GreatSQL 为何选择全表扫描而不选索引

news/2025/3/28 7:50:06/文章来源:https://www.cnblogs.com/greatsql/p/18784615

GreatSQL 为何选择全表扫描而不选索引

1. 问题背景

在生产环境中，发现某些查询即使有索引，也没有使用索引，反而选择了全表扫描。这种现象的根本原因在于优化器评估索引扫描的成本时，认为使用索引的成本高于全表扫描。

2. 场景复现

2.1 环境信息

机器 IP：192.168.137.120
GreatSQL 版本：8.0.32-26

2.2 环境准备

通过脚本创建了一个包含 100 万条数据的表，并在 age 列上创建了索引 idx_age，如下所示：

#!/bin/bash# 数据库配置
db_host="192.168.137.120"
db_user="root"
db_pass="xxxx"
db_name="test"
db_port=3306
table_name="t1"my_conn="greatsql -h$db_host -P$db_port -u$db_user -p$db_pass -D$db_name"# 创建大表
create_table() {$my_conn -e "CREATE TABLE IF NOT EXISTS ${table_name} (id INT primary key,name VARCHAR(255),age INT,email VARCHAR(255),address VARCHAR(255),created_at DATETIME,updated_at DATETIME,key idx_age(age));"
}# 批量插入数据
bulk_insert() {values=""for ((i=1; i<=1000000; i++)); dovalues+="($i, 'name $i', $((RANDOM % 100)), 'email$i@example.com', 'address $i', NOW(), NOW()),"if (( i % 1000 == 0 )); thenvalues=${values%,}  # 去掉最后的逗号# 执行插入$my_conn -e "INSERT INTO ${table_name} (id, name, age, email, address, created_at, updated_at) VALUES $values;"values=""  # 重置valuesfidone
}# 主执行函数
main() {echo "开始创建表..."create_tableecho "表创建完成！"echo "开始批量插入数据..."start_time=$(date +%s)bulk_insertend_time=$(date +%s)echo "插入数据完成！"echo "耗时：$((end_time - start_time)) 秒"
}# 执行主函数
main

2.3 SQL 查询

测试了两个查询：

查询 age > 80 的记录：

greatsql> EXPLAIN SELECT * FROM t1 WHERE age > 80;
+----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key  | key_len | ref  | rows   | filtered | Extra       |
+----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+-------------+
|  1 | SIMPLE      | t1    | NULL       | ALL  | idx_age       | NULL | NULL    | NULL | 994098 |    37.05 | Using where |
+----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+-------------+

查询 age < 3 的记录：

greatsql> EXPLAIN SELECT * FROM t1 WHERE age < 3;
+----+-------------+-------+------------+-------+---------------+---------+---------+------+-------+----------+-----------------------+
| id | select_type | table | partitions | type  | possible_keys | key     | key_len | ref  | rows  | filtered | Extra                 |
+----+-------------+-------+------------+-------+---------------+---------+---------+------+-------+----------+-----------------------+
|  1 | SIMPLE      | t1    | NULL       | range | idx_age       | idx_age | 5       | NULL | 55344 |   100.00 | Using index condition |
+----+-------------+-------+------------+-------+---------------+---------+---------+------+-------+----------+-----------------------+

对于第一个查询，优化器选择了全表扫描（type = ALL），而对于第二个查询，则使用了索引扫描（type = range）。这是因为优化器认为，在 age > 80 的查询中，索引扫描的成本较高，而全表扫描相对较低。

