【Mysql】MySQL查詢最佳化-explain
一、MySQL 查詢最佳化器是如何工作的
MySQL 查詢最佳化器有幾個目標,但是其中最主要的目標是儘可能地使用索引,並且使用最嚴格的索引來消除儘可能多的資料行。最終目標是提交 SELECT 語句查詢資料行,而不是排除資料行。最佳化器試圖排除資料行的原因在於它排除資料行的速度越快,那麼找到與條件匹配的資料行也就越快。如果能夠首先進行最嚴格的測試,查詢就可以執行地更快。
EXPLAIN 的每個輸出行提供一個表的相關資訊,並且每個行包括下面的列:
項
說明
id
MySQL Query Optimizer 選定的執行計劃中查詢的序列號。表示查詢中執行 select 子句或操作表的順序,id值越大優先順序越高,越先被執行。id 相同,執行順序由上至下。
select_type 查詢型別 | 說明 |
SIMPLE | 簡單的 select 查詢,不使用 union 及子查詢 |
PRIMARY | 最外層的 select 查詢 |
UNION | UNION 中的第二個或隨後的 select 查詢,不 依賴於外部查詢的結果集 |
DEPENDENT UNION | UNION 中的第二個或隨後的 select 查詢,依 賴於外部查詢的結果集 |
SUBQUERY | 子查詢中的第一個 select 查詢,不依賴於外 部查詢的結果集 |
DEPENDENT SUBQUERY | 子查詢中的第一個 select 查詢,依賴於外部 查詢的結果集 |
DERIVED | 用於 from 子句裡有子查詢的情況。 MySQL 會 遞迴執行這些子查詢, 把結果放在臨時表裡。 |
UNCACHEABLE SUBQUERY | 結果集不能被快取的子查詢,必須重新為外 層查詢的每一行進行評估。 |
UNCACHEABLE UNION | UNION 中的第二個或隨後的 select 查詢,屬 於不可快取的子查詢 |
項 | 說明 |
table | 輸出行所引用的表 |
type 重要的項,顯示連線使用的型別,按最 優到最差的型別排序 | 說明 |
system | 表僅有一行(=系統表)。這是 const 連線型別的一個特例。 |
const | const 用於用常數值比較 PRIMARY KEY 時。當 查詢的表僅有一行時,使用 System。 |
eq_ref | const 用於用常數值比較 PRIMARY KEY 時。當 查詢的表僅有一行時,使用 System。 |
ref | 連線不能基於關鍵字選擇單個行,可能查詢 到多個符合條件的行。 叫做 ref 是因為索引要 跟某個參考值相比較。這個參考值或者是一 個常數,或者是來自一個表裡的多表查詢的 結果值 |
ref_or_null | 如同 ref, 但是 MySQL 必須在初次查詢的結果 裡找出 null 條目,然後進行二次查詢。 |
index_merge | 說明索引合併最佳化被使用了。 |
unique_subquery | 在某些 IN 查詢中使用此種型別,而不是常規的 ref:value IN (SELECT primary_key FROM single_table WHERE some_expr) |
index_subquery | 在 某 些 IN 查 詢 中 使 用 此 種 類 型 , 與 unique_subquery 類似,但是查詢的是非唯一 性索引: value IN (SELECT key_column FROM single_table WHERE some_expr) |
range | 只檢索給定範圍的行,使用一個索引來選擇 行。key 列顯示使用了哪個索引。當使用=、 <>、>、>=、<、<=、IS NULL、<=>、BETWEEN 或者 IN 運算子,用常量比較關鍵字列時,可 以使用 range。 |
index | 全表掃描,只是掃描表的時候按照索引次序 進行而不是行。主要優點就是避免了排序, 但是開銷仍然非常大。 |
all | 最壞的情況,從頭到尾全表掃描。 |
項 | 說明 |
possible_keys | 指出 MySQL 能在該表中使用哪些索引有助於 查詢。如果為空,說明沒有可用的索引。 |
項 | 說明 |
key | MySQL 實際從 possible_key 選擇使用的索引。 如果為 NULL,則沒有使用索引。很少的情況 下,MYSQL 會選擇最佳化不足的索引。這種情 況下,可以在 SELECT 語句中使用 USE INDEX (indexname)來強制使用一個索引或者用 IGNORE INDEX(indexname)來強制 MYSQL 忽略索引 |
項 | 說明 |
key_len | 使用的索引的長度。在不損失精確性的情況 下,長度越短越好。 |
項 | 說明 |
ref | 顯示索引的哪一列被使用了 |
項 | 說明 |
rows | MYSQL 認為必須檢查的用來返回請求資料的行數 |
extra 中出現以下 2 項意味著 MYSQL 根本不能使用索引,效率會受到重大影響。應儘可能對此進行最佳化。
extra 項 | 說明 |
Using filesort | 表示 MySQL 會對結果使用一個外部索引排序,而不是從表裡按索引次序讀到相關內容。可能在記憶體或者磁碟上進行排序。MySQL 中無法利用索引完成的排序操作稱為“檔案排序” |
Using temporary | 表示 MySQL 在對查詢結果排序時使用臨時表。常見於排序 order by 和分組查詢 group by。 |
using index 表示最佳化器進行了覆蓋索引的操作
using index Condition 表示使用了ICP最佳化查詢
using MRR 表示使用了MRR最佳化查詢
-
下面來舉一個例子來說明下 explain 的用法。
-
-
先來一張表:
-
-
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`)
-
);
-
再插幾條資料:
-
-
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:
-
查詢 category_id 為 1 且 comments 大於 1 的情況下,views 最多的 article_id。
-
-
-
先查查試試看:
-
-
EXPLAIN
-
SELECT author_id
-
FROM `article`
-
WHERE category_id = 1 AND comments > 1
-
ORDER BY views DESC
-
LIMIT 1\G
-
看看部分輸出結果:
-
-
