一文了解MySQL Optimizer Trace的神奇功能
前言
作者:Mutlis
CSDN & 阿里云 & 知乎 等平臺優(yōu)質(zhì)作者,擅長Oracle & MySQL等主流數(shù)據(jù)庫系統(tǒng)的維護和管理等
對于 MySQL 5.6 以及之前的版本來說,查詢優(yōu)化器就像是一個黑盒子一樣,你只能通過 EXPLAIN
語句查看到最后優(yōu)化器決定使用的執(zhí)行計劃,卻無法知道它為什么做這個決策。
這對于一部分喜歡刨根問底的?伙伴來說簡直是災難:“我就覺得使用其他的執(zhí)行方案? EXPLAIN
輸出的這種方案強,憑什么優(yōu)化器做的決定和我想的不一樣呢?”這篇文章主要介紹使用 optimizer trace
查看優(yōu)化器生成執(zhí)行計劃的整個過程。
optimizer trace 表的神奇功效
在 MySQL 5.6 以及之后的版本中,設(shè)計 MySQL 的大叔貼?的為這部分小伙伴提出了一個 optimizer trace
的功能,這個功能可以讓我們方便的查看優(yōu)化器生成執(zhí)行計劃的整個過程,這個功能的開啟與關(guān)閉由系統(tǒng)變量 optimizer_trace
決定,我們看一下:
mysql> show variables like 'optimizer_trace'; +-----------------+--------------------------+ | Variable_name | Value | +-----------------+--------------------------+ | optimizer_trace | enabled=off,one_line=off | +-----------------+--------------------------+ 1 row in set (0.01 sec)
可以看到 enabled
值為 off
,表明這個功能默認是關(guān)閉的。
小提示:
one_line
的值是控制輸出格式的,如果為 on
那么所有輸出都將在一行中展示,不適合?閱讀,所以我們就保持其默認值為 off
吧。
如果想打開這個功能,必須?先把 enabled
的值改為 on
,就像這樣:
mysql> SET optimizer_trace="enabled=on"; Query OK, 0 rows affected (0.00 sec)
然后我們就可以輸入我們想要查看優(yōu)化過程的查詢語句,當該查詢語句執(zhí)行完成后,就可以到 information_schema
數(shù)據(jù)庫下的 OPTIMIZER_TRACE
表中查看完整的優(yōu)化過程。
這個 OPTIMIZER_TRACE
表有 4 個列,分別是:
QUERY
:表示我們查詢的語句;TRACE
:表示優(yōu)化過程的 JSON 格式?本;MISSING_BYTES_BEYOND_MAX_MEM_SIZE
:由于優(yōu)化過程可能會輸出很多,如果超過某個限制時,多余的?本將不會被顯示,這個字段展示了被忽略的?本字節(jié)數(shù);INSUFFICIENT_PRIVILEGES
:表示是否沒有權(quán)限查看優(yōu)化過程,默認值是 0,只有某些特殊情況下才會是 1,我們暫時不關(guān)心這個字段的值。
完整的使用 optimizer trace 功能的步驟總結(jié)
步驟一: 打開 optimizer trace 功能 (默認情況下它是關(guān)閉的)。
mysql> SET optimizer_trace="enabled=on"; Query OK, 0 rows affected (0.01 sec)
步驟二: 輸入查詢語句。
SELECT ...;
步驟三: 從 optimizer_trace
表中查看上一個查詢的優(yōu)化過程。
SELECT * FROM information_schema.OPTIMIZER_TRACE;
步驟四: 可能你還要觀察其他語句執(zhí)行的優(yōu)化過程,重復上邊的第 2、3步。
步驟五: 當你停?查看語句的優(yōu)化過程時,把 optimizer trace 功能關(guān)閉。
mysql> SET optimizer_trace="enabled=off"; Query OK, 0 rows affected (0.01 sec)
現(xiàn)在我們有一個搜索條件比較多的查詢語句,它的執(zhí)行計劃如下:
mysql> EXPLAIN SELECT * FROM s1 WHERE key1 > 'z' AND key2 < 1000000 AND key3 IN ('aa', 'bb', 'cb') AND common_field = 'abc'; +----+-------------+-------+------------+-------+----------------------------+----------+---------+------+------+----------+------------------------------------+ | id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra | +----+-------------+-------+------------+-------+----------------------------+----------+---------+------+------+----------+------------------------------------+ | 1 | SIMPLE | s1 | NULL | range | idx_key2,idx_key1,idx_key3 | idx_key1 | 403 | NULL | 1 | 5.00 | Using index condition; Using where | +----+-------------+-------+------------+-------+----------------------------+----------+---------+------+------+----------+------------------------------------+ 1 row in set, 1 warning (0.00 sec)
