EXPLAIN、统计信息与查询优化

优化的起点是正确查询和可复现数据，然后才是执行计划。EXPLAIN 展示优化器的选择和估算，EXPLAIN ANALYZE 还执行查询并给出实际信息；两者都需要结合数据分布、缓存、并发和业务延迟目标解释。

一、学习目标

读取访问类型、键、行数、过滤率与 Extra
安全使用 EXPLAIN ANALYZE
识别估算与实际行数偏差
维护统计信息和直方图
从慢查询日志建立优化闭环

二、读取执行计划

基础入口：

EXPLAIN FORMAT=TREE
SELECT ...

关注表访问顺序、使用索引、估算行数、过滤率、排序、临时表和连接算法。type=ALL 不一定错误，小表全扫可能最便宜；Using filesort 也不等于写磁盘。计划字段是线索，不能脱离数据量下结论。

三、EXPLAIN ANALYZE

EXPLAIN ANALYZE 会真正执行查询并报告实际时间和行数。对 SELECT 使用前先确认不会锁住大量数据或消耗不可接受资源；不要对有副作用的语句盲目运行。

EXPLAIN ANALYZE
SELECT id, total_amount
FROM orders
WHERE customer_id = 42
ORDER BY created_at DESC, id DESC
LIMIT 20;

比较每个节点估算与实际行数，定位偏差最早出现的位置。

四、统计信息与直方图

InnoDB 统计帮助估算索引选择性。大批加载或分布剧变后可在受控窗口运行 ANALYZE TABLE。直方图帮助无索引列或分布倾斜列估算：

ANALYZE TABLE orders
  UPDATE HISTOGRAM ON status WITH 32 BUCKETS;

桶数不是越多越好，直方图也有维护成本。更新后比较计划和实际，不因计划改变便自动认为更优。

五、查询改写与优化器

先减少不必要列、行和重复计算，确保连接谓词、参数类型和范围可用索引。CTE、子查询、IN 与 EXISTS 可能被优化器改写；MySQL 9.7 的优化器能力应通过计划确认，不硬编码“某种写法永远更快”。

优化器 hint 是最后手段，可能随数据和版本过时。若必须使用，记录原因、目标计划、失效监控和删除条件。

六、慢查询闭环

慢查询日志采集超过阈值的语句，生产开启时评估磁盘与敏感参数。优化流程：

按总耗时、频率和业务影响排序。
在脱敏且相似分布数据上重现。
保存 SQL、绑定类型、计划和服务端指标。
一次只改一项并复测结果正确性。
上线后观察延迟、CPU、I/O、锁与复制。

单次快查询也可能高频消耗巨大，总成本比最慢一条更重要。

七、从知识点到工程契约

本篇 SQL 最终要运行在长期存在的 schema、连接和事务中，而不是只在一个临时查询窗口里得到一次正确结果。先写清输入表与行数、会话设置、事务边界、允许的锁、期望结果和失败后的状态，再决定使用约束、查询、索引、存储对象还是运维命令。数据库行为同时受到版本、隔离级别、字符集、统计信息和并发会话影响，示例必须把这些前提显式化。

可以用以下顺序把知识点落到 StudyStore：

在全新数据库按迁移顺序建立最小 schema，保存 SHOW CREATE TABLE 与关键会话变量。
加入一个与“看到全表扫描就立即加索引”相关的反例，记录错误码、SQLSTATE、事务是否仍可用以及数据是否改变。
为正常、空集、边界值、重复值和并发冲突准备确定性种子，不依赖手工残留数据。
对读查询检查结果集和 EXPLAIN ANALYZE；对写操作同时检查受影响行数、约束、提交与回滚。
最后才讨论性能优化。索引和参数调整必须有执行计划、等待事件或容量数据支持，并保留变更前基线。

审查数据库设计时至少回答四个问题：谁能写，哪条约束保护不变量，事务在哪一层结束，失败后如何恢复。MySQL 能保证声明范围内的事务和持久性，却不会替应用补上缺失约束、幂等键、备份演练或最小权限。只要这些问题没有明确答案，就不要把一次成功执行当成生产方案。

