【数据库】聊聊explain如何优化sql以及索引最佳实践

在实际的开发中，我们难免会遇到一些SQL优化的场景，虽然之前也看过周阳的课程，但是一直没有进行细心的整理，所以本篇会进行详细列举explain的相关使用，以及常见的索引最佳实践，并通过案例进行讲解。

数据准备

DROP TABLE IF EXISTS `actor`;CREATE TABLE `actor` (`id` int(11) NOT NULL,`name` varchar(45) DEFAULT NULL,`update_time` datetime DEFAULT NULL,PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;DROP TABLE IF EXISTS `film`;CREATE TABLE `film` (`id` int(11) NOT NULL AUTO_INCREMENT,`name` varchar(10) DEFAULT NULL,PRIMARY KEY (`id`),KEY `idx_name` (`name`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;INSERT INTO `film` (`id`, `name`) VALUES (3,'film0'),(1,'film1'),(2,'film2'); DROP TABLE IF EXISTS `film_actor`;CREATE TABLE `film_actor` (`id` int(11) NOT NULL,`film_id` int(11) NOT NULL,`actor_id` int(11) NOT NULL,`remark` varchar(255) DEFAULT NULL,PRIMARY KEY (`id`),KEY `idx_film_actor_id` (`film_id`,`actor_id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;INSERT INTO `film_actor` (`id`, `film_id`, `actor_id`) VALUES (1,1,1),(2,1,2),(3,2,1);

explain

EXPLAIN SELECT * FROM actor;
SHOW WARNINGS;

可以通过 SHOW WARNINGS; 获取优化后的查询语句

/* select#1 */ select `mysql-learn`.`actor`.`id` AS `id`,`mysql-learn`.`actor`.`name` AS `name`,`mysql-learn`.`actor`.`update_time` AS `update_time` from `mysql-learn`.`actor`

id

id列用来标识select 序列号，有几个select 就有几个id，id是按照select出现的顺序增长的，id列越大执行优先级越高。id相同从上往下执行。id为null的最后执行。

select_type

select_type 表示对应行是简单还是复杂的查询，

simple： 简单查询，不包含子查询和union。
在这里插入图片描述
primary: 复杂查询中最外层的select
subquery: 包含在select 中的子查询 (不在from 子句中)
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。
union: 在 union 中的第二个和随后的 select

explain select (select 1 from actor where id = 1) from (select * from film where id = 1) der ;

在这里插入图片描述

set session optimizer_switch='derived_merge=off'; #关闭mysql5.7新特性对衍生表的合 并优化
explain select (select 1 from actor where id = 1) from (select * from film where id = 1) der ;

在这里插入图片描述

table

显示目前在访问哪一个表，当from子句中有子查询时，table列是 <deriven N ,表示依赖的是id = N的查询，于是先执行id=N的查询。当出现union时，union result的table 列的值为<union 1,2 表示1和2参与union的select 行id。

type

这一列表示关联类型和访问类型，即MySQL决定如何查询表中的行，查询数据行记录的大概范围。
依次从最优到最差分别为：system > const > eq_ref > ref > range > index > all . 一般来说查询能达到range 级别或者 ref。

**NUll ** : mysql能够在优化阶段分解查询语句，在执行阶段用不着访问表或索引。例如：查询索引列最小值，可以单独查询索引来完成，不用访问表。
在这里插入图片描述
const,system: mysql能对查询的某部分进行优化并将其转换成一个常量，用于 primary key 或 unique key 的所有列与常数比较时，所以表最多有一个匹配行，读取1次，速度比较快。system是 const的特例，表里只有一条元组匹配时为system

在这里插入图片描述

/* select#1 */ select '1' AS `id`,'a' AS `name`,NULL AS `update_time` from `mysql-learn`.`actor` where true

**eq_ref: ** primary key 或 unique key索引的所有部分被连接使用，最多只会使用一条符合条件的记录。
在这里插入图片描述
ref: 相比 eq_ref，不使用唯一索引，而是使用普通索引或者唯一性索引的部分前缀，索引要和某个值相比较，可能会找到多个符合条件的行。
简单的select查询，name是普通索引
在这里插入图片描述
关联表查询，idx_film_actor_id是film_id和actor_id的联合索引，这里使用到了film_actor的左边前缀film_id部分
在这里插入图片描述
range 范围扫描通常出现在in between > < =操作 ，使用一个索引来检索给定范围的行。
在这里插入图片描述
index ： 扫描全索引就能拿到结果，一般是扫描某个二级索引，这种扫描不会从索引树根节点开始快速查找，而是直接从二级索引的叶子结点遍历和扫描，速度还是比较慢的。
在这里插入图片描述
**ALL:**即全表扫描，扫描你的聚簇索引的所有叶子节点。通常情况下这需要增加索引来进行优化了
在这里插入图片描述

