必读，sql加索引调优案例和explain extended说明

做一个积极的人
编码、改bug、提升自己
我有一个乐园，面向编程，春暖花开！

昨天分享了Mysql中的 explain 命令，使用 explain 来分析 select 语句的运行效果，如：explain可以获得select语句使用的索引情况、排序的情况等等。链接：顺便提到了explain extended，有小伙伴留言说想知道一些explain extended，那今天就在简单讲解一下。

一、explain extended说明

我昨天的文章使用explain extended是在mysql5.6版本执行的，所以用explain extended查看执行计划会比explain多一列 filtered。如果你是用的mysql5.7的话，那默认explain 就会输出 filtered 这一列，不需要使用explain extended了。

-- 查询mysql版本
mysql> select version();
+-----------+
| version() |
+-----------+
| 5.7.24    |
+-----------+
1 row in set

MySQL 5.7 Reference Manual

在对每一个列进行一个简单说明：

Column	Meaning
`id`	`SELECT`标识符
`select_type`	`SELECT`类型
`table`	`SELECT`类型
`partitions`	匹配的分区
`type`	连接类型
`possible_keys`	可供选择的索引
`key`	实际选择的索引
`key_len`	所选key的长度
`ref`	列与索引进行比较
`rows`	估计要检查的行
`filtered`	按表条件过滤的行的百分比
`Extra`	附加/额外信息

filtered 这一列的解释

筛选列指示将按表条件筛选的表行的估计百分比。最大值为100，这意味着不会对行进行过滤。值从100开始减少表示过滤量增加。 rows显示检查的估计行数，rows×filtered显示将与下表连接的行数。例如，如果rows 是1000且filtered为50.00（50％），则使用下表连接的行数为1000×50％= 500。

二、调优案例，一定要看哦！

四张表，分别为：

camera ：相机
unit ：区域
task
task_relation

四张表的数据信息如下（刚开始没有加额外索引）, 只有camera的数据量相对较大，其他一般！

-- camera 表信息
mysql> select count(*) from camera;
+----------+
| count(*) |
+----------+
|    52668 |
+----------+

-- unit 表信息
mysql> select count(*) from unit;
+----------+
| count(*) |
+----------+
|      227 |
+----------+

-- task 表信息
mysql> select count(*) from task;
+----------+
| count(*) |
+----------+
|      771 |
+----------+

-- task_relation 表信息
mysql> select count(*) from task_relation;
+----------+
| count(*) |
+----------+
|       44 |
+----------+


--- 查询索引，Key_name都是主键，如unit 、task、task_relation
mysql> show indexes from camera;
+--------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table  | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+--------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| camera |          0 | PRIMARY  |            1 | id          | A         |       51744 | NULL     | NULL   |      | BTREE      |         |               |
+--------+------------+----------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
1 row in set

1、没有加任何索引情况

有一个查询的sql，看一下如何进行在没有任何额外索引的情况下，执行耗时是多少？（请忽略这条sql具体是什么含义）

SELECT
	temp.id,
	temp.brandname,
	temp.ip,
	temp.address,
	temp. NAME,
	temp.url,
	temp.serialnumber,
	temp.thumbNail,
	temp.region,
	temp.create_time,
	temp.taskId,
	vt.isvalid
FROM
	(
		SELECT
			c.id AS id,
			c.brandname AS brandname,
			c.ip AS ip,
			c.address AS address,
			c.`name` AS NAME,
			c.url AS url,
			r.serialnumber AS serialnumber,
			c.thumb_nail AS thumbNail,
			t.unit_name AS region,
			c.create_time,
			r.serialnumber AS taskId
		FROM
			camera c
		LEFT JOIN task_relation r ON c.id = r.camera_file_id
		LEFT JOIN unit t ON t.unit_identity = c.region
	) temp
LEFT JOIN task vt ON temp.serialnumber = vt.serialnumber
WHERE
	1 = 1
ORDER BY
	temp.create_time DESC,
	temp. NAME DESC

执行耗时结果为： 10s 左右!

使用explain分析如下：

+----+-------------+-------+------------+------+---------------+------+---------+------+-------+----------+----------------------------------------------------+
| id | select_type | table | partitions | type | possible_keys | key  | key_len | ref  | rows  | filtered | Extra                                              |
+----+-------------+-------+------------+------+---------------+------+---------+------+-------+----------+----------------------------------------------------+
|  1 | SIMPLE      | c     | NULL       | ALL  | NULL          | NULL | NULL    | NULL | 52116 |      100 | Using temporary; Using filesort                    |
|  1 | SIMPLE      | r     | NULL       | ALL  | NULL          | NULL | NULL    | NULL |    44 |      100 | Using where; Using join buffer (Block Nested Loop) |
|  1 | SIMPLE      | t     | NULL       | ALL  | NULL          | NULL | NULL    | NULL |   227 |      100 | Using where; Using join buffer (Block Nested Loop) |
|  1 | SIMPLE      | vt    | NULL       | ALL  | NULL          | NULL | NULL    | NULL |   729 |      100 | Using where; Using join buffer (Block Nested Loop) |
+----+-------------+-------+------------+------+---------------+------+---------+------+-------+----------+----------------------------------------------------+
4 rows in set

