MySQL優(yōu)化學習—explain的正確使用方式

使用Explain優(yōu)化SQL語句

原文出處:https://my.oschina.net/liughDevelop/blog/1788148

索引類似大學圖書館建書目索引督勺,可以提高數(shù)據(jù)檢索的效率犯戏,降低數(shù)據(jù)庫的IO成本。MySQL在300萬條記錄左右性能開始逐漸下降担映,雖然官方文檔說500~800w記錄,所以大數(shù)據(jù)量建立索引是非常有必要的诵肛。MySQL提供了Explain突照,用于顯示SQL執(zhí)行的詳細信息,可以進行索引的優(yōu)化直颅。

一博个、導致SQL執(zhí)行慢的原因:

  1. 硬件問題晋控。如網(wǎng)絡(luò)速度慢蜗顽,內(nèi)存不足撩扒,I/O吞吐量小湘换,磁盤空間滿了等。
  2. 沒有索引或者索引失效比规。(一般在互聯(lián)網(wǎng)公司,DBA會在半夜把表鎖了,重新建立一遍索引养葵,因為當你刪除某個數(shù)據(jù)的時候,索引的樹結(jié)構(gòu)就不完整了瘩缆。所以互聯(lián)網(wǎng)公司的數(shù)據(jù)做的是假刪除.一是為了做數(shù)據(jù)分析,二是為了不破壞索引 )
  3. 數(shù)據(jù)過多(分庫分表)
  4. 服務(wù)器調(diào)優(yōu)及各個參數(shù)設(shè)置(調(diào)整my.cnf)

二关拒、分析原因時,一定要找切入點:

  1. 先觀察,開啟慢查詢?nèi)罩咀虐恚O(shè)置相應(yīng)的閾值(比如超過3秒就是慢SQL)谐算,在生產(chǎn)環(huán)境跑上個一天過后,看看哪些SQL比較慢归露。
  2. Explain和慢SQL分析洲脂。比如SQL語句寫的爛,索引沒有或失效剧包,關(guān)聯(lián)查詢太多(有時候是設(shè)計缺陷或者不得以的需求)等等恐锦。
  3. Show Profile是比Explain更近一步的執(zhí)行細節(jié),可以查詢到執(zhí)行每一個SQL都干了什么事疆液,這些事分別花了多少秒一铅。
  4. 找DBA或者運維對MySQL進行服務(wù)器的參數(shù)調(diào)優(yōu)。

三堕油、什么是索引潘飘?

MySQL官方對索引的定義為:索引(Index)是幫助MySQL高效獲取數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。我們可以簡單理解為:快速查找排好序的一種數(shù)據(jù)結(jié)構(gòu)掉缺。Mysql索引主要有兩種結(jié)構(gòu):B+Tree索引和Hash索引卜录。我們平常所說的索引,如果沒有特別指明眶明,一般都是指B樹結(jié)構(gòu)組織的索引(B+Tree索引)暴凑。索引如圖所示:

image

最外層淺藍色磁盤塊1里有數(shù)據(jù)17、35(深藍色)和指針P1赘来、P2现喳、P3(黃色)。P1指針表示小于17的磁盤塊犬辰,P2是在17-35之間嗦篱,P3指向大于35的磁盤塊。真實數(shù)據(jù)存在于子葉節(jié)點也就是最底下的一層3幌缝、5灸促、9、10涵卵、13......非葉子節(jié)點不存儲真實的數(shù)據(jù)浴栽,只存儲指引搜索方向的數(shù)據(jù)項,如17轿偎、35典鸡。

查找過程:例如搜索28數(shù)據(jù)項,首先加載磁盤塊1到內(nèi)存中坏晦,發(fā)生一次I/O萝玷,用二分查找確定在P2指針嫁乘。接著發(fā)現(xiàn)28在26和30之間,通過P2指針的地址加載磁盤塊3到內(nèi)存球碉,發(fā)生第二次I/O蜓斧。用同樣的方式找到磁盤塊8,發(fā)生第三次I/O睁冬。

真實的情況是挎春,上面3層的B+Tree可以表示上百萬的數(shù)據(jù),上百萬的數(shù)據(jù)只發(fā)生了三次I/O而不是上百萬次I/O豆拨,時間提升是巨大的搂蜓。

四、Explain分析

前文鋪墊完成辽装,進入實操部分帮碰,先來插入測試需要的數(shù)據(jù):

CREATE TABLE `user_info` (
    `id` BIGINT (20) NOT NULL AUTO_INCREMENT,
    `name` VARCHAR (50) NOT NULL DEFAULT '',
    `age` INT (11) DEFAULT NULL,
    PRIMARY KEY (`id`),
    KEY `name_index` (`name`)
) ENGINE = INNODB DEFAULT CHARSET = utf8;