*************************** 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)
-
-
很顯然,type 是 ALL,即最壞的情況。Extra 裡還出現了 Using filesort,也是最壞的情況。最佳化是必須的。
-
-
-
嗯,那麼最簡單的解決方案就是加索引了。好,我們來試一試。查詢的條件裡即 where 之後共使用了 category_id,comments,views 三個欄位。那麼來一個聯合索引是最簡單的了。
-
-
ALTER TABLE `article` ADD INDEX x ( `category_id` , `comments`, `views` );
-
-
結果有了一定好轉,但仍然很糟糕:
-
-
*************************** 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 變成了 range,這是可以忍受的。但是 extra 裡使用 Using filesort 仍是無法接受的。但是我們已經建立了索引,為啥沒用呢?這是因為按照 BTree 索引的工作原理,先排序 category_id,如果遇到相同的 category_id 則再排序 comments,如果遇到相同的 comments 則再排序 views。當 comments 欄位在聯合索引裡處於中間位置時,因comments > 1 條件是一個範圍值(所謂 range),MySQL 無法利用索引再對後面的 views 部分進行檢索,即 range 型別查詢欄位後面的索引無效。
-
-
-
那麼我們需要拋棄 comments,刪除舊索引:
-
-
DROP INDEX x ON article;
-
然後建立新索引:
-
-
ALTER TABLE `article` ADD INDEX y ( `category_id` , `views` ) ;
-
接著再執行查詢:
-
-
*************************** 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 變為了 ref,Extra 中的 Using filesort 也消失了,結果非常理想。
再來看一個多表查詢的例子。
首先定義 3個表 class 和 room。
- 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;
- 然後再分別插入大量資料。插入資料的php指令碼:
- <?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");
- ?>
- 然後來看一個左連線查詢:
- explain select * from class left join book on class.card = book.card\G
- 分析結果是:
- *************************** 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)
- 顯然第二個 ALL 是需要我們進行最佳化的。
- 建立個索引試試看:
- ALTER TABLE `book` ADD INDEX y ( `card`);
- *************************** 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 變為了 ref,rows 也變成了 1741*18,最佳化比較明顯。這是由左連線特性決定的。LEFT JOIN 條件用於確定如何從右表搜尋行,左邊一定都有,所以右邊是我們的關鍵點,一定需要建立索引。
- 刪除舊索引:
- DROP INDEX y ON book;
- 建立新索引。
- ALTER TABLE `class` ADD INDEX x ( `card`);
- 結果
- *************************** 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)
- 基本無變化。
- 然後來看一個右連線查詢:
- explain select * from class right join book on class.card = book.card;
- 分析結果是:
- *************************** 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)
- 最佳化較明顯。這是因為 RIGHT JOIN 條件用於確定如何從左表搜尋行,右邊一定都有,所以左邊是我們的關鍵點,一定需要建立索引。
- 刪除舊索引:
- DROP INDEX x ON class;
- 建立新索引。
- ALTER TABLE `book` ADD INDEX y ( `card`);
- 結果
- *************************** 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)
- 基本無變化。 最後來看看 inner join 的情況:
- explain select * from class inner join book on class.card = book.card;
- 結果:
- *************************** 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)
- 刪除舊索引:
- DROP INDEX y ON book;
- 結果
- *************************** 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。
- ALTER TABLE `class` ADD INDEX x ( `card`);
- 結果
- *************************** 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)
- 綜上所述,inner join 和 left join 差不多,都需要最佳化右表。而 right join 需要最佳化左表。
- 如果不用左右內的連線方式就用where a.id=b.id,就和我做的那個oracle的實驗差不多了,就是象在外間那邊加上索引一樣的搞法!