3. 优化器分析

启用 optimizer_trace 查看优化器的执行细节：

greatsql> SET optimizer_trace="enabled=on";
greatsql> SELECT * FROM t1 WHERE age > 80;
+-----+----------+------+----------------------+-------------+---------------------+---------------------+
| id  | name     | age  | email                | address     | created_at          | updated_at          |
+-----+----------+------+----------------------+-------------+---------------------+---------------------+
|  48 | name 48  |   81 | email48@example.com  | address 48  | 2024-12-26 11:25:00 | 2024-12-26 11:25:00 |
|  87 | name 87  |   81 | email87@example.com  | address 87  | 2024-12-26 11:25:00 | 2024-12-26 11:25:00 |
| 130 | name 130 |   81 | email130@example.com | address 130 | 2024-12-26 11:25:00 | 2024-12-26 11:25:00 |
| 201 | name 201 |   81 | email201@example.com | address 201 | 2024-12-26 11:25:00 | 2024-12-26 11:25:00 |
| 232 | name 232 |   81 | email232@example.com | address 232 | 2024-12-26 11:25:00 | 2024-12-26 11:25:00 |
......
| 999998 | name 999998 |   99 | email999998@example.com | address 999998 | 2024-12-26 11:27:22 | 2024-12-26 11:27:22 |
+--------+-------------+------+-------------------------+----------------+---------------------+---------------------+
greatsql> SELECT trace FROM information_schema.optimizer_trace\G
trace: {"steps": [{"join_preparation": {"select#": 1,"steps": [{"expanded_query": "/* select#1 */ select `t1`.`id` AS `id`,`t1`.`name` AS `name`,`t1`.`age` AS `age`,`t1`.`email` AS `email`,`t1`.`address` AS `address`,`t1`.`created_at` AS `created_at`,`t1`.`updated_at` AS `updated_at` from `t1` where (`t1`.`age` > 80)"}]}},{"join_optimization": {"select#": 1,"steps": [{"condition_processing": {"condition": "WHERE","original_condition": "(`t1`.`age` > 80)","steps": [{"transformation": "equality_propagation", --传播等式"resulting_condition": "(`t1`.`age` > 80)"},{"transformation": "constant_propagation", --传播常量"resulting_condition": "(`t1`.`age` > 80)"},{"transformation": "trivial_condition_removal", --移除无关条件"resulting_condition": "(`t1`.`age` > 80)"}]}},{"substitute_generated_columns": {}},{"table_dependencies": [ --表依赖{"table": "`t1`","row_may_be_null": false,"map_bit": 0,"depends_on_map_bits": []}]},{"ref_optimizer_key_uses": []},{"rows_estimation": [ --行数估算{"table": "`t1`","range_analysis": {"table_scan": { --全表扫描"rows": 994078,  --  994078 行需要被扫描"cost": 106040  -- 106040 是执行全表扫描的估算成本},"potential_range_indexes": [ --潜在范围索引{"index": "PRIMARY","usable": false,  -- 主键索引不适用于此次查询"cause": "not_applicable"  },{"index": "idx_age","usable": true,  -- idx_age索引可用于此次查询"key_parts": [  -- 索引基于age，id创建"age","id"]}],"setup_range_conditions": [],"group_index_range": {"chosen": false,"cause": "not_group_by_or_distinct"},"skip_scan_range": {"potential_skip_scan_indexes": [{"index": "idx_age","usable": false,"cause": "query_references_nonkey_column"}]},"analyzing_range_alternatives": {"range_scan_alternatives": [{"index": "idx_age","ranges": ["80 < age"],"index_dives_for_eq_ranges": true,"rowid_ordered": false,"using_mrr": false,"index_only": false,"in_memory": 0,"rows": 379410,  -- 使用idx_age索引估算扫描行数"cost": 417303,  -- 使用idx_age索引估算成本"chosen": false,  -- 未选择该索引"cause": "cost"}],"analyzing_roworder_intersect": {"usable": false,"cause": "too_few_roworder_scans"}}}}]},{"considered_execution_plans": [ --考虑的执行计划{"plan_prefix": [],"table": "`t1`","best_access_path": {  -- 最优访问方式"considered_access_paths": [{"rows_to_scan": 994078,"access_type": "scan",  "resulting_rows": 994078,"cost": 106038,"chosen": true  }]},"condition_filtering_pct": 100,"rows_for_plan": 994078,  "cost_for_plan": 106038,  "chosen": true  -- 优化器最终选择了全表扫描，行数为994708，成为106038}]},{"attaching_conditions_to_tables": { --将条件附加到表"original_condition": "(`t1`.`age` > 80)","attached_conditions_computation": [],"attached_conditions_summary": [{"table": "`t1`","attached": "(`t1`.`age` > 80)"}]}},{"finalizing_table_conditions": [ --最终确定表条件{"table": "`t1`","original_table_condition": "(`t1`.`age` > 80)","final_table_condition   ": "(`t1`.`age` > 80)" --最终的表条件}]},{"refine_plan": [ --优化计划细节{"table": "`t1`"}]}]}},{"join_execution": {"select#": 1,"steps": []}}]
}

从优化器的执行计划中可以看到：

全表扫描：优化器选择了全表扫描的估算成本为 106038。
索引扫描：虽然索引 idx_age 在 age 列上可以被使用，但由于它并不包含查询中所有列（如 id, name, email 等），因此需要回表操作，导致索引扫描的估算成本为 417303，远高于全表扫描。

4. 问题分析

优化器选择使用全表扫描而不是索引扫描的原因主要是因为：

回表开销：idx_age 索引仅包含 age 和 id 列，而查询需要 age, id, name, email, address, created_at, updated_at 等字段。因此，使用索引后需要额外的回表操作，这会增加查询的成本。特别是在数据量较大时，回表次数增多，导致整体性能下降。
估算成本：在某些情况下，优化器评估使用索引的成本比全表扫描高。例如，如果查询涉及的列较多，而索引并不覆盖这些列，回表的代价可能超过直接扫描整张表的代价。优化器会倾向于选择代价较低的执行计划，即全表扫描。

5. 解决方案与优化建议

查询优化：可以通过调整查询条件，减少涉及的列数，或者使用 EXPLAIN 分析不同查询条件的执行计划，选择最优的查询方式。
分析索引选择性：确保索引列的选择性较高，即索引能有效减少扫描的行数。如果某个列的选择性较低（如范围条件 age > 80），全表扫描可能仍然是最优选择。
调整配置参数：根据表的数据分布和查询特征，可能需要调整 MySQL 的优化器相关参数（如 optimizer_search_depth 或 optimizer_switch），以优化查询执行计划的选择。
在本案例中，条件 age > 80 读取扫描的数据量太大了，在真实业务中只有很少数情况需要读取这么大量数据，因此建议加上 LIMIT N 限定读取行数（N通常不高于1000）。
在部分其他场景中，有时可以尝试通过使用直方图来优化查询效率，可以根据实际情况选择。关于直方图可以参考文章：深入聊聊MySQL直方图的应用。