INSERT INTO user_info (NAME, age) VALUES ('xys', 20);

INSERT INTO user_info (NAME, age) VALUES ('a', 21);

INSERT INTO user_info (NAME, age) VALUES ('b', 23);

INSERT INTO user_info (NAME, age) VALUES ('c', 50);

INSERT INTO user_info (NAME, age) VALUES ('d', 15);

INSERT INTO user_info (NAME, age) VALUES ('e', 20);

INSERT INTO user_info (NAME, age) VALUES ('f', 21);

INSERT INTO user_info (NAME, age) VALUES ('g', 23);

INSERT INTO user_info (NAME, age) VALUES ('h', 50);

INSERT INTO user_info (NAME, age) VALUES ('i', 15);

CREATE TABLE `order_info` (
    `id` BIGINT (20) NOT NULL AUTO_INCREMENT,
    `user_id` BIGINT (20) DEFAULT NULL,
    `product_name` VARCHAR (50) NOT NULL DEFAULT '',
    `productor` VARCHAR (30) DEFAULT NULL,
    PRIMARY KEY (`id`),
    KEY `user_product_detail_index` (
        `user_id`,
        `product_name`,
        `productor`
    )
) ENGINE = INNODB DEFAULT CHARSET = utf8;

INSERT INTO order_info (user_id, product_name, productor) VALUES (1, 'p1', 'WHH');

INSERT INTO order_info (user_id, product_name, productor) VALUES (1, 'p2', 'WL');

INSERT INTO order_info (user_id, product_name, productor) VALUES (1, 'p1', 'DX');

INSERT INTO order_info (user_id, product_name, productor) VALUES (2, 'p1', 'WHH');

INSERT INTO order_info (user_id, product_name, productor) VALUES (2, 'p5', 'WL');

INSERT INTO order_info (user_id, product_name, productor) VALUES (3, 'p3', 'MA');

INSERT INTO order_info (user_id, product_name, productor) VALUES (4, 'p1', 'WHH');

INSERT INTO order_info (user_id, product_name, productor) VALUES (6, 'p1', 'WHH');

INSERT INTO order_info (user_id, product_name, productor) VALUES (9, 'p8', 'TE');

初體驗,執(zhí)行Explain的效果:

image

索引使用情況在possiblekeys拾积、key和keylen三列殉挽,接下來我們先從左到右依次講解。

1.id

--id 相同,執(zhí)行順序由上而下 
EXPLAIN SELECT u.*, o.* FROM user_info u, order_info o WHERE u.id = o.user_id;
image
--id 不同, 值越大越先被執(zhí)行 
EXPLAIN SELECT * FROM user_info WHERE id = ( SELECT user_id FROM order_info WHERE product_name = 'p8' );
image

2.select_type

可以看id的執(zhí)行實例拓巧,總共有以下幾種類型:

  • SIMPLE: 表示此查詢不包含 UNION 查詢或子查詢
  • PRIMARY: 表示此查詢是最外層的查詢
  • SUBQUERY: 子查詢中的第一個 SELECT
  • UNION: 表示此查詢是 UNION 的第二或隨后的查詢
  • DEPENDENT UNION: UNION 中的第二個或后面的查詢語句, 取決于外面的查詢
  • UNION RESULT, UNION 的結(jié)果
  • DEPENDENT SUBQUERY: 子查詢中的第一個 SELECT, 取決于外面的查詢. 即子查詢依賴于外層查詢的結(jié)果.
  • DERIVED:衍生斯碌,表示導出表的SELECT(FROM子句的子查詢)

3.table

table表示查詢涉及的表或衍生的表:

EXPLAIN SELECT tt.* FROM ( SELECT u.* FROM user_info u, order_info o WHERE u.id = o.user_id AND u.id = 1 ) tt
image

id為1的表是id為2的u和o表衍生出來的。

4.type

type 字段比較重要肛度,它提供了判斷查詢是否高效的重要依據(jù)依據(jù)傻唾。 通過 type 字段,我們判斷此次查詢是 全表掃描 還是 索引掃描等承耿。

image

type 常用的取值有:

