---
tags: [MySQL, EXPLAIN, 执行计划, 性能分析]
create time: 2026-05-16 00:00
---

# EXPLAIN 完全指南

## 概述

`EXPLAIN` 是 MySQL 性能分析的入口工具——它展示 SQL 语句的执行计划，告诉你优化器打算怎么用索引、怎么 JOIN、会不会用临时表和文件排序。

> [!QUESTION] 为什么不能直接靠"写了索引就一定能用到"？
> 因为 MySQL 使用的是 **Cost-Based Optimizer (CBO)**：优化器会根据统计信息（行数、页大小、聚簇因子等）自行决定最优执行路径。有时优化器认为全表扫描比走索引更快（比如要查整张表 80% 的数据），这时即使有索引也不会使用。`EXPLAIN` 就是用来观察和优化器"想法"是否一致的镜子。

## 基本用法

```sql
-- 标准 EXPLAIN
EXPLAIN SELECT * FROM users u
JOIN orders o ON u.id = o.user_id
WHERE u.status = 1 AND o.amount > 100;

-- JSON 格式（信息最全，推荐）
EXPLAIN FORMAT=JSON SELECT * FROM users WHERE email = 'a@x.com';

-- 实际执行后再看成本（含统计信息）
EXPLAIN ANALYZE SELECT ...;  -- MySQL 8.0.18+
```

## 关键字段速查

| 字段 | 含义 | 关注点 |
|------|------|--------|
| **type** | JOIN 类型 | 是否走索引（ref/range 优，ALL 差）|
| **key** | 实际使用的索引 | NULL = 没用索引 |
| **rows** | 预估扫描行数 | 越小越好 |
| **Extra** | 附加信息 | 重点关注 Using where/index/filesort/temporary |
| **cost** | 预估成本（JSON 格式） | optimizer_cost 越低越好 |

## type 详解（最重要）

```mermaid
flowchart LR
    system["system<br/>只有1行"] --> const["const<br/>常量级访问"]
    const --> eq_ref["eq_ref<br/>唯一索引 × 驱动行"]
    eq_ref --> ref["ref<br/>等值匹配多行"]
    ref --> range["range<br/>索引范围"]
    range --> index["index<br/>全索引扫描"]
    index --> ALL["ALL<br/>全表扫描 🔴"]
    
    style system fill:#00D866,color:#fff
    style const fill:#00D866,color:#fff
    style eq_ref fill:#00D866,color:#fff
    style ref fill:#00B6BC,color:#fff
    style range fill:#FF9F43,color:#000
    style index fill:#C44569,color:#fff
    style ALL fill:#EE5A24,color:#fff
```

### 各级别详解

| 级别 | 名称 | 含义 | 示例 |
|------|------|------|------|
| **system** | 系统表 | 表只有一行（MyISAM 等引擎）| `SELECT * FROM (SELECT 1) t`|
| **const** | 常量 | 最多一行匹配 | `WHERE primary_key = 1`|
| **eq_ref** | 唯一索引 | 唯一索引扫描，每行匹配被驱动表一行 | `JOIN ON pk = ?` |
| **ref** | 索引查找 | 等值匹配多行（非唯一索引 / 最左前缀的部分匹配）| `WHERE email_prefix = 'a@'` |
| **range** | 范围扫描 | 索引上的范围查询 | `WHERE id > 100` |
| **index** | 索引全扫 | 扫描整个索引树 | `SELECT COUNT(*)` |
| **ALL** | 全表扫描 | 无可用索引，逐行扫描 | **需要优化** |

> [!WARNING] 不要盲目追求 ref 以上级别
> `range` 在某些场景（如范围不大）完全可以接受。关键是看 `rows` 字段和 `Extra` 的组合。

## Extra 关键字解读

> [!SUCCESS] Using index — 覆盖索引（Index Only Scan）
> 数据在索引中全部找到，**无需回表**。这是最优的 Extra 信息。

> [!INFO] Using where — 服务器层过滤
> 读完索引后还需 WHERE 条件过滤。**正常现象**，不代表性能问题。
> - **Using where + Using index** = 覆盖索引 + WHERE 过滤 → 最佳实践 ✅
> - **Using where 无 Using index** = 回表后才过滤 → 可考虑加索引优化 ⚠️

> [!TIP] Using index condition — 索引下推（ICP）
> MySQL 5.6+ 引入，在存储引擎层预过滤，减少回表次数 ✅

### 其他 Extra 信息速查

| 关键词 | 含义 | 处理 |
|--------|------|------|
| `Impossible where` | WHERE 永远为假（如 `status = 1 AND status = 2`）| 检查 SQL 逻辑是否正确 |
| `Select tables optimized` | 优化器发现子查询可展开 | 无需处理，已自动优化 ✅ |
| `Using distinct` | 内部去重，类似 DISTINCT | 看能否改用 GROUP BY + 索引 |
| `Scan & filter` | **InnoDB** 特有：全索引扫描后逐行过滤 | 考虑加更精确的索引 |