可以看到該查詢可能使用到的索引有3個,那么為什么優(yōu)化器最終選擇了idx_key1
而不選擇其他的索引或者直接全表掃描呢?這時候就可以通過otpimzer trace
功能來查看優(yōu)化器的具體工作過程:
mysql> SET optimizer_trace="enabled=on"; Query OK, 0 rows affected (0.00 sec) mysql> SELECT * FROM s1 WHERE key1 > 'z' AND key2 < 1000000 AND key3 IN ('aa', 'bb', 'cb') AND common_field = 'abc'; Empty set (0.00 sec) mysql> SELECT * FROM information_schema.OPTIMIZER_TRACE\G
MySQL 可能會在之后的版本中添加更多的優(yōu)化過程信息。不過雜亂之中其實還是蠻有規(guī)律的,優(yōu)化過程大致分為了三個階段:
- prepare 階段
- optimize 階段
- execute 階段
我們所說的基于成本的優(yōu)化主要集中在 optimize
階段,對于單表查詢來說,我們主要關(guān)注 optimize
階段的 "rows_estimation"
這個過程。這個過程深入分析了對單表查詢的各種執(zhí)行方案的成本,對于多表連接查詢來說,我們更多需要關(guān)注 "considered_execution_plans"
這個過程,這個過程里會寫明各種不同的連接方式所對應(yīng)的成本。反正優(yōu)化器最終會選擇成本最低的那種方案來作為最終的執(zhí)行計劃,也就是我們使用 EXPLAIN
語句所展現(xiàn)出的那種方案。
最后,我們?yōu)楦信d趣的小伙伴展示一下通過查詢 OPTIMIZER_TRACE
表得到的輸出(我使用#
后跟隨注釋的形式為大家解釋了優(yōu)化過程中的一些比較重要的點,建議用電腦屏幕觀看):
*************************** 1. row *************************** # 分析的查詢語句是什么 QUERY: SELECT * FROM s1 WHERE key1 > 'z' AND key2 < 1000000 AND key3 IN ('aa', 'bb', 'cb') AND common_field = 'abc' # 優(yōu)化的具體過程 TRACE: { "steps": [ { "join_preparation": { # prepare階段 "select#": 1, "steps": [ { "IN_uses_bisection": true }, { "expanded_query": "/* select#1 */ select `s1`.`id` AS `id`,`s1`.`key1` AS `key1`,`s1`.`key2` AS `key2`,`s1`.`key3` AS `key3`,`s1`.`key_part1` AS `key_part1`,`s1`.`key_part2` AS `key_part2`,`s1`.`key_part3` AS `key_part3`,`s1`.`common_field` AS `common_field` from `s1` where ((`s1`.`key1` > 'z') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')) and (`s1`.`common_field` = 'abc'))" } ] } }, { "join_optimization": { # optimize階段 "select#": 1, "steps": [ { "condition_processing": { # 處理搜索條件 "condition": "WHERE", # 原始搜索條件 "original_condition": "((`s1`.`key1` > 'z') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')) and (`s1`.`common_field` = 'abc'))", "steps": [ { # 等值傳遞轉(zhuǎn)換 "transformation": "equality_propagation", "resulting_condition": "((`s1`.`key1` > 'z') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')) and multiple equal('abc', `s1`.`common_field`))" }, { # 常量傳遞轉(zhuǎn)換 "transformation": "constant_propagation", "resulting_condition": "((`s1`.`key1` > 'z') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')) and multiple equal('abc', `s1`.`common_field`))" }, { # 去除沒用的條件 "transformation": "trivial_condition_removal", "resulting_condition": "((`s1`.`key1` > 'z') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')) and multiple equal('abc', `s1`.