mysql中如何查看优化器优化后的执行计划在开始演示之前，我们先介绍下两个概念 。
概念一，数据的可选择性基数，也就是常说的cardinality值 。
查询优化器在生成各种执行计划之前，得先从统计信息中取得相关数据，这样才能估算每步操作所涉及到的记录数，而这个相关数据就是cardinality 。简单来说 ， 就是每个值在每个字段中的唯一值分布状态 。
比如表t1有100行记录，其中一列为f1 。f1中唯一值的个数可以是100个，也可以是1个，当然也可以是1到100之间的任何一个数字 。这里唯一值越的多少，就是这个列的可选择基数 。
那看到这里我们就明白了，为什么要在基数高的字段上建立索引，而基数低的的字段建立索引反而没有全表扫描来的快 。当然这个只是一方面，至于更深入的探讨就不在我这篇探讨的范围了 。
概念二，关于HINT的使用 。
这里我来说下HINT是什么，在什么时候用 。
HINT简单来说就是在某些特定的场景下人工协助MySQL优化器的工作，使她生成最优的执行计划 。一般来说 ， 优化器的执行计划都是最优化的，不过在某些特定场景下 ， 执行计划可能不是最优化 。
比如：表t1经过大量的频繁更新操作 ， （UPDATE,DELETE,INSERT），cardinality已经很不准确了 ， 这时候刚好执行了一条SQL，那么有可能这条SQL的执行计划就不是最优的 。为什么说有可能呢？
来看下具体演示
譬如，以下两条SQL ，
A：
select * from t1 where f1 = 20;
B：
select * from t1 where f1 = 30;
如果f1的值刚好频繁更新的值为30，并且没有达到MySQL自动更新cardinality值的临界值或者说用户设置了手动更新又或者用户减少了sample page等等，那么对这两条语句来说，可能不准确的就是B了 。
这里顺带说下，MySQL提供了自动更新和手动更新表cardinality值的方法，因篇幅有限 ， 需要的可以查阅手册 。
那回到正题上，MySQL 8.0 带来了几个HINT，我今天就举个index_merge的例子 。
示例表结构：
mysql desc t1; ------------ -------------- ------ ----- --------- ---------------- | Field| Type| Null | Key | Default | Extra| ------------ -------------- ------ ----- --------- ---------------- | id| int(11)| NO| PRI | NULL| auto_increment || rank1| int(11)| YES| MUL | NULL||| rank2| int(11)| YES| MUL | NULL||| log_time| datetime| YES| MUL | NULL||| prefix_uid | varchar(100) | YES|| NULL||| desc1| text| YES|| NULL||| rank3| int(11)| YES| MUL | NULL|| ------------ -------------- ------ ----- --------- ---------------- 7 rows in set (0.00 sec)
表记录数：
mysql select count(*) from t1; ---------- | count(*) | ---------- |32768 | ---------- 1 row in set (0.01 sec)
这里我们两条经典的SQL：
SQL C：
select * from t1 where rank1 = 1 or rank2 = 2 or rank3 = 2;
SQL D：
select * from t1 where rank1 =100and rank2 =100and rank3 =100;
表t1实际上在rank1,rank2,rank3三列上分别有一个二级索引 。
那我们来看SQL C的查询计划 。
显然 ， 没有用到任何索引，扫描的行数为32034，cost为3243.65 。
mysql explainformat=json select * from t1where rank1 =1 or rank2 = 2 or rank3 = 2\G*************************** 1. row ***************************EXPLAIN: {"query_block": {"select_id": 1,"cost_info": {"query_cost": "3243.65"},"table": {"table_name": "t1","access_type": "ALL","possible_keys": ["idx_rank1","idx_rank2","idx_rank3"],"rows_examined_per_scan": 32034,"rows_produced_per_join": 115,"filtered": "0.36","cost_info": {"read_cost": "3232.07","eval_cost": "11.58","prefix_cost": "3243.65","data_read_per_join": "49K"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3"],"attached_condition": "((`ytt`.`t1`.`rank1` = 1) or (`ytt`.`t1`.`rank2` = 2) or (`ytt`.`t1`.`rank3` = 2))"}}}1 row in set, 1 warning (0.00 sec)
我们加上hint给相同的查询，再次看看查询计划 。
