟优化器执行SQL语句，分析你的SQL的性能瓶颈。
使用时只需将该关键字加在sql头部，如
explain select * from employees where name = 'zhangsan'
案例
explain返回的结果有许多字段，我们又当如何理解呢？
以下有张员工记录表，联合索引：name_age_position
CREATE TABLE `employees` ( `id` int(11) NOT NULL AUTO_INCREMENT, `name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名', `age` int(11) NOT NULL DEFAULT '0' COMMENT '年龄', `position` varchar(20) NOT NULL DEFAULT '' COMMENT '职位', `hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入职时间', PRIMARY KEY (`id`), KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE ) ENGINE=InnoDB AUTO_INCREMENT=100001 DEFAULT CHARSET=utf8 COMMENT='员工记录表';
image-20230120121125751
执行sql
explain select * from employees where name = 'zhangsan'
explain结果
image-20230120121225512
现在，可以简单解读以下其中几个列
1、select_type: 查询类型，SIMPLE：简单查询
2、table: 查询的表
3、possible_keys: 执行该sql可能会用的索引，注意是可能，该列意义不大。
4、key: 执行该sql实际使用的索引，有没有走索引主要看该列
5、key_len: 索引所用的字节数(长度)，通过该列可以判断使用了联合索引的哪几个字段。
没错，索引是有长度的，索引的长度等于该索引包含字段长度之和，具体计算规则如下：
- 字符串
- char(n)：n字节长度
- varchar(n)：如果是utf-8，则长度 3n + 2 字节，加的2字节用来存储字符串长度
- 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
- 如果字段允许为 NULL，需要1字节记录是否为 NULL
案例表中的字段name类型为varchar(24)，长度即为：3*24+2=74，符合explain中的结果。
如果我们使用该sql语句
explain select * from employees where name = 'zhangsan' and age = 18 and position = 'dev';
image-20230120125258837
name类型为varchar(24)，长度：3*24+2=74
age类型为int, 长度：4
position类型为varchar(20),长度：3*20+2=62
74+4+62=140
复杂查询
接下来，我们看一个稍显复杂的例子
explain select * from employees t1 join (select id from employees order by name limit 10000, 10) t2 ON t1.id = t2.id;
该语句含义为：查询以name字段排序的第10000~10010行记录
至于为什么不直接
select * from employees order bynamelimit 10000, 10会在后续索引优化中解释
image-20230120131745532
1、id列：该列并非单纯指返回结果的id，因为你可能也注意到了，第一行和第二行id都为1
id列的具体含义为：id列的编号是select的序列号，有几个select就有几个id，并且id的顺序是按select出现的顺序增长的。id列越大执行优先级越高，id相同则从上往下执行，id为NULL最后执行。
2、select_type:
- primary：复杂查询中最外层的select
- derived：包含在from子句中的子查询。MySQL会将结果存放在一个临时表中，也称为派生表（derived的英文含义）
3、table列：deriven2表示：当from子句中有子查询时，table列是<derivenN>格式，表示当前查询依赖id=N的查询，于是先执行id=N的查询。
意思就是第一行依赖于第三行id=2的查询
4、type列
- ALL：即全表扫描，扫描你的聚簇索引的所有叶子节点。
- eq_ref：
primary key或unique key索引的所有部分被连接使用 ，最多只会返回一条符合条件的记录。 - index：扫描全索引，一般是扫描某个二级索引
5、ref列: 这一列显示了在key列记录的索引中，表查找值所用到的列或常量
6、row列：mysql估计要读取并检测的行数
6、Extra列：
- Using index：使用覆盖索引
覆盖索引定义：mysql执行计划explain结果里的key有使用索引，如果select后面查询的字段都可以从这个索引的树中获取，这种情况一般可以说是用到了覆盖索引
结合以上列的解释，该sql语句的执行计划大概可以这样阐述：
1、先使用联合索引执行select id from employees order by name limit 10000, 10语句，将查询结果id放入临时表中。
2、全表扫描该临时表
3、使用id关联查询select * from employees t1
关于explain的用法大概就是这些，更为详细的理论内容可查看Explain详解和索引最佳实践和官网文档
trace工具
为什么有时候explain的结果和我们的期望不同？
这是因为MySQL优化器会进行成本计算，MySQL觉得不走索引还会快一些。
比如该sql
explain select * from employees3 where name > 'bb';
image-20230120134900202
可以看到在执行计划中不会使用任何索引
关于执行成本，我们可以通过trace工具查看
-- 开启trace set session optimizer_trace="enabled=on",end_markers_in_json=on; -- 执行sql explain select * from employees3 where name > 'bb'; -- 查看结果 SELECT * FROM information_schema.OPTIMIZER_TRACE;
image-20230120135120016
大致内容和解释如下