`common_field`))" } ] } }, { # 替換虛擬生成列 "substitute_generated_columns": { } }, { # 表的依賴信息 "table_dependencies": [ { "table": "`s1`", "row_may_be_null": false, "map_bit": 0, "depends_on_map_bits": [ ] } ] }, { "ref_optimizer_key_uses": [ ] }, { # 預估不同單表訪問方法的訪問成本 "rows_estimation": [ { "table": "`s1`", "range_analysis": { "table_scan": { "rows": 20250, "cost": 2051.35 }, # 分析可能使用的索引 "potential_range_indexes": [ { "index": "PRIMARY", # 主鍵不可用 "usable": false, "cause": "not_applicable" }, { "index": "idx_key2",# idx_key2可能被使用 "usable": true, "key_parts": [ "key2" ] }, { "index": "idx_key1", # idx_key1可能被使用 "usable": true, "key_parts": [ "key1", "id" ] }, { "index": "idx_key3", # idx_key3可能被使用 "usable": true, "key_parts": [ "key3", "id" ] }, { "index": "idx_key_part", # idx_key_part不可用 "usable": false, "cause": "not_applicable" } ], "setup_range_conditions": [ ], "group_index_range": { "chosen": false, "cause": "not_group_by_or_distinct" }, "skip_scan_range": { "potential_skip_scan_indexes": [ { "index": "idx_key2", "usable": false, "cause": "query_references_nonkey_column" }, { "index": "idx_key1", "usable": false, "cause": "query_references_nonkey_column" }, { "index": "idx_key3", "usable": false, "cause": "query_references_nonkey_column" } ] }, # 分析各種可能使用的索引的成本 "analyzing_range_alternatives": { "range_scan_alternatives": [ { # 使用idx_key2的成本分析 "index": "idx_key2", # 使用idx_key2的范圍區(qū)間 "ranges": [ "NULL < key2 < 1000000" ], "index_dives_for_eq_ranges": true,# 是否使用index dive "rowid_ordered": false,# 使用該索引獲取的記錄是否按照主鍵排序 "using_mrr": false, # 是否使用mrr "index_only": false, # 是否是索引覆蓋訪問 "in_memory": 1, "rows": 10125,# 使用該索引獲取的記錄條數(shù) "cost": 3544.01,# 使用該索引的成本 "chosen": false, # 使用該索引的成本 "cause": "cost" # 因為成本太大所以不選擇該索引 }, { # 使用idx_key1的成本分析 "index": "idx_key1", # 使用idx_key1的范圍區(qū)間 "ranges": [ "'z' < key1" ], "index_dives_for_eq_ranges": true,# 同上 "rowid_ordered": false,# 同上 "using_mrr": false,# 同上 "index_only": false,# 同上 "in_memory": 1, "rows": 1,# 同上 "cost": 0.61,# 同上 "chosen": true# 是否選擇該索引 }, { # 使用idx_key3的成本分析 "index": "idx_key3", # 使用idx_key3的范圍區(qū)間 "ranges": [ "key3 = 'aa'", "key3 = 'bb'", "key3 = 'cb'" ], "index_dives_for_eq_ranges": true,# 同上 "rowid_ordered": false,# 同上 "using_mrr": false,# 同上 "index_only": false,# 同上 "in_memory": 1, "rows": 3,# 同上 "cost": 1.81,# 同上 "chosen": false,# 同上 "cause": "cost"# 同上 } ], # 分析使用索引合并的成本 "analyzing_roworder_intersect": { "usable": false, "cause": "too_few_roworder_scans" } }, # 對于上述單表查詢s1最優(yōu)的訪問方法 "chosen_range_access_summary": { "range_access_plan": { "type": "range_scan", "index": "idx_key1", "rows": 1, "ranges": [ "'z' < key1" ] }, "rows_for_plan": 1, "cost_for_plan": 0.61, "chosen": true } } } ] }, { # 分析各種可能的執(zhí)行計劃 #(對多表查詢這可能有很多種不同的方案,單表查詢的方案上邊已經(jīng)分析過了,直接選取idx_key1就好) "considered_execution_plans": [ { "plan_prefix": [ ], "table": "`s1`", "best_access_path": { "considered_access_paths": [ { "rows_to_scan": 1, "access_type": "range", "range_details": { "used_index": "idx_key1" }, "resulting_rows": 1, "cost": 0.71, "chosen": true } ] }, "condition_filtering_pct": 100, "rows_for_plan": 1, "cost_for_plan": 0.71, "chosen": true } ] }, { "attaching_conditions_to_tables": { "original_condition": "((`s1`.