这个时候用到了index_merge,union了三个列 。扫描的行数为1103 ， cost为441.09 ， 明显比之前的快了好几倍 。
mysql explainformat=json select /*index_merge(t1) */ * from t1where rank1 =1 or rank2 = 2 or rank3 = 2\G*************************** 1. row ***************************EXPLAIN: {"query_block": {"select_id": 1,"cost_info": {"query_cost": "441.09"},"table": {"table_name": "t1","access_type": "index_merge","possible_keys": ["idx_rank1","idx_rank2","idx_rank3"],"key": "union(idx_rank1,idx_rank2,idx_rank3)","key_length": "5,5,5","rows_examined_per_scan": 1103,"rows_produced_per_join": 1103,"filtered": "100.00","cost_info": {"read_cost": "330.79","eval_cost": "110.30","prefix_cost": "441.09","data_read_per_join": "473K"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3"],"attached_condition": "((`ytt`.`t1`.`rank1` = 1) or (`ytt`.`t1`.`rank2` = 2) or (`ytt`.`t1`.`rank3` = 2))"}}}1 row in set, 1 warning (0.00 sec)
我们再看下SQL D的计划：
不加HINT，
mysql explain format=json select * from t1 where rank1 =100 and rank2 =100 and rank3 =100\G*************************** 1. row ***************************EXPLAIN: {"query_block": {"select_id": 1,"cost_info": {"query_cost": "534.34"},"table": {"table_name": "t1","access_type": "ref","possible_keys": ["idx_rank1","idx_rank2","idx_rank3"],"key": "idx_rank1","used_key_parts": ["rank1"],"key_length": "5","ref": ["const"],"rows_examined_per_scan": 555,"rows_produced_per_join": 0,"filtered": "0.07","cost_info": {"read_cost": "478.84","eval_cost": "0.04","prefix_cost": "534.34","data_read_per_join": "176"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3"],"attached_condition": "((`ytt`.`t1`.`rank3` = 100) and (`ytt`.`t1`.`rank2` = 100))"}}}1 row in set, 1 warning (0.00 sec)
加了HINT，
mysql explain format=json select /*index_merge(t1)*/ * from t1 where rank1 =100 and rank2 =100 and rank3 =100\G*************************** 1. row ***************************EXPLAIN: {"query_block": {"select_id": 1,"cost_info": {"query_cost": "5.23"},"table": {"table_name": "t1","access_type": "index_merge","possible_keys": ["idx_rank1","idx_rank2","idx_rank3"],"key": "intersect(idx_rank1,idx_rank2,idx_rank3)","key_length": "5,5,5","rows_examined_per_scan": 1,"rows_produced_per_join": 1,"filtered": "100.00","cost_info": {"read_cost": "5.13","eval_cost": "0.10","prefix_cost": "5.23","data_read_per_join": "440"},"used_columns": ["id","rank1","rank2","log_time","prefix_uid","desc1","rank3"],"attached_condition": "((`ytt`.`t1`.`rank3` = 100) and (`ytt`.`t1`.`rank2` = 100) and (`ytt`.`t1`.`rank1` = 100))"}}}1 row in set, 1 warning (0.00 sec)
对比下以上两个 ， 加了HINT的比不加HINT的cost小了100倍 。
总结下，就是说表的cardinality值影响这张的查询计划，如果这个值没有正常更新的话 ， 就需要手工加HINT了 。相信MySQL未来的版本会带来更多的HINT 。