本篇最重要的能力是“读取访问类型、键、行数、过滤率与 Extra”。能由主键、唯一键、外键、CHECK 或数据类型表达的规则，应优先落到数据库；需要跨聚合或外部系统判断的规则，再由应用和事务协调。不要用注释或约定替代可执行约束。

八、验证策略与复盘

验证分为 schema、数据、并发和恢复四层。schema 层检查定义与会话基线；数据层断言结果和约束；并发层至少用两个独立连接观察锁与隔离；恢复层在新实例重放迁移、备份与恢复。只看客户端显示“Query OK”不能证明结果正确，更不能证明在另一组数据和并发时仍正确。

建议保存下面的实验记录：

项目	需要记录的证据
版本	`SELECT VERSION()` 与镜像标签
会话	sql_mode、time_zone、事务隔离与字符集
输入	schema 版本、种子行数和参数值
输出	结果集、受影响行数、警告、错误码与 SQLSTATE
性能	执行计划、实际行数、耗时与等待
恢复	COMMIT/ROLLBACK 结果、备份校验和与恢复行数

每组脚本都应能在空数据库从头执行，并通过显式断言退出非零。涉及权限时分别用管理员和最小权限账户连接；涉及锁时设置有限等待，避免测试永久挂起；涉及复制时等待 GTID 状态而不是固定 sleep。清理只删除本次创建的临时容器、网络和数据库。

本篇可以用以下目标做验收：安全使用 EXPLAIN ANALYZE；识别估算与实际行数偏差；维护统计信息和直方图。把每个目标转换为一条可重复 SQL、一个预期错误或一项恢复检查。若优化后结果正确但计划退化，应把执行计划也纳入回归证据。

发布前再从三个方向反向审查：把数据量放大两个数量级，判断扫描、锁和日志是否仍可控；让两个会话以最不利顺序并发，判断约束和事务是否仍保护不变量；让执行在任意一步失败，判断备份、回滚或幂等键能否恢复。只在十几行数据和单连接中成功的 SQL 仍只是功能草稿。

最后把脚本交给一个只知道镜像版本和入口命令的干净环境执行。脚本不得依赖图形客户端自动设置、个人默认数据库或先前会话变量；所有对象名、字符集、事务和预期错误都应明确。对仅用于说明、不可直接执行的片段要标注上下文，避免把省略条件的示意 SQL 当作完整迁移。

还要保存一份“结果为什么可信”的说明：约束证明哪些坏数据无法进入，事务证明哪些变化共同提交，执行计划证明访问了哪些行，权限测试证明哪些身份无法越界，恢复演练证明故障后能重新得到可用状态。这五类证据缺一时，都应在结论旁写明限制。数据库实验的价值不只是得到答案，而是让另一位操作者在不同机器、不同时间仍能重现同一判断。

若结论依赖当前数据分布或配置，应把适用范围写在 SQL 旁，并安排数据增长或版本升级后的复测条件；不要把一次测量永久固化为规则。

九、StudyStore 实验

为三条 StudyStore 查询加载均匀和倾斜两组数据，保存 EXPLAIN ANALYZE。人为制造参数类型不匹配与统计偏差，逐项修复；记录优化前后结果集校验、实际行数、耗时和写入成本。

完成本节后，不要只保存代码或 SQL。请同时保存执行命令、关键输出和失败案例；学习笔记真正有价值的部分，是能够说明输入、状态变化、输出以及失败后的恢复方式。

十、常见错误

看到全表扫描就立即加索引
在生产大查询上无评估运行 EXPLAIN ANALYZE
只比较耗时，不确认结果集仍相同
用 hint 固定计划却没有失效条件
忽略参数类型、数据倾斜和缓存热度

十一、练习与自测

解释一条计划中估算行数与实际行数差异。
为 status 建直方图前后比较倾斜查询计划。
把一个不可索引日期函数过滤改成半开范围。
设计按总资源消耗而非单次最慢排序的优化队列。

自测时应在干净的临时目录或临时数据库中重新执行，而不是依赖上一节遗留的状态。如果结果与预期不同，先记录实际输出，再缩小问题范围。

十二、官方资料

版本行为与二手文章不一致时，以本系列固定版本的官方文档、命令输出和可重复测试结果为准。

上一篇：InnoDB、索引与访问路径下一篇：事务、隔离级别与 MVCC