possible_keys

这一列显示查询可能使用哪些索引来查找。
explain 时可能出现 possible_keys 有列，而 key 显示 NULL 的情况，这种情况是因为表中数据不多，mysql认为索引 对此查询帮助不大，选择了全表查询。
如果该列是NULL，则没有相关的索引。在这种情况下，可以通过检查 where 子句看是否可以创造一个适当的索引来提 高查询性能，然后用 explain 查看效果。

key

这一列显示mysql实际采用哪个索引来优化对该表的访问。
如果没有使用索引，则该列是 NULL。如果想强制mysql使用或忽视possible_keys列中的索引，在查询中使用 force index、ignore index。

key_len

这一列显示了mysql在索引里使用的字节数，通过这个值可以算出具体使用了索引中的哪些列。 举例来说，film_actor的联合索引 idx_film_actor_id 由 film_id 和 actor_id 两个int列组成，并且每个int是4字节。通 过结果中的key_len=4可推断出查询使用了第一个列:film_id列来执行索引查找。
在这里插入图片描述
key_len计算规则如下:

  • 字符串，char(n)和varchar(n)，5.0.3以后版本中，n均代表字符数，而不是字节数，如果是utf-8，一个数字
    或字母占1个字节，一个汉字占3个字节
  • char(n):如果存汉字长度就是 3n 字节
  • varchar(n):如果存汉字则长度是 3n + 2 字节，加的2字节用来存储字符串长度，因为 varchar是变长字符串
  • 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
索引最大长度是768字节，当字符串过长时，mysql会做一个类似左前缀索引的处理，将前半部分的字符提取出来做索引。

ref

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，常见的有:const(常量)，字段名(例:film.id)

rows

这一列是mysql估计要读取并检测的行数，注意这个不是结果集里的行数

extra

Using index
使用了覆盖索引。
在这里插入图片描述

Using where
查询列未被索引覆盖
在这里插入图片描述

Using index condition
查询的列不完全被索引覆盖 用到了索引
在这里插入图片描述

Using temporary
用到了临时表
在这里插入图片描述

Using filesort
将用外部排序而不是索引排序，数据较小时从内存排序，否则需要在磁盘完成排序。这种情况下一 般也是要考虑使用索引来优化的。
在这里插入图片描述
使用索引排序。
在这里插入图片描述

Select tables optimized away
使用某些聚合函数(比如 max、min)来访问存在索引的某个字段
在这里插入图片描述

常见的索引优化

  • 字符串不加单引号索引失效

  • 少用or或in，用它查询时，mysql不一定使用索引，mysql内部优化器会根据检索比例、表大小等多个因素整体评 估是否使用索引，详见范围查询优化

  • 范围查询优化

  • like以通配符开头(‘$abc…’)mysql索引失效会变成全表扫描操作

  • is null,is not null 一般情况下也无法使用索引

  • mysql在使用不等于(!=或者<>)，not in ，not exists 的时候无法使用索引会导致全表扫描
    < 小于、 > 大于、 <=、>= 这些，mysql内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引

  • 尽量使用覆盖索引(只访问索引的查询(索引列包含查询列))，减少 select * 语句

  • 存储引擎不能使用索引中范围条件右边的列

  • 不在索引列上做任何操作(计算、函数、(自动or手动)类型转换)，会导致索引失效而转向全表扫描

  • 最左前缀法则

  • 全值匹配

【数据库】聊聊常见的索引优化-上
【数据库】聊聊常见的索引优化-上

总结

本篇主要介绍了explain的关键字的介绍 以及如何优化。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/433368.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Tensorflow2.0笔记 - tensor排序操作

Tensorflow2.0笔记 - tensor排序操作

本笔记主要记录sort,argsort,以及top_k操作&#xff0c;加上一个求Top K准确度的例子。 import tensorflow as tf import numpy as nptf.__version__#sort,argsort#对1维的tensor进行排序 tensor tf.random.shuffle(tf.range(10)) print(tensor) #升序 print("tf.sort(d…
阅读更多...
Go 从标准输入读取数据

Go 从标准输入读取数据

fmt.Scan系列 fmt.Scan函数定义如下&#xff1a; // Scan scans text read from standard input, storing successive space-separated values into successive arguments. // Newlines count as space. // It returns the number of items successfully scanned. // If tha…
阅读更多...
区块链技术在金融领域的应用

区块链技术在金融领域的应用

区块链技术在金融领域的应用广泛&#xff0c;它提供了一种分布式、去中心化、透明且安全的方式来进行交易和资产管理。以下是一些区块链技术在金融领域的主要应用&#xff0c;希望对大家有所帮助。北京木奇移动技术有限公司&#xff0c;专业的软件外包开发公司&#xff0c;欢迎…
阅读更多...
达梦数据库——记录一次离谱的登录失败报错

