我们经常使用 MySQL 的执行计划来查看 SQL 语句的执行效率，接下来分析执行计划的各个显示内容。
EXPLAIN SELECT * FROM users WHERE id IN (SELECT userID FROMuser_address WHERE address = “湖南长沙麓谷”) ;
image.png

执行计划的 id

select 查询的序列号，标识执行的顺序

  • id 相同，执行顺序由上至下

  • id 不同，如果是子查询，id 的序号会递增，id 值越大优先级越高，越先被执行

    执行计划的 select_type

    查询的类型，主要是用于区分普通查询、联合查询、子查询等。

  • SIMPLE：简单的 select 查询，查询中不包含子查询或者 union

  • PRIMARY：查询中包含子部分，最外层查询则被标记为 primary
  • SUBQUERY/MATERIALIZED：SUBQUERY 表示在 select 或 where 列表中包含了子查询，MATERIALIZED：表示 where 后面 in 条件的子查询
  • UNION：表示 union 中的第二个或后面的 select 语句
  • UNION RESULT：union 的结果

对于 UNION 和 UNION RESULT 可以通过下面的例子展现：
EXPLAIN SELECT FROM users WHERE id IN(1, 2) UNION SELECT FROM users WHERE id IN(3, 4);
image.png

执行计划的 table

查询涉及到的表。

  • 直接显示表名或者表的别名
  • 由 ID 为 M，N 查询 union 产生的结果

  • 由 ID 为 N 查询产生的结果

    执行计划的 type

    访问类型，SQL 查询优化中一个很重要的指标，结果值从好到坏依次是：system > const > eq_ref > ref > range > index > ALL。

  • system：系统表，少量数据，往往不需要进行磁盘IO

  • const：常量连接
  • eq_ref：主键索引（primary key）或者非空唯一索引（unique not null）等值扫描
  • ref：非主键非唯一索引等值扫描
  • range：范围扫描
  • index：索引树扫描
  • ALL：全表扫描（full table scan）

下面通过举例说明。

system

explain select from mysql.time_zone;
image.png
上例中，从系统库 MySQL 的系统表 time_zone 里查询数据，访问类型为 system，这些数据已经加载到内存里，不需要进行磁盘 IO，这类扫描是速度最快的。
explain select from (select from user where id=*1) tmp;
image.png
再举一个例子，内层嵌套（const）返回了一个临时表，外层嵌套从临时表查询，其扫描类型也是 system，也不需要走磁盘 IO，速度超快。

const

数据准备：
image.png
CREATE TABLE user ( id int(11) NOT NULL, NAME varchar(20) DEFAULT NULL, PRIMARY KEY (id) ) ENGINE=InnoDB DEFAULT CHARSET=utf8; insert into user values(1,’shenjian’); insert into user values(2,’zhangsan’); insert into user values(3,’lisi’);
image.png
explain select from user where id=*1;
image.png
const 扫描的条件为：

  1. 命中主键（primary key）或者唯一（unique）索引
  2. 被连接的部分是一个常量（const）值

如上例，id 是 主键索引，连接部分是常量1。

eq_ref

数据准备：
image.png
CREATE TABLE user ( id int(11) NOT NULL, NAME varchar(20) DEFAULT NULL, PRIMARY KEY (id) ) ENGINE=InnoDB DEFAULT CHARSET=utf8; insert into user values(1,’shenjian’); insert into user values(2,’zhangsan’); insert into user values(3,’lisi’); CREATE TABLE user_ex ( id int(11) NOT NULL, age int(11) DEFAULT NULL, PRIMARY KEY (id) ) ENGINE=InnoDB DEFAULT CHARSET=utf8; insert into user_ex values(1,18); insert into user_ex values(2,20); insert into user_ex values(3,30); insert into user_ex values(4,40); insert into user_ex values(5,50);
image.png
EXPLAIN SELECT * FROM USER,user_ex WHERE user.id=user_ex.id;
image.png
eq_ref 扫描的条件为，对于前表的每一行（row），后表只有一行被扫描。
再细化一点：

