作者：Mutlis
CSDN & 阿里云 & 知乎 等平台优质作者，善于Oracle & MySQL等支流数据库系统的保护和治理等
本文起源：原创投稿
前言
对于 MySQL 5.6 以及之前的版本来说，查问优化器就像是一个黑盒子一样，你只能通过 EXPLAIN 语句查看到最初优化器决定应用的执行打算，却无奈晓得它为什么做这个决策。这对于一部分喜爱刨根问底的⼩搭档来说几乎是劫难：“我就感觉应用其余的执行计划⽐ EXPLAIN 输入的这种计划强，凭什么优化器做的决定和我想的不一样呢？”这篇文章次要介绍应用 optimizer trace 查看优化器生成执行打算的整个过程。
optimizer trace 表的神奇效用
在 MySQL 5.6 以及之后的版本中，设计 MySQL 的大叔贴⼼的为这部分小伙伴提出了一个 optimizer trace 的性能，这个性能能够让咱们不便的查看优化器生成执行打算的整个过程，这个性能的开启与敞开由零碎变量 optimizer_trace 决定，咱们看一下：
mysql> show variables like 'optimizer_trace';+-----------------+--------------------------+| Variable_name | Value |+-----------------+--------------------------+| optimizer_trace | enabled=off,one_line=off |+-----------------+--------------------------+1 row in set (0.01 sec)能够看到 enabled 值为 off，表明这个性能默认是敞开的。
小提示：
one_line的值是管制输入格局的，如果为on那么所有输入都将在一行中展现，不适宜⼈浏览，所以咱们就放弃其默认值为off吧。
如果想关上这个性能，必须⾸先把 enabled 的值改为 on，就像这样：
mysql> SET optimizer_trace="enabled=on";Query OK, 0 rows affected (0.00 sec)而后咱们就能够输出咱们想要查看优化过程的查问语句，当该查问语句执行实现后，就能够到 information_schema 数据库下的 OPTIMIZER_TRACE 表中查看残缺的优化过程。这个 OPTIMIZER_TRACE 表有 4 个列，别离是：
QUERY：示意咱们查问的语句；TRACE：示意优化过程的 JSON 格局⽂本；MISSING_BYTES_BEYOND_MAX_MEM_SIZE：因为优化过程可能会输入很多，如果超过某个限度时，多余的⽂本将不会被显示，这个字段展现了被疏忽的⽂本字节数；INSUFFICIENT_PRIVILEGES：示意是否没有权限查看优化过程，默认值是 0，只有某些非凡状况下才会是 1，咱们临时不关怀这个字段的值。
残缺的应用 optimizer trace 性能的步骤总结如下：
步骤一： 关上 optimizer trace 性能 (默认状况下它是敞开的)。
mysql> SET optimizer_trace="enabled=on";Query OK, 0 rows affected (0.01 sec)步骤二： 输出查问语句。
SELECT ...;步骤三： 从 optimizer_trace 表中查看上一个查问的优化过程。
SELECT * FROM information_schema.OPTIMIZER_TRACE;步骤四： 可能你还要察看其余语句执行的优化过程，反复上边的第 2、3步。
步骤五： 当你停⽌查看语句的优化过程时，把 optimizer trace 性能敞开。
mysql> SET optimizer_trace="enabled=off";Query OK, 0 rows affected (0.01 sec)当初咱们有一个搜寻条件比拟多的查问语句，它的执行打算如下：
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)能够看到该查问可能应用到的索引有3个，那么为什么优化器最终抉择了idx_key1而不抉择其余的索引或者间接全表扫描呢？这时候就能够通过otpimzer trace 性能来查看优化器的具体工作过程：
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 可能会在之后的版本中增加更多的优化过程信息。不过芜杂之中其实还是蛮有法则的，优化过程大抵分为了三个阶段：
- prepare 阶段
- optimize 阶段
- execute 阶段
咱们所说的基于老本的优化次要集中在 optimize 阶段，对于单表查问来说，咱们次要关注 optimize 阶段的 "rows_estimation" 这个过程。这个过程深入分析了对单表查问的各种执行计划的老本，对于多表连贯查问来说，咱们更多须要关注 "considered_execution_plans" 这个过程，这个过程里会写明各种不同的连贯形式所对应的老本。反正优化器最终会抉择老本最低的那种计划来作为最终的执行打算，也就是咱们应用 EXPLAIN 语句所展现出的那种计划。
最初，咱们为感兴趣的小伙伴展现一下通过查问 OPTIMIZER_TRACE 表失去的输入（我应用#后追随正文的模式为大家解释了优化过程中的一些比拟重要的点，倡议用电脑屏幕观看）：
*************************** 1. row ***************************# 剖析的查问语句是什么QUERY: SELECT * FROM s1 WHERE key1 > 'z' AND key2 < 1000000 AND key3 IN ('aa', 'bb', 'cb') AND common_field = 'abc'# 优化的具体过程TRACE: { "steps": [ { "join_preparation": { # prepare阶段 "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阶段 "select#": 1, "steps": [ { "condition_processing": { # 解决搜寻条件 "condition": "WHERE", # 原始搜寻条件 "original_condition": "((`s1`.`key1` > 'z') and (`s1`.`key2` < 1000000) and (`s1`.`key3` in ('aa','bb','cb')) and (`s1`.