MySQL执行计划 我们知道 ， 当一条sql查询语句执行时，会通过服务层中的优化器生成“查询执行计划” 。而使用explain关键字可以查询到执行的SQL查询语句，从而知道MySQL是如何处理SQL的，即SQL的执行计划 。因此根据执行计划我们可以选择更好的索引和写出更优化的查询语句，分析我们的查询语句或是表结构的性能瓶颈 。
首先先解释一下以上执行计划中各列的含义：
2. PRIMARY： 如果查询语句中包含子查询或者UNION操作 ， 指最外层的SELECT；
3. UNION： UNION中的第二个或后面的SELECT语句；
4. UNION RESULT： UNION 的结果；
5. SUBQUERY： 子查询中的第一个SELECT；
6. DERIVED： 导出表的SELECT(FROM子句的子查询) 。
下面介绍在实际开发过程中，常见的几种类型：
1. const： 表示通过索引一次就找到数据，用于比较primary key或者unique索引，很快就能找到对应的数据；
2. eq_ref： 唯一性索引扫描，对于每个索引键，表中只有一条记录与之匹配，常用于主键或唯一索引扫描；
3. ref： 非唯一索引扫描，返回匹配的所有行；
4. index_merge： 经常出现在使用一张表中的多个索引时，mysql会将多个索引合并在一起；
5. range： 使用一个索引检索指定范围的行，一般在where语句中会出现between、、、in等范围查询；
6. index： index连接类型与ALL相同，只是遍历索引树；
7. ALL： 全表扫描，找到匹配行 。与index比较，ALL需要扫描磁盘数据，index值需要遍历索引树 。
【mysql执行计划怎么写 mysql sql执行计划】 误区：
上述图片可以看到，key_len的值为9（即hotelID（4） dateTime（5）），没有使用到全部联合索引 ， 以下是改良后的sql语句：
此时key_len的值为14（即hotelID（4） dateTime（5） dateTime（5）） ， 使用到了key中所有索引 。
优化前：
很显然 ， 从explain执行计划中可以看到，该sql语句使用了两个索引，但是从我们自己的优化目标中，只需要使用IDX_DataChange_CreateTime这一个索引就够了，以下是我们通过一些小手段影响优化器得到的优化方案：
Mysql学会查看sql的执行计划首先在Mysql的服务中有 连接器、查询缓存(Mysql8 已经删除)、分析器、优化器、执行器等，所有跨存储引擎的功能都在这一层实现
而一条sql怎么执行是由优化器决定的, 优化器是在表里面有多个索引的时候，决定使用哪个索引；或者在一个语句有多表关联（join）的时候 ， 决定各个表的连接顺序 。
而执行计划就是优化器优化后的sql的执行的详细方案
Mysql中查看执行计划的方式有两种 : 1. 使用desc2.使用 explain使用它俩的效果是一样的
接下来要通过执行计划知道sql是怎么执行的
执行计划中有几个重要的字段, 分别是
id,table,type,possible_keys,key,key_len, Extra
id :可以通过ID来查看在多表联查中sql是先查询哪张表的 id相同的从上往下依次执行,id不同的id大的先执行
table:table当然就是查询的表名
type :查询的类型查询类型分为ALL,index,range,ref , eq_ref, const(system),null
ALL: 指的全盘扫描,没有走任何索引查询结果集大于25% 优化器可能会走全盘扫描字符串查询的时候一定要加"" 不然可能会全索引扫描(隐式转换)统计信息 失效 或者 过旧 也可能走全盘扫描因为优化器会参考统计信息来制定执行计划
index: 全索引扫描就是扫描整颗索引树
range: 索引范围查询索引树的一部分范围范围索引中==like的效率会比orin的效率高, 使用like %再前面的不走索引
ref:辅助索引的等值查询
当查询的数据量小,优化器也有可能会走索引的全盘扫描这里我就不贴图了;
eq_ref : 多表连接查询中,被连接的表的连接条件列是主键或者唯一键
const(system): 主键 或者 唯一键 的等值查询
null: 没有数据
他们的性能是依次递增的 全盘扫描性能最差,const性能最高
possible_keys:查询过程中可能用到的索引
key: 真正使用到的索引
key_len:走索引的长度
这个是怎么计算的呢?
key_len 的计算方法 :
int 类型最长存储4个字节长度的数字有not null是4字节没有的话会花1字节存储是不是null
tinyint 最大存储一个字节也会花1字节来判断是不是null
字符串类型 : 字符集 utf8mb41-4字节
varchar超过255会预留2个字节存储长度 没超预留1个字节
key_len 永远是你设置的长度的最大的
联合索引可以通过key_len 来判断走了几个索引
使用desc format=json select * from table 可以查看详细情况
filtered:索引扫描过滤掉数据的占比
Extra: 额外的信息
Using filesort ：MySQL 对数据在sql层进行了排序 ， 而不是按照表内的索引进行排序读 取 。效率比较低
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
Day42 Mysql 执行计划官方文档 对于5.7 版本 explain的描述
const ref rangeindex all
const: 主键索引
ref: 二级索引
range： 索引的范围扫描
index: 比如用到了联合索引比如 a,b,c，走的是联合索引
all: 全表扫描
rows: 需要逐行去扫描的记录数
filted: 起作用的比例
!!!上线前sql一定要进行预执行
explain变种
const: 表中只有一条元素匹配时为system.