发现联接类型type为ALL，根据上一篇的介绍：

ALL：对于每个来自于先前的表的行组合,进行完整的表扫描。

2、给关联查询的字段加上索引

使用第一篇添加索引的方法，分别为查询语句中on关联的字段加上索引，如下：

-- 创建普通索引命令之一
ALTER TABLE table_name ADD INDEX index_name(col_name);
-- 创建相应的索引

mysql> ALTER TABLE task_relation ADD INDEX index_camera_file_id(camera_file_id);
Query OK, 0 rows affected
mysql> ALTER TABLE unit ADD INDEX index_unit_identity(unit_identity);
Query OK, 0 rows affected

创建到两个索引的时候，使用Explain看一下，发现type就有ref了，possible_keys 和key都有索引了。

+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------+-------+----------+----------------------------------------------------+
| id | select_type | table | partitions | type | possible_keys        | key                  | key_len | ref           | rows  | filtered | Extra                                              |
+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------+-------+----------+----------------------------------------------------+
|  1 | SIMPLE      | c     | NULL       | ALL  | NULL                 | NULL                 | NULL    | NULL          | 52116 |      100 | Using temporary; Using filesort                    |
|  1 | SIMPLE      | r     | NULL       | ref  | index_camera_file_id | index_camera_file_id | 8       | test.c.id     |     1 |      100 | NULL                                               |
|  1 | SIMPLE      | t     | NULL       | ref  | index_unit_identity  | index_unit_identity  | 99      | test.c.region |     1 |      100 | NULL                                               |
|  1 | SIMPLE      | vt    | NULL       | ALL  | NULL                 | NULL                 | NULL    | NULL          |   729 |      100 | Using where; Using join buffer (Block Nested Loop) |
+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------+-------+----------+----------------------------------------------------+
4 rows in set

验证一下添加索引的效果，此时进行一次查询，耗时为 6S左右！

cost_time02

给剩下没有加索引的表在继续加上索引：

[SQL]ALTER TABLE camera ADD INDEX index_region(region);
受影响的行: 0
时间: 2.277s
[SQL]ALTER TABLE task ADD INDEX index_serialnumber(serialnumber);
受影响的行: 0
时间: 0.435s

注：给camera加索引花费的时间较大。如果前期知道是大表的话，一定要设计索引，否则当数据量特别大的时候，加索引就麻烦了。

3、索引全部创建完后

在创建所有查询关联的字段索引后，在执行explian进行分析，如下：

+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------------+-------+----------+----------------+
| id | select_type | table | partitions | type | possible_keys        | key                  | key_len | ref                 | rows  | filtered | Extra          |
+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------------+-------+----------+----------------+
|  1 | SIMPLE      | c     | NULL       | ALL  | NULL                 | NULL                 | NULL    | NULL                | 52116 |      100 | Using filesort |
|  1 | SIMPLE      | r     | NULL       | ref  | index_camera_file_id | index_camera_file_id | 8       | test.c.id           |     1 |      100 | NULL           |
|  1 | SIMPLE      | t     | NULL       | ref  | index_unit_identity  | index_unit_identity  | 99      | test.c.region       |     1 |      100 | NULL           |
|  1 | SIMPLE      | vt    | NULL       | ref  | index_serialnumber   | index_serialnumber   | 194     | test.r.serialnumber |     1 |      100 | NULL           |
+----+-------------+-------+------------+------+----------------------+----------------------+---------+---------------------+-------+----------+----------------+
4 rows in set

执行sql，查询耗时 0.5 s 左右！

cost_time03

三、总结

通过上面的简单的案例，将一个开始执行10s左右的sql修改为最后执行0.5s左右！快了20倍！

索引的添加以及SQL调优还有很多的东西，我要走的路还很远！但是我觉得首先是掌握必要的一些知识，然后能进行简单的应用，慢慢一步一步向前。

本篇的分析就到这里，希望看完本篇内容内容的你也可以动手实际操作一下，我将本篇对应的初始化数据库脚本传到github上面了，地址：https://github.com/dufyun/learn-tech-collection/tree/master/mysql_tuning，你可以进行下载实践。

最后，想分享的是思路有时候比答案（结果）更重要。

谢谢你的阅读，如果您觉得这篇博文对你有帮助，请点赞或者喜欢，让更多的人看到！祝你每天开心愉快！

不管做什么，只要坚持下去就会看到不一样！在路上，不卑不亢!

博客首页 : http://blog.csdn.net/u010648555

愿你我在人生的路上能都变成最好的自己，能够成为一个独挡一面的人

相关阅读:
树状数组&线段树
 8月7日小练
 8月6日小练
 LID&LDS 的另外一种算法
 LCS,LIS,LCIS
8-11-Exercise
8-10-Exercise
线段树
 8-7-Exercise
8-6-Exercise
原文地址：https://www.cnblogs.com/aflyun/p/10507857.html

热门文章
Oracle拼接字符串
 2019.6.20随笔
 2019.6.14随笔
 对南昌杀人案的一些看法
 2019.5.28随笔
 8月14小练
 8月13号小练
 最短路
 8月11号小练
 8月10号小练