`common_field` = 'abc') and (`s1`.`key1` > 'z') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')))", "attached_conditions_computation": [ ], "attached_conditions_summary": [ { "table": "`s1`", "attached": "((`s1`.`common_field` = 'abc') and (`s1`.`key1` > 'z') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')))" } ] } }, { # 嘗試給查詢添加一些其他的查詢條件 "finalizing_table_conditions": [ { "table": "`s1`", "original_table_condition": "((`s1`.`common_field` = 'abc') and (`s1`.`key1` > 'z') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')))", "final_table_condition ": "((`s1`.`common_field` = 'abc') and (`s1`.`key1` > 'z') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')))" } ] }, { # 再稍稍的改進一下執(zhí)行計劃 "refine_plan": [ { "table": "`s1`", "pushed_index_condition": "(`s1`.`key1` > 'z')", "table_condition_attached": "((`s1`.`common_field` = 'abc') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')))" } ] } ] } }, { "join_execution": { # execute階段 "select#": 1, "steps": [ ] } } ] } # 因優(yōu)化過程文本太多而丟棄的文本字節(jié)大小,值為0時表示并沒有丟棄 MISSING_BYTES_BEYOND_MAX_MEM_SIZE: 0 # 權(quán)限字段 INSUFFICIENT_PRIVILEGES: 0 1 row in set (0.01 sec) ERROR: No query specified
大家看到這個輸出的第一感覺就是這文本也太多了點吧,其實這只是優(yōu)化器執(zhí)行過程中的一小部分。
如果有小伙伴對使用 EXPLAIN
語句展示出的對某個查詢的執(zhí)行計劃很不理解,大家可以嘗試使用 optimizer trace
功能來詳細了解每一種執(zhí)行方案對應(yīng)的成本,相信這個功能能讓大家更深入的了解 MySQL 查詢優(yōu)化器。
關(guān)于 SQLE
愛可生開源社區(qū)的 SQLE 是一款面向數(shù)據(jù)庫使用者和管理者,支持多場景審核,支持標準化上線流程,原生支持 MySQL 審核且數(shù)據(jù)庫類型可擴展的 SQL 審核工具。
SQLE 獲取
以上就是一文了解MySQL Optimizer Trace的神奇功能的詳細內(nèi)容,更多關(guān)于MySQL Optimizer Trace功能的資料請關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
Mybatis報錯: org.apache.ibatis.exceptions.PersistenceException
這篇文章主要介紹了Mybatis報錯: org.apache.ibatis.exceptions.PersistenceException解決辦法的相關(guān)資料,需要的朋友可以參考下2016-12-12MySQL的雙寫緩沖區(qū)Doublewrite Buffer詳解
這篇文章主要介紹了MySQL的雙寫緩沖區(qū)Doublewrite Buffer詳解,InnoDB是MySQL中一種常用的事務(wù)性存儲引擎,它具有很多優(yōu)秀的特性,其中,Doublewrite Buffer是InnoDB的一個重要特性之一,本文將介紹Doublewrite Buffer的原理和應(yīng)用,需要的朋友可以參考下2023-07-07Mysql中有關(guān)Datetime和Timestamp的使用總結(jié)
mysql數(shù)據(jù)庫常用的時間類型有timestamp和datetime,兩者主要區(qū)別是占用存儲空間長度不一致、可存儲的時間也有限制,本文就來詳細的介紹一下,感興趣的可以了解一下2021-12-12mysql中Update未加索引導致的微服務(wù)模塊不可用
本文主要介紹了mysql中Update未加索引導致的微服務(wù)模塊不可用,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2023-06-06Windows中MySQL數(shù)據(jù)庫下載以及安裝教程(最最新版)
這篇文章主要給大家介紹了關(guān)于Windows中MySQL數(shù)據(jù)庫下載以及安裝的相關(guān)資料,很多朋友剛開始接觸mysql數(shù)據(jù)庫服務(wù)器,對安裝使用教程不太明白,這里給大家總結(jié)下,需要的朋友可以參考下2023-09-09出現(xiàn)錯誤mysql Table ''performance_schema...解決辦法
這篇文章主要介紹了解決出現(xiàn)錯誤mysql Table 'performance_schema.session_variables' doesn't exist的相關(guān)資料,需要的朋友可以參考下2017-04-04