最好达到range级别 ， 最差要到ref级别 。
utf-8: 数字或者字母= 1字节，汉子占三个字节 。
type 表示 关联类型
ref 代表查找值所 用到的列或者常量 ，常见的有const,字段名
怎么去看懂mysql的执行计划MySQL 使用 EXPLAIN 后面跟SQL，就直接显示查询计划 下面是一个例子： mysql EXPLAIN - SELECT - SALE_DATE, - SUM(SALE_MONEY) AS SUM_MONEY - FROM - SALE_REPORT - GROUP BY - SALE_DATE - ORDER BY - SUM(SALE_MONEY) DESC;
请问,mysql的执行计划的执行列代表什么意思Id：包含一组数字，表示查询中执行select子句或操作表的顺序；
执行顺序从大到小执行；
当id值一样的时候，执行顺序由上往下 。
Select_type:表示查询中每个select子句的类型（简单OR复杂），有以下几种：
SIMPLE：查询中不包含子查询或者UNION 。
PRIMARY：查询中若包含任何复杂的子部分，最外层查询则被标记为PRIMARY 。
SUBQUERY：在SELECT或WHERE列表中包含了子查询，该子查询被标记为SUBQUERY 。
DERIVED：在FROM列表中包含的子查询被标记为DERIVED（衍生） 。
若第二个SELECT出现在UNION之后，则被标记为UNION 。
若UNION包含在FROM子句的子查询中，外层SELECT将被标记为：DERIVED 。
从UNION表获取结果的SELECT被标记为：UNION RESULT 。
Type：表示MySQL在表中找到所需行的方式，又称“访问类型”，常见有以下几种：
ALL：Full Table Scan，MySQL将进行全表扫描 。index：Full Index Scan，index与ALL区别为index类型只遍历索引树 。
range：range Index Scan，对索引的扫描开始于某一点，返回匹配值域的行，常见于between、、等的查询 。
ref：非唯一性索引扫描，返回匹配摸个单独值的所有行 。常见于使用非唯一索引或唯一索引的非唯一前缀进行的查找 。
eq_ref：唯一性索引扫描，对于每个索引键，表中只有一条记录与之匹配 。常见于主键或唯一索引扫描 。
const、system：当MySQL对查询某部分进行优化，并转换为一个常量时，使用这些类型访问 。如将主键置于where列表中，MySQL就能将该查询转换为一个常量 。
NULL：MySQL在优化过程中分解语句，执行时甚至不用访问表或索引 。
possible_keys：指出MySQL能使用哪个索引在表中找到行，查询涉及到的字段上若存在索引 ， 则该索引将被列出，但不一定被查询使用 。
key：显示MySQL在查询中实际使用的索引，若没有使用索引，显示为NULL 。当查询中若使用了覆盖索引，则该索引仅出现在key列表中 。
key_len：表示索引中使用的字节数，可通过该列计算查询中使用的索引的长度 。
ref：表示上述表的连接匹配条件，即那些列或常量被用于查找索引列上的值 。
rows：表示MySQL根据表统计信息及索引选用情况，估算的找到所需的记录所需要读取的行数 。
Extra：包含不适合在其他列中显示但十分重要的额外信息 。
mysql执行计划怎么写的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于mysql sql执行计划、mysql执行计划怎么写的信息别忘了在本站进行查找喔 。
推荐阅读
- chatgpt跨境电商选品，跨境电商选品软件推荐
- redis怎么查看访问记录，查看redis连接数和访问量
- MySQL怎么变成可视化 mysql80可视化工具
- 人文纪实摄影拍摄什么的，人文纪实摄影的几大要素
- CPU表层是什么物质，cpu外层是什么
- 屋外直播设备，室外直播需要的设备
- linux赋值文件命令 linux赋值权限指令
- 卖粽子如何营销，卖粽子如何营销活动
- flutter木偶组件，flutter 常用组件