  1. join 查询
  2. 命中主键（primary key）或者非空唯一（unique not null）索引
  3. 等值连接；

如上例，id 是主键，该 join 查询为 eq_ref 扫描。

ref

数据准备：
image.png
CREATE TABLE user ( id int(11) DEFAULT NULL, name varchar(20) DEFAULT NULL, KEY id (id) ) ENGINE=InnoDB DEFAULT CHARSET=utf8; insert into user values(1,’shenjian’); insert into user values(2,’zhangsan’); insert into user values(3,’lisi’); CREATE TABLE user_ex ( id int(11) DEFAULT NULL, age int(11) DEFAULT NULL, KEY id (id) ) ENGINE=InnoDB DEFAULT CHARSET=utf8; insert into user_ex values(1,18); insert into user_ex values(2,20); insert into user_ex values(3,30); insert into user_ex values(4,40); insert into user_ex values(5,50);
image.png
EXPLAIN SELECT FROM USER,user_ex WHERE user.id=user_ex.id;
image.png
如果把上例 eq_ref 案例中的主键索引，改为普通非唯一（non unique）索引。就由 eq_ref 降级为了 ref，此时对于前表的每一行（row），后表可能有多于一行的数据被扫描。
select from user where id=1;
image.png
当 id 改为普通非唯一索引后，常量的连接查询，也由 const 降级为了 ref，因为也可能有多于一行的数据被扫描。
ref 扫描，可能出现在 join 里，也可能出现在单表普通索引里，每一次匹配可能有多行数据返回，虽然它比 eq_ref 要慢，但它仍然是一个很快的 join 类型。

range

数据准备：
image.png
CREATE TABLE user ( id int(11) NOT NULL, name varchar(20) DEFAULT NULL, PRIMARY KEY (id) ) ENGINE=InnoDB DEFAULT CHARSET=utf8; insert into user values(1,’shenjian’); insert into user values(2,’zhangsan’); insert into user values(3,’lisi’); insert into user values(4,’wangwu’); insert into user values(5,’zhaoliu’);
image.png
explain select from user where id between 1 and 4; explain select from user where id in(1,2,3); explain select from user where id > *3;
image.png
range 扫描就比较好理解了，它是索引上的范围查询，它会在索引上扫码特定范围内的值。
像上例中的 between，in，> 都是典型的范围（range）查询。

index

explain count (*) from user;
image.png
如上例，id 是主键，该 count 查询需要通过扫描索引上的全部数据来计数，它仅比全表扫描快一点。

ALL

数据准备：
image.png
CREATE TABLE user ( id int(11) DEFAULT NULL, name varchar(20) DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=utf8; insert into user values(1,’shenjian’); insert into user values(2,’zhangsan’); insert into user values(3,’lisi’); CREATE TABLE user_ex ( id int(11) DEFAULT NULL, age int(11) DEFAULT NULL ) ENGINE=InnoDB DEFAULT CHARSET=utf8; insert into user_ex values(1,18); insert into user_ex values(2,20); insert into user_ex values(3,30); insert into user_ex values(4,40); insert into user_ex values(5,50);
image.png
explain select * from user,user_ex where user.id=user_ex.id;
image.png
如果 id 上不建索引，对于前表的每一行（row），后表都要被全表扫描。
文章中，这个相同的 join 语句出现了三次：

  1. 扫描类型为 eq_ref，此时 id 为主键
  2. 扫描类型为 ref，此时 id 为非唯一普通索引
  3. 扫描类型为 ALL，全表扫描，此时id上无索引

有此可见，建立正确的索引，对数据库性能的提升是多么重要。

总结

  1. explain 结果中的 type 字段，表示（广义）连接类型，它描述了找到所需数据使用的扫描方式；
  2. 常见的扫描类型有：system>const>eq_ref>ref>range>index>ALL，其扫描速度由快到慢；
  3. 各类扫描类型的要点是：
    1. system 最快：不进行磁盘 IO
    2. const：PK 或者 unique 上的等值查询
    3. eq_ref：PK 或者 unique 上的 join 查询，等值匹配，对于前表的每一行，后表只有一行命中
    4. ref：非唯一索引，等值匹配，可能有多行命中
    5. range：索引上的范围扫描，例如：between、in、>
    6. index：索引上的全集扫描，例如：InnoDB 的 count
    7. ALL 最慢：全表扫描
  4. 建立正确的索引，非常重要；
  5. 使用 explain 了解并优化执行计划，非常重要；