- 我們再來看看三表查詢的例子
- 新增一個新索引:
- ALTER TABLE `phone` ADD INDEX z ( `card`);
- ALTER TABLE `book` ADD INDEX y ( `card`);
- explain select * from class left join book on class.card=book.card left join phone on book.card = phone.card;
- *************************** 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)
- 後 2 行的 type 都是 ref 且總 rows 最佳化很好,效果不錯。
- MySql 中的 explain 語法可以幫助我們改寫查詢,最佳化表的結構和索引的設定,從而最大地提高查詢效率。當然,在大規模資料量時,索引的建立和維護的代價也是很高的,往往需要較長的時間和較大的空間,如果在不同的列組合上建立索引,空間的開銷會更大。因此索引最好設定在需要經常查詢的欄位中。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/29096438/viewspace-1817422/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- MySQL查詢最佳化之explain的深入解析MySqlAI
- mysql查詢優化檢查 explainMySql優化AI
- MySQL 查詢效能分析之 ExplainMySqlAI
- MySQL查詢優化利刃-EXPLAINMySql優化AI
- MySQL: 使用explain 優化查詢效能MySqlAI優化
- MySQL查詢最佳化MySql
- MySQL查詢效能最佳化MySql
- [Mysql]慢查詢最佳化MySql
- MySQL 如何最佳化大分頁查詢?MySql
- 【GaussDB(for MySQL)】 Big IN查詢最佳化MySql
- MySQL查詢語句過程和EXPLAIN語句的基本概念及其最佳化MySqlAI
- 在MySQL中使用explain查詢SQL的執行計劃MySqlAI
- MySQL(十四)分析查詢語句Explain 七千字總結MySqlAI
- MySQL索引原理及慢查詢最佳化MySql索引
- MySQL-10.索引最佳化與查詢最佳化MySql索引
- MySQL explainMySqlAI
- [Mysql]ExplainMySqlAI
- MySQL查詢MySql
- explain分析查詢AI
- MySQL 索引 +explainMySql索引AI
- 《MySQL 進階篇》十五:索引最佳化和查詢最佳化MySql索引
- MySQL子查詢MySql
- mysql查詢模型MySql模型
- MySQL 慢查詢MySql
- MySQL慢查詢MySql
- 【MySQL】多表查詢MySql
- MYsql 子查詢MySql
- MySQL 多表查詢MySql
- mysql多表查詢MySql
- mysql 模糊查詢MySql
- MySQL查詢最佳化的5個實用技巧MySql
- MySQL查詢最佳化方案彙總(索引相關)MySql索引
- 深度解讀GaussDB(for MySQL)與MySQL的COUNT查詢並行最佳化策略MySql並行
- MySQL最佳化之如何查詢SQL效率低的原因MySql
- MySQL Explain的使用MySqlAI
- MySQL Explain詳解MySqlAI
- MySQL EXPLAIN 詳解MySqlAI
- MySQL - 資料查詢 - 簡單查詢MySql