`common_field` = 'abc'))", "steps": [ { # 等值传递转换 "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`))" }, { # 常量传递转换 "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`))" }, { # 去除没用的条件 "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`))" } ] } }, { # 替换虚构生成列 "substitute_generated_columns": { } }, { # 表的依赖信息 "table_dependencies": [ { "table": "`s1`", "row_may_be_null": false, "map_bit": 0, "depends_on_map_bits": [ ] } ] }, { "ref_optimizer_key_uses": [ ] }, { # 预估不同单表拜访办法的拜访老本 "rows_estimation": [ { "table": "`s1`", "range_analysis": { "table_scan": { "rows": 20250, "cost": 2051.35 }, # 剖析可能应用的索引 "potential_range_indexes": [ { "index": "PRIMARY", # 主键不可用 "usable": false, "cause": "not_applicable" }, { "index": "idx_key2",# idx_key2可能被应用 "usable": true, "key_parts": [ "key2" ] }, { "index": "idx_key1", # idx_key1可能被应用 "usable": true, "key_parts": [ "key1", "id" ] }, { "index": "idx_key3", # idx_key3可能被应用 "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" } ] }, # 剖析各种可能应用的索引的老本 "analyzing_range_alternatives": { "range_scan_alternatives": [ { # 应用idx_key2的老本剖析 "index": "idx_key2", # 应用idx_key2的范畴区间 "ranges": [ "NULL < key2 < 1000000" ], "index_dives_for_eq_ranges": true,# 是否应用index dive "rowid_ordered": false,# 应用该索引获取的记录是否依照主键排序 "using_mrr": false, # 是否应用mrr "index_only": false, # 是否是索引笼罩拜访 "in_memory": 1, "rows": 10125,# 应用该索引获取的记录条数 "cost": 3544.01,# 应用该索引的老本 "chosen": false, # 应用该索引的老本 "cause": "cost" # 因为老本太大所以不抉择该索引 }, { # 应用idx_key1的老本剖析 "index": "idx_key1", # 应用idx_key1的范畴区间 "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# 是否抉择该索引 }, { # 应用idx_key3的老本剖析 "index": "idx_key3", # 应用idx_key3的范畴区间 "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 } ], # 剖析应用索引合并的老本 "analyzing_roworder_intersect": { "usable": false, "cause": "too_few_roworder_scans" } }, # 对于上述单表查问s1最优的拜访办法 "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 } } } ] }, { # 剖析各种可能的执行打算 #（对多表查问这可能有很多种不同的计划，单表查问的计划上边曾经剖析过了，间接选取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')))" } ] } }, { # 尝试给查问增加一些其余的查问条件 "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')))" } ] }, { # 再稍稍的改良一下执行打算 "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阶段 "select#": 1, "steps": [ ] } } ]}# 因优化过程文本太多而抛弃的文本字节大小，值为0时示意并没有抛弃MISSING_BYTES_BEYOND_MAX_MEM_SIZE: 0# 权限字段INSUFFICIENT_PRIVILEGES: 01 row in set (0.01 sec)ERROR: No query specified大家看到这个输入的第一感觉就是这文本也太多了点吧，其实这只是优化器执行过程中的一小部分。
如果有小伙伴对应用 EXPLAIN 语句展现出的对某个查问的执行打算很不了解，大家能够尝试应用 optimizer trace 性能来具体理解每一种执行计划对应的老本，置信这个性能能让大家更深刻的理解 MySQL 查问优化器。
对于 SQLE
爱可生开源社区的 SQLE 是一款面向数据库使用者和管理者，反对多场景审核，反对标准化上线流程，原生反对 MySQL 审核且数据库类型可扩大的 SQL 审核工具。
SQLE 获取
| 类型 | 地址 |
|---|---|
| 版本库 | https://github.com/actiontech/sqle |
| 文档 | https://actiontech.github.io/sqle-docs-cn/ |
| 公布信息 | https://github.com/actiontech/sqle/releases |
| 数据审核插件开发文档 | https://actiontech.github.io/sqle-docs-cn/3.modules/3.7_audit... |
提交无效 pr，高质量 issue，将获赠面值 200-500 元（具体面额根据品质而定）京东卡以及爱可生开源社区精美周边！更多对于 SQLE 的信息和交换，请退出官网QQ交换群：637150065