    执行计划 possible_keys

    查询过程中有可能用到的索引。

    执行计划 key

    实际使用的索引，如果为 NULL ，则没有使用索引。

    执行计划 rows

    根据表统计信息或者索引选用情况，大致估算出找到所需的记录所需要读取的行数。

    执行计划 filtered

    表示返回结果的行数占需读取行数的百分比， filtered 的值越大越好。

    执行计划 Extra

    十分重要的额外信息。
  • Using filesort：MySQL 对数据使用一个外部的文件内容进行了排序，而不是按照表内的索引进行排序读取。
  • Using temporary：使用临时表保存中间结果，也就是说 MySQL 在对查询结果排序时使用了临时表，常见于order by 或 group by。
  • Using index：表示 SQL 操作中使用了覆盖索引（Covering Index），避免了访问表的数据行，效率高。
  • Using index condition：表示 SQL 操作命中了索引，但不是所有的列数据都在索引树上，还需要访问实际的行记录。
  • Using where：表示 SQL 操作使用了 where 过滤条件。
  • Select tables optimized away：基于索引优化 MIN/MAX 操作或者 MyISAM 存储引擎优化 COUNT(*) 操作，不必等到执行阶段再进行计算，查询执行计划生成的阶段即可完成优化。
  • Using join buffer (Block Nested Loop)：表示 SQL 操作使用了关联查询或者子查询，且需要进行嵌套循环计算。

下面通过举例说明。
数据准备：
image.png
CREATE TABLE user ( id int(11) NOT NULL, name varchar(20) DEFAULT NULL, sex varchar(5) DEFAULT NULL, PRIMARY KEY (id), KEY name (name) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; insert into user values(1, ‘shenjian’,’no’); insert into user values(2, ‘zhangsan’,’no’); insert into user values(3, ‘lisi’, ‘yes’); insert into user values(4, ‘lisi’, ‘no’);
image.png
数据说明：
用户表：id 主键索引，name 普通索引（非唯一），sex 无索引。
四行记录：其中 name 普通索引存在重复记录 lisi。

Using filesort

explain select * from user order by sex;
image.png
Extra 为 Using filesort 说明，得到所需结果集，需要对所有记录进行文件排序。
这类 SQL 语句性能极差，需要进行优化。
典型的，在一个没有建立索引的列上进行了 order by，就会触发 filesort，常见的优化方案是，在 order by 的列上添加索引，避免每次查询都全量排序。

Using temporary

explain select * from user group by name order by sex;
image.png
Extra 为 Using temporary 说明，需要建立临时表（temporary table）来暂存中间结果。
这类 SQL 语句性能较低，往往也需要进行优化。
典型的 group by 和 order by 同时存在，且作用于不同的字段时，就会建立临时表，以便计算出最终的结果集。
临时表存在两种引擎，一种是 Memory 引擎，一种是 MyISAM 引擎，如果返回的数据在 16M 以内（默认），且没有大字段的情况下，使用 Memory 引擎，否则使用 MyISAM 引擎。

Using index

EXPLAIN SELECT id FROM USER;
image.png
Extra 为 Using index 说明，SQL 所需要返回的所有列数据均在一棵索引树上，而无需访问实际的行记录。
这类 SQL 语句往往性能较好。

Using index condition

explain select id, name, sex from user where name=’shenjian’;
image.png
Extra 为 Using index condition 说明，确实命中了索引，但不是所有的列数据都在索引树上，还需要访问实际的行记录。
这类 SQL 语句性能也较高，但不如 Using index。

Using where

explain select * from user where sex=’no’;
image.png
Extra 为 Using where 说明，查询的结果集使用了 where 过滤条件，比如上面的 SQL 使用了 sex = ‘no’ 的过滤条件

Select tables optimized away

EXPLAIN SELECT MAX(id) FROM USER;
image.png
比如上面的语句查询 id 的最大值，因为 id 是主键索引，根据 B+Tree 的结构，天然就是有序存放的，所以不需要等到执行阶段再进行计算，查询执行计划生成的阶段即可完成优化。

Using join buffer (Block Nested Loop)

explain select from user where id in (select id from user where sex=’no’);
image.png
Extra 为 Using join buffer (Block Nested Loop) 说明，需要进行嵌套循环计算。内层和外层的 type 均为 ALL，rows 均为4，需要循环进行44次计算。
这类 SQL 语句性能往往也较低，需要进行优化。
典型的两个关联表 join，关联字段均未建立索引，就会出现这种情况。常见的优化方案是，在关联字段上添加索引，避免每次嵌套循环计算。