下面我用一個例子來演示如何使用explain來優化mysql查詢：

需求是這樣的，在一個有1300+萬條的mysql表中查出一個時間段內的數據，聯表查詢：select?d2.name?as?'大區'?,d1.name?as?'事業部',?et_station.name?as?'小區',et_device.direction?as?'方向',count(1)?as?'次數'

from?et_exception

join?et_station?on?et_station.id=et_exception.station

join?et_device?on?et_device.id=et_exception.device

join?et_department?as?d1?on?d1.id=et_station.dept

join?et_department?as?d2?on?d1.parent=d2.id

where

`et_exception`.`time`>=UNIX_TIMESTAMP('2017/04/24?00:00:00')

and

`et_exception`.`time`

group?by?et_exception.station,et_device.direction

這條SQL語句直接執行，查詢需要9秒完成，可想而知，在實際應用中，這條sql會有非常大的隱患，我們來用explain分析下：

可以看到，主表采用了全表掃描(type：ALL)，mysql查詢了13149541行記錄(rows)，這樣的效率非常之低，業務需求不能更改的情況下，在生產環境執行可能會跑跨數據庫，下面我們簡單做處理：

考慮到業務需求，經常用時間來作為條件，查詢數據導出報表，我們來給time字段加上索引。

再來explain分析下：explain(select?d2.name?as?'大區'?,d1.name?as?'事業部',?et_station.name?as?'小區',et_device.direction?as?'方向',count(1)?as?'次數'

from?et_exception

join?et_station?on?et_station.id=et_exception.station

join?et_device?on?et_device.id=et_exception.device

join?et_department?as?d1?on?d1.id=et_station.dept

join?et_department?as?d2?on?d1.parent=d2.id

where

`et_exception`.`time`>=UNIX_TIMESTAMP('2017/04/24?00:00:00')

and

`et_exception`.`time`

group?by?et_exception.station,et_device.direction)

下面我們看結果：

對比上一張圖我們能看到，type由ALL變成了range(范圍檢索)，因為我們給time字段上了索引，mysql可以利用索引來檢查行。rows由1300多萬變成1，表示這次只用查詢1行就完成了查詢;

然后我們執行sql查詢，整個查詢只需要0.3秒完成。

當然了，這只是個例子，并不是可以適用任何業務需求的場景，explain可以幫我們分析出很多問題，大家可以去多多了解。

原創文章如轉載，請注明出處，本文首發于彭超的博客

打賞

微信掃一掃，打賞作者吧～

超強干貨來襲 云風專訪：近40年碼齡，通宵達旦的技術人生

總結

以上是生活随笔為你收集整理的mysql的explain的用途,利用Explain来分析和优化你的mysql的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。