技術共有|explain format=json詳細

作者:胡呈清
愛可生DBAチームメンバー、故障分析、性能最適化、個人ブログ:https://www.jianshu.com/u/a95...、討論を歓迎します.
オリジナル投稿
*爱可生开源社区出品,原创内容无许可使用,转载请联系小编,并注明出所.
explain format=jsonは、詳細な実行計画コストを印刷できます.次の2つの例では、コスト出力を表示する方法と、コストを計算する方法を示します.
表の構造は次のとおりです.

mysql> show create table sbtest1\G
*************************** 1. row ***************************
       Table: sbtest1
Create Table: CREATE TABLE `sbtest1` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `k` int(11) NOT NULL DEFAULT '0',
  `c` char(120) COLLATE utf8mb4_bin NOT NULL DEFAULT '',
  `pad` varchar(90) COLLATE utf8mb4_bin DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=4316190 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin

##  sbtest3   
mysql> show create table sbtest3\G
*************************** 1. row ***************************
       Table: sbtest3
Create Table: CREATE TABLE `sbtest3` (
  `id` int(11) NOT NULL,
  `k` int(11) NOT NULL DEFAULT '0',
  `c` char(120) COLLATE utf8mb4_bin NOT NULL DEFAULT '',
  `pad` varchar(66) COLLATE utf8mb4_bin DEFAULT NULL,
  KEY `k_3` (`k`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_bin

例1

mysql> explain format=json select * from sbtest3 where id<100 and k<200\G
*************************** 1. row ***************************
EXPLAIN: {
  "query_block": {
    "select_id": 1,
    "cost_info": {
      "query_cost": "26.21"            ##     
    },
    "table": {
      "table_name": "sbtest3",        ##  
      "access_type": "range",         ##        range，       
      "possible_keys": [
        "k_3"
      ],
      "key": "k_3",                   ##    
      "used_key_parts": [
        "k"
      ],
      "key_length": "4",
      "rows_examined_per_scan": 18,   ##   k_3      ：18（         index dive       ）
      "rows_produced_per_join": 5,    ##          id<100     ：5
      "filtered": "33.33",            ##              id<100      
      "index_condition": "(`sbtest`.`sbtest3`.`k` < 200)",     ##    
      "cost_info": {
        "read_cost": "25.01",         ##        IO  +  CPU  
        "eval_cost": "1.20",          ##     CPU  
        "prefix_cost": "26.21",       ##read_cost+eval_cost
        "data_read_per_join": "4K"
      },
      "used_columns": [
        "id",
        "k",
        "c",
        "pad"
      ],
      "attached_condition": "(`sbtest`.`sbtest3`.`id` < 100)"
    }
  }
}

eval_cost
これは簡単で、扇出のCPUコストを計算します.条件k<200を適用する場合、インデックス18行をスキャンする必要があり、ここで18は正確な値(index dive)であり、次いで、オプティマイザは、条件id<100を満たす割合が33.33%であることを啓発規則(heuristic)というアルゴリズムを用いて推定し、18*33.33%回の計算を行ったCPUコストは18*33.33%*0.2=1.2に等しく、ここで0.2はコスト定数(すなわちrow_evaluate_cost)である.
注意:rows_examined_per_scan*filteredこそ扇出数で、簡単にrowsを使うことはできません.produced_per_joinが表す.
read_cost
ここには、IOコスト+(CPUコスト-eval_cost)がすべて含まれる.まず、このSQLの総コストをどう計算すればいいかを見てみましょう.
二次インデックスk_へのアクセス3のコスト:

IOコスト=1*1.0

クエリ・オプティマイザは、インデックスの1つの範囲の区間のI/Oコストは、1つのページを読み込むのと同じであると乱暴に考えています.このSQLでは、kフィールドのフィルタ範囲は1つしかありません.k<200であり、1つのページを読み取るIOコストは1.0(io_block_read_cost)です.

CPUコスト=18*0.2

kインデックスから18行のデータを取り出した後、実際にもう一度計算し、各行の計算コストは0.2です.
そしてselect*およびwhere id<100に必要なデータはインデックスk_にない3の中で、だから更に時計に戻って、時計のコストに戻ります:

IOコスト=18*1.0

インデックスからk<200を満たすデータを取り出すと合計18行になるので=18*1.0;

CPUコスト=18*0.2

この18行の完全なデータからid<100を満たすデータを計算するので、18回も計算する必要があります.
総コスト=1*1.0+18*0.2+18*1+18*02=26.2.なぜならeval_costは扇出のCPUコスト:18*33.33%*0.2なので、read_cost = CPU - eval_cost、rows_examined_per_scan*(1-filtered)*0.2とも言える.
例2

mysql> explain format=json select t1.id from sbtest1 t1 join sbtest3 t3 \
on t1.id=t3.id and t3.k<200 and t3.id<100\G
*************************** 1. row ***************************
EXPLAIN: {
  "query_block": {
    "select_id": 1,
    "cost_info": {
      "query_cost": "33.41"                      ##     
    },
    "nested_loop": [                            ##join  ：NLJ
      {
        "table": {
          "table_name": "t3",                   ##t3    
          "access_type": "range",               ##        range，       
          "possible_keys": [
            "k_3"
          ],
          "key": "k_3",                         ##     ：k_3
          "used_key_parts": [                   ##    ：k
            "k"
          ],
          "key_length": "4",
          "rows_examined_per_scan": 18,         ##k_3      ：18
          "rows_produced_per_join": 5,          ##（   ）    18  ，    id<200   
          "filtered": "33.33",                  ##（   ）    18  ，    id<200           ，      
          "index_condition": "(`sbtest`.`t3`.`k` < 200)",
          "cost_info": {
            "read_cost": "25.01",              ##        IO  +  CPU  
            "eval_cost": "1.20",               ##     CPU  
            "prefix_cost": "26.21",            ##       ：read_cost+eval_cost
            "data_read_per_join": "4K"
          },
          "used_columns": [
            "id",
            "k"
          ],
          "attached_condition": "(`sbtest`.`t3`.`id` < 100)"
        }
      },
      {
        "table": {
          "table_name": "t1",                  ##t1     
          "access_type": "eq_ref",             ##                           
          "possible_keys": [
            "PRIMARY"
          ],
          "key": "PRIMARY",                    ##       
          "used_key_parts": [                  ##     id
            "id"
          ],
          "key_length": "4",
          "ref": [
            "sbtest.t3.id"
          ],
          "rows_examined_per_scan": 1,         ##     ，        1   （    ）
          "rows_produced_per_join": 5,         ##           ，           
          "filtered": "100.00",                ##                ，            
          "using_index": true,
          "cost_info": {                       ##      ：rows_examined_per_scan*filtered, 18*33.33%=6 
            "read_cost": "6.00",               ##         IO  *      。6*1.0=6，1.0     
            "eval_cost": "1.20",               ##         CPU  *      。6*0.2=1.2，0.2     
            "prefix_cost": "33.41",            ##     =       +     (read_cost+eval_cost)
            "data_read_per_join": "5K"
          },
          "used_columns": [
            "id"
          ]
        }
      }
    ]
  }
}

joinクエリの総コスト計算式の簡略化: = + * .explain実行計画詳細1には、関連クエリーにおけるfilteredの重要性を説明します.
上記の例では、ドライバテーブルへのアクセスコスト=26.21、ドライバテーブルのファンアウト数=18*33.33%=6、シングルアクセスドライバテーブルのコスト=1.0+0.2の合計コスト=26.21+6(1.0+0.2)=33.41
注意:ドライバテーブルと被ドライバテーブルのread_cost、eval_costは異なるコストを表します.