达梦数据库——记录一次离谱的登录失败报错

好久没更新了哇 前面有整理过一些常见的数据库登录失败问题哈&#xff0c;今天记录一个遇到概率比较小&#xff0c;但碰上了一般不太容易找到原因的登录失败问题。 今天给客户同时初始化了三台服务器数据库&#xff0c;惟独这一台死活登不进去&#xff0c;满脑子问号&#xf…
阅读更多...
08.Elasticsearch应用（八）

08.Elasticsearch应用（八）

Elasticsearch应用&#xff08;八&#xff09; 1.为什么需要相关性算分 我们在文档搜索的时候&#xff0c;匹配程度越高的相关性算分越高&#xff0c;算分越高的越靠前&#xff0c;但是有时候我们不需要算分越高越靠前我们可能需要手动影响算分来控制顺序比如广告&#xff08…
阅读更多...
【unity小技巧】使用动画状态机脚本实现一个简单3d敌人AI功能

【unity小技巧】使用动画状态机脚本实现一个简单3d敌人AI功能

文章目录 敌人导航敌人动画导入动画修改循环动画配置其他不循环的动画配置 配置敌人模型动画配置敌人受伤死亡脚本控制敌人状态机待机 行走 巡逻 攻击状态修改待机行为脚本修改巡逻行为脚本修改追击行为脚本修改攻击行为脚本 删除旧的动画控制代码创建寻路点 修改代码&#xff…
阅读更多...
Vue组件之间的通信方式都有哪些

Vue组件之间的通信方式都有哪些

Vue组件之间的通信方式 组件间通信的概念组件间通信解决了什么组件间通信的分类 父子组件之间的通信兄弟组件之间的通信祖孙与后代组件之间的通信非关系组件间之间的通信 组件间通信的方案 props传递数据$emit 触发自定义事件refEventBusparent、rootattrs与listenersprovide …
阅读更多...
【时间序列篇】基于LSTM的序列分类-Pytorch实现 part1 案例复现

【时间序列篇】基于LSTM的序列分类-Pytorch实现 part1 案例复现

系列文章目录 【时间序列篇】基于LSTM的序列分类-Pytorch实现 part1 案例复现 【时间序列篇】基于LSTM的序列分类-Pytorch实现 part2 自有数据集构建 【时间序列篇】基于LSTM的序列分类-Pytorch实现 part3 化为己用 本篇文章是对已有一篇文章的整理归纳&#xff0c;并对文章中…
阅读更多...
【详解】贪吃蛇游戏----上篇（介绍控制台和API等知识）

【详解】贪吃蛇游戏----上篇（介绍控制台和API等知识）

目录 知识点&#xff1a; Win32 API 宽字符的打印 控制台操作&#xff1a; &#xff08;1&#xff09;调整控制台大小 &#xff08;2&#xff09;控制台屏幕上的坐标COORD GetStdHandle GetConsoleCursorInfo CONSOLE_CURSOR_INFO SetConsoleCursorInfo SetConsoleC…
阅读更多...
Tortoise-tts Better speech synthesis through scaling——TTS论文阅读

Tortoise-tts Better speech synthesis through scaling——TTS论文阅读

笔记地址&#xff1a;https://flowus.cn/share/a79f6286-b48f-42be-8425-2b5d0880c648 【FlowUs 息流】tortoise 论文地址&#xff1a; Better speech synthesis through scaling Abstract: 自回归变换器和DDPM&#xff1a;自回归变换器&#xff08;autoregressive transfo…
阅读更多...
RabbitMQ问题总结

RabbitMQ问题总结

:::info 使用场景 异步发送&#xff08;验证码、短信、邮件。。。&#xff09;MySQL 和 Redis、ES 之间的数据同步分布式事务削峰填谷… ::: 如何保证消息不丢失 上图是消息正常发送的一个过程&#xff0c;那在哪个环节中消息容易丢失&#xff1f;在哪一个环节都可能丢失 生…
阅读更多...
C#用 DateAndTime.DateAdd方法和DateTime.Add(TimeSpan) 方法分别添加一段时间间隔

C#用 DateAndTime.DateAdd方法和DateTime.Add(TimeSpan) 方法分别添加一段时间间隔

目录 一、基本方法 1.用 DateAndTime.DateAdd方法添加一段时间间隔 2.用DateTime.Add方法添加一段时间间隔 二、实例 1.实例1&#xff1a;用 DateAndTime.DateAdd方法 2.实例2&#xff1a;用DateTime.Add方法 一、基本方法 1.用 DateAndTime.DateAdd方法添加一段时间间隔…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023