{ "steps": [ { "join_preparation": { -- 第一阶段：SQL准备阶段，格式化sql "select#": 1, "steps": [ { "expanded_query": "/* select#1 */ select `employees`.`id` AS `id`,`employees`.`name` AS `name`,`employees`.`age` AS `age`,`employees`.`position` AS `position`,`employees`.`hire_time` AS `hire_time` from `employees` where (`employees`.`name` > 'LiLei')" } ] /* steps */ } /* join_preparation */ }, { "join_optimization": { -- 第二阶段：SQL优化阶段 "select#": 1, "steps": [ { "condition_processing": { -- 条件处理 "condition": "WHERE", "original_condition": "(`employees`.`name` > 'LiLei')", "steps": [ { "transformation": "equality_propagation", "resulting_condition": "(`employees`.`name` > 'LiLei')" }, { "transformation": "constant_propagation", "resulting_condition": "(`employees`.`name` > 'LiLei')" }, { "transformation": "trivial_condition_removal", "resulting_condition": "(`employees`.`name` > 'LiLei')" } ] /* steps */ } /* condition_processing */ }, { "substitute_generated_columns": { } /* substitute_generated_columns */ }, { "table_dependencies": [ -- 表依赖详情 { "table": "`employees`", "row_may_be_null": false, "map_bit": 0, "depends_on_map_bits": [ ] /* depends_on_map_bits */ } ] /* table_dependencies */ }, { "ref_optimizer_key_uses": [ ] /* ref_optimizer_key_uses */ }, { "rows_estimation": [ -- 预估表的访问成本 { "table": "`employees`", "range_analysis": { "table_scan": { -- 全部扫描情况 "rows": 100127, -- 扫描行数 "cost": 20380 -- 查询成本 } /* table_scan */, "potential_range_indexes": [ -- 查询可能使用的索引 { "index": "PRIMARY", -- 主键索引 "usable": false, "cause": "not_applicable" }, { "index": "idx_name_age_position", -- 辅助索引 "usable": true, "key_parts": [ "name", "age", "position", "id" ] /* key_parts */ } ] /* potential_range_indexes */, "setup_range_conditions": [ ] /* setup_range_conditions */, "group_index_range": { "chosen": false, "cause": "not_group_by_or_distinct" } /* group_index_range */, "analyzing_range_alternatives": { -- 分析各个索引使用成本 "range_scan_alternatives": [ { "index": "idx_name_age_position", "ranges": [ "LiLei < name" -- 索引使用范围 ] /* ranges */, "index_dives_for_eq_ranges": true, "rowid_ordered": false, -- 使用该索引获取的记录是否按照主键排序 "using_mrr": false, "index_only": false, -- 是否使用覆盖索引 "rows": 50063, -- 索引扫描行数 "cost": 60077, -- 索引查询成本 "chosen": false, -- 是否选择 "cause": "cost" } ] /* range_scan_alternatives */, "analyzing_roworder_intersect": { "usable": false, "cause": "too_few_roworder_scans" } /* analyzing_roworder_intersect */ } /* analyzing_range_alternatives */ } /* range_analysis */ } ] /* rows_estimation */ }, { "considered_execution_plans": [ { "plan_prefix": [ ] /* plan_prefix */, "table": "`employees`", "best_access_path": { -- 最优访问路径 "considered_access_paths": [ -- 最终选择的访问路径 { "rows_to_scan": 100127, "access_type": "scan", -- 全表扫描 "resulting_rows": 100127, "cost": 20378, "chosen": true } ] /* considered_access_paths */ } /* best_access_path */, "condition_filtering_pct": 100, "rows_for_plan": 100127, "cost_for_plan": 20378, "chosen": true } ] /* considered_execution_plans */ }, { "attaching_conditions_to_tables": { "original_condition": "(`employees`.`name` > 'LiLei')", "attached_conditions_computation": [ ] /* attached_conditions_computation */, "attached_conditions_summary": [ { "table": "`employees`", "attached": "(`employees`.`name` > 'LiLei')" } ] /* attached_conditions_summary */ } /* attaching_conditions_to_tables */ }, { "refine_plan": [ { "table": "`employees`" } ] /* refine_plan */ } ] /* steps */ } /* join_optimization */ }, { "join_execution": { "select#": 1, "steps": [ ] /* steps */ } /* join_execution */ } ] /* steps */ }
