mysql优化——explain详解

MySQL的EXPLAIN命令用于SQL语句的查询执行计划(QEP)。这条命令的输出结果能够让我们了解MySQL 优化器是如何执行SQL 语句的。这条命令并没有提供任何调整建议,但它能够提供重要的信息帮助你做出调优决策。
语法: explain < table_name >
 

1)id:  代表select语句的编号,从1开始.  如果是连接查询,表之间是平等关系, select 编号都是1,如果某select中有子查询,则编号递增.
2)select_type: 查询类型
①SIMPLE  简单的select,没有union和子查询
      ②PRIMARY  最外面的select,在有子查询的语句中,最外面的select查询就是primary 如上图
      ③UNION  UNION中的第二个或后面的SELECT语句 如下图
 
④DEPENDENT UNION    UNION中的第二个或后面的SELECT语句,取决于外面的查询
 
   ⑤.UNION RESULT  UNION结果 如上图
⑥.SUBQUERY 子查询中的第一个SELECT 如图1   
   ⑦.DEPENDENT SUBQUERY   子查询中的第一个SELECT,取决于外面的查询  如上图
⑧.DERIVED 派生表的SELECT(FROM子句的子查询)
 
3)table: 查询针对的表有可能是
实际的表名  如select * from t1;
表的别名    如 select * from t2 as tmp;
derived      如from型子查询时
null         直接计算得结果,不用走表
4)type: 是指查询的方式, 非常重要,是分析”查数据过程”的重要依据,从最好到最差的连接类型为const、eq_reg、ref、range、index和ALL 
all:  意味着从表的第1行,往后,逐行做全表扫描.,运气不好扫描到最后一行.
index: 比all性能稍好一点,通俗的说: all 扫描所有的数据行,相当于data_all  index 扫描所有的索引节点,相当于index_all
range: 意思是查询时,能根据索引做范围的扫描
ref  意思是指 通过索引列,可以直接引用到某些数据行
eq_ref 是指,通过索引列,直接引用某1行数据
onst, system, null  这3个分别指查询优化到常量级别, 甚至不需要查找时间.
5)possible_keys    可能用到的索引,但最终,只能用1个

6). key   显示MySQL实际决定使用的索引。如果没有选择索引,是NULL。
7).key_len  显示MySQL决定使用的索引长度。如果索引是NULL,则长度为NULL。
使用的索引的长度。在不损失精确性的情况下,长度越短越好 
8). ref  指连接查询时, 表之间的字段引用关系

9). rows   rows列显示MySQL认为它执行查询时必须检查的行数。
10). Extra
该列包含MySQL解决查询的详细信息,下面详细.
①.Distinct   一旦MYSQL找到了与行相联合匹配的行,就不再搜索了 
②.Not exists   MYSQL优化了LEFT JOIN,一旦它找到了匹配LEFT JOIN标准的行, 就不再搜索了 
③.Range checked for each Record(index map:#) 没有找到理想的索引,因此对于从前面表中来的每一个行组合,MYSQL检查使用哪个索引,并用它来从表中返回行。这是使用索引的最慢的连接之一 
④.Using filesort 看到这个的时候,查询就需要优化了。MYSQL需要进行额外的步骤来发现如何对返回的行排序。它根据连接类型以及存储排序键值和匹配条件的全部行的行指针来排序全部行 (文件可能在磁盘,也可能在内存)

⑤.Using index 列数据是从仅仅使用了索引中的信息而没有读取实际的行动的表返回的,这发生在对表的全部的请求列都是同一个索引的部分的时候 
⑥.Using temporary 看到这个的时候,查询需要优化了。这里,MYSQL需要创建一个临时表来存储结果,这通常发生在对不同的列集进行ORDER BY上,而不是GROUP BY上 
⑦.Using where  使用了WHERE从句来限制哪些行将与下一张表匹配或者是返回给用户。如果不想返回表中的全部行,并且连接类型ALL或index,这就会发生,或者是查询有问题
 
---------------------
作者:菜鸟里根
来源:CSDN
原文:https://blog.csdn.net/sunqingzhong44/article/details/70789779
版权声明:本文为博主原创文章,转载请附上博文链接!
原文地址:https://www.cnblogs.com/DataArt/p/9873565.html