  • system: 表中只有一條數(shù)據(jù)冠骄, 這個類型是特殊的 const 類型。 const: 針對主鍵或唯一索引的等值查詢掃描加袋,最多只返回一行數(shù)據(jù)凛辣。 const 查詢速度非常快职烧, 因為它僅僅讀取一次即可扁誓。例如下面的這個查詢,它使用了主鍵索引蚀之,因此 type 就是 const 類型的:explain select * from user_info where id = 2蝗敢;
  • eqref: 此類型通常出現(xiàn)在多表的 join 查詢,表示對于前表的每一個結(jié)果足删,都只能匹配到后表的一行結(jié)果寿谴。并且查詢的比較操作通常是 =,查詢效率較高壹堰。例如:explain select * from userinfo, orderinfo where userinfo.id = orderinfo.userid;
  • ref: 此類型通常出現(xiàn)在多表的 join 查詢拭卿,針對于非唯一或非主鍵索引,或者是使用了 最左前綴 規(guī)則索引的查詢贱纠。例如下面這個例子中峻厚, 就使用到了 ref 類型的查詢:explain select * from userinfo, orderinfo where userinfo.id = orderinfo.userid AND orderinfo.user_id = 5
  • range: 表示使用索引范圍查詢,通過索引字段范圍獲取表中部分數(shù)據(jù)記錄谆焊。這個類型通常出現(xiàn)在 =, <>, >, >=, <, <=, IS NULL, <=>, BETWEEN, IN() 操作中惠桃。例如下面的例子就是一個范圍查詢:explain select * from user_info where id between 2 and 8;
  • index: 表示全索引掃描(full index scan)辖试,和 ALL 類型類似辜王,只不過 ALL 類型是全表掃描,而 index 類型則僅僅掃描所有的索引罐孝, 而不掃描數(shù)據(jù)呐馆。index 類型通常出現(xiàn)在:所要查詢的數(shù)據(jù)直接在索引樹中就可以獲取到, 而不需要掃描數(shù)據(jù)。當是這種情況時莲兢,Extra 字段 會顯示 Using index汹来。
  • ALL: 表示全表掃描,這個類型的查詢是性能最差的查詢之一改艇。通常來說收班, 我們的查詢不應(yīng)該出現(xiàn) ALL 類型的查詢,因為這樣的查詢在數(shù)據(jù)量大的情況下谒兄,對數(shù)據(jù)庫的性能是巨大的災難摔桦。 如一個查詢是 ALL 類型查詢, 那么一般來說可以對相應(yīng)的字段添加索引來避免承疲。

通常來說, 不同的 type 類型的性能關(guān)系如下:ALL < index < range ~ indexmerge < ref < eqref < const < system ALL 類型因為是全表掃描邻耕, 因此在相同的查詢條件下,它是速度最慢的燕鸽。而 index 類型的查詢雖然不是全表掃描赊豌,但是它掃描了所有的索引,因此比 ALL 類型的稍快.后面的幾種類型都是利用了索引來查詢數(shù)據(jù)绵咱,因此可以過濾部分或大部分數(shù)據(jù)碘饼,因此查詢效率就比較高了。

5.possible_keys

它表示 mysql 在查詢時悲伶,可能使用到的索引艾恼。 注意,即使有些索引在 possible_keys 中出現(xiàn)麸锉,但是并不表示此索引會真正地被 mysql 使用到钠绍。 mysql 在查詢時具體使用了哪些索引,由 key 字段決定花沉。

6.key

此字段是 mysql 在當前查詢時所真正使用到的索引柳爽。比如請客吃飯,possible_keys是應(yīng)到多少人媳握,key是實到多少人。當我們沒有建立索引時:

EXPLAIN SELECT o.* FROM order_info o WHERE o.product_name = 'p1' AND o.productor = 'whh'; 
CREATE INDEX idx_name_productor ON order_info (productor);
DROP INDEX idx_name_productor ON order_info;
image

建立復合索引后再查詢:

image

7.key_len

表示查詢優(yōu)化器使用了索引的字節(jié)數(shù)磷脯,這個字段可以評估組合索引是否完全被使用蛾找。

8.ref

這個表示顯示索引的哪一列被使用了,如果可能的話,是一個常量赵誓。前文的type屬性里也有ref打毛,注意區(qū)別。

image

9.rows

rows 也是一個重要的字段俩功,mysql 查詢優(yōu)化器根據(jù)統(tǒng)計信息幻枉,估算 sql 要查找到結(jié)果集需要掃描讀取的數(shù)據(jù)行數(shù),這個值非常直觀的顯示 sql 效率好壞诡蜓, 原則上 rows 越少越好熬甫。可以對比key中的例子蔓罚,一個沒建立索引錢罗珍,rows是9,建立索引后脚粟,rows是4覆旱。

10.extra

image

explain 中的很多額外的信息會在 extra 字段顯示, 常見的有以下幾種內(nèi)容:

  • using filesort :表示 mysql 需額外的排序操作,不能通過索引順序達到排序效果核无。一般有 using filesort都建議優(yōu)化去掉扣唱,因為這樣的查詢 cpu 資源消耗大。
  • using index:覆蓋索引掃描团南,表示查詢在索引樹中就可查找所需數(shù)據(jù)噪沙,不用掃描表數(shù)據(jù)文件,往往說明性能不錯吐根。
  • using temporary:查詢有使用臨時表, 一般出現(xiàn)于排序正歼, 分組和多表 join 的情況, 查詢效率不高拷橘,建議優(yōu)化局义。
  • using where :表名使用了where過濾。

五冗疮、優(yōu)化案例

EXPLAIN SELECT u.*, o.* FROM user_info u LEFT JOIN order_info o ON u.id = o.user_id;

執(zhí)行結(jié)果萄唇,type有ALL,并且沒有索引:

image

開始優(yōu)化术幔,在關(guān)聯(lián)列上創(chuàng)建索引另萤,明顯看到type列的ALL變成ref,并且用到了索引,rows也從掃描9行變成了1行:

image

這里面一般有個規(guī)律是:左連接索引加在右表上面四敞,右連接索引加在左表上面泛源。

六、是否需要創(chuàng)建索引忿危?

索引雖然能非常高效的提高查詢速度达箍,同時卻會降低更新表的速度。實際上索引也是一張表癌蚁,該表保存了主鍵與索引字段幻梯,并指向?qū)嶓w表的記錄兜畸,所以索引列也是要占用空間的努释。

image

參考文獻

【mysql優(yōu)化專題】本專題終極總結(jié)(共13篇)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市咬摇,隨后出現(xiàn)的幾起案子伐蒂,更是在濱河造成了極大的恐慌,老刑警劉巖肛鹏,帶你破解...
    沈念sama閱讀 211,817評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件逸邦,死亡現(xiàn)場離奇詭異,居然都是意外死亡在扰,警方通過查閱死者的電腦和手機缕减,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,329評論 3 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來芒珠,“玉大人桥狡,你說我怎么就攤上這事≈遄浚” “怎么了裹芝?”我有些...
    開封第一講書人閱讀 157,354評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長娜汁。 經(jīng)常有香客問我嫂易,道長,這世上最難降的妖魔是什么掐禁? 我笑而不...
    開封第一講書人閱讀 56,498評論 1 284
  • 正文 為了忘掉前任怜械,我火速辦了婚禮,結(jié)果婚禮上傅事,老公的妹妹穿的比我還像新娘宫盔。我一直安慰自己,他們只是感情好享完,可當我...
    茶點故事閱讀 65,600評論 6 386
  • 文/花漫 我一把揭開白布灼芭。 她就那樣靜靜地躺著,像睡著了一般般又。 火紅的嫁衣襯著肌膚如雪彼绷。 梳的紋絲不亂的頭發(fā)上巍佑,一...
    開封第一講書人閱讀 49,829評論 1 290
  • 那天,我揣著相機與錄音寄悯,去河邊找鬼萤衰。 笑死,一個胖子當著我的面吹牛猜旬,可吹牛的內(nèi)容都是我干的脆栋。 我是一名探鬼主播,決...
    沈念sama閱讀 38,979評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼洒擦,長吁一口氣:“原來是場噩夢啊……” “哼椿争!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起熟嫩,我...
    開封第一講書人閱讀 37,722評論 0 266
  • 序言:老撾萬榮一對情侶失蹤秦踪,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后掸茅,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體椅邓,經(jīng)...
    沈念sama閱讀 44,189評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 36,519評論 2 327
  • 正文 我和宋清朗相戀三年昧狮,在試婚紗的時候發(fā)現(xiàn)自己被綠了景馁。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,654評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡逗鸣,死狀恐怖合住,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情慕购,我是刑警寧澤聊疲,帶...
    沈念sama閱讀 34,329評論 4 330
  • 正文 年R本政府宣布,位于F島的核電站沪悲,受9級特大地震影響获洲,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜殿如,卻給世界環(huán)境...
    茶點故事閱讀 39,940評論 3 313
  • 文/蒙蒙 一贡珊、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧涉馁,春花似錦门岔、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,762評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春妻往,著一層夾襖步出監(jiān)牢的瞬間互艾,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,993評論 1 266
  • 我被黑心中介騙來泰國打工讯泣, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留纫普,地道東北人。 一個月前我還...
    沈念sama閱讀 46,382評論 2 360
  • 正文 我出身青樓好渠,卻偏偏與公主長得像昨稼,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子拳锚,可洞房花燭夜當晚...
    茶點故事閱讀 43,543評論 2 349

推薦閱讀更多精彩內(nèi)容