### Using temporary：何时出现

```sql
-- 常见触发场景
EXPLAIN SELECT city, AVG(age) FROM users GROUP BY city;
-- Extra: Using temporary; Using filesort
-- 需要用临时表存储每个 city 的聚合结果

EXPLAIN SELECT DISTINCT city FROM users;
-- Extra: Using temporary
-- DISTINCT 内部用临时表去重
```

> [!WARNING] Using temporary + Using filesort
> 当 GROUP BY 的分组列和 ORDER BY 的排序列不一致时，MySQL 会先建临时表再额外排序。
> **解决思路**：让索引同时满足 GROUP BY + ORDER BY 的顺序要求。

### Using filesort：深度分析

```mermaid
flowchart TD
    A["WHERE status='pending'"] --> B["idx_status 索引扫描<br/>拿到所有 pending 订单的 pk"]
    B --> C{"created_at 能在索引中找到吗？"}
    
    C -->|能：<br/>联合索引 idx_status_created| D["直接有序返回<br/>No filesort ✅"]
    C -->|不能：<br/>单列索引 idx_status| E["取 pk 列表 → 回表拿完整行<br/>→ 内存中排序<br/>Filesort ⚠️"]
    
    D --> F["可能的解决方案"]
    E --> F
    
    F --> F1["添加联合索引 (status, created_at)"]
    F --> F2["调整 WHERE 条件使索引生效"]
    F --> F3["加大 sort_buffer_size"]
    
    style D fill:#00D866,color:#fff
    style E fill:#EE5A24,color:#fff
```

> [!QUESTION] 思考：ORDER BY 一定会触发 filesort 吗？
> 不一定！如果查询使用了索引且排序字段与索引顺序一致，MySQL 可以直接按索引序扫描，跳过排序步骤。关键看 **索引是否天然有序**。

```sql
-- ✅ No filesort — 走联合索引天然有序
EXPLAIN SELECT * FROM orders
WHERE status = 'pending'
ORDER BY status, created_at;
-- key: idx_status_created, Extra: Using where

-- ❌ Using filesort — WHERE 用了另一个索引，无法利用排序
EXPLAIN SELECT * FROM orders
WHERE user_id = 42
ORDER BY created_at DESC;
-- key: idx_user_id, Extra: Using where; Using filesort
```

## 实战案例分析

```sql
-- 原始查询（慢）
EXPLAIN SELECT u.username, o.amount
FROM users u
JOIN orders o ON u.id = o.user_id
WHERE o.created_at >= '2026-01-01'
ORDER BY o.created_at DESC
LIMIT 20;

-- 典型 bad result:
-- type: ALL, rows: 1000000, Extra: Using where; Using filesort; Using temporary
-- → 全表扫描 + 临时表 + 文件排序

-- 修复方案
-- 1. 创建复合索引
ALTER TABLE orders ADD INDEX idx_created_user (created_at, user_id);

-- 2. 查询改写（反向排序优化）
-- 先用索引定位 top 20 的 pk，再 JOIN 拿数据
SELECT u.username, o.amount
FROM orders o
JOIN users u ON u.id = o.user_id
WHERE o.created_at >= '2026-01-01'
ORDER BY o.created_at DESC
LIMIT 20;

-- 新的 EXPLAIN:
-- type: range on orders, ref on users
-- key: idx_created_user
-- Extra: Using index condition; Using where
-- → 索引范围扫描 + 快速消除 filesort
```

## EXPLAIN FORMAT=JSON 精读

`FORMAT=JSON` 输出最完整的执行计划，包含嵌套子查询、Cost 信息、索引选择细节。

```json
{
  "query_block": {
    "select_id": 1,
    "table": {
      "table_name": "orders",
      "access_type": "range",
      "possible_keys": ["idx_created_user"],
      "key": "idx_created_user",
      "key_length": "8",
      "rows": 5000,
      "filtered": 100.0,
      "index_condition": "orders.created_at >= '2026-01-01'",
      "cost_information": {
        "total_cost": "53000",          ← 总成本（越小越好）
        "optimizer_cost": "53000"       ← 优化器计算的成本值
      }
    }
  }
}
```

### 关键字段说明

| JSON 字段 | 含义 | 实战要点 |
|-----------|------|----------|
| **access_type** | 与 `type` 等价 | range/ref 优先，ALL 需关注 |
| **key_length** | 实际使用索引的字节数 | 越短说明用的列越少，可优化 |
| **rows** | 预估扫描行数 | 估算值，可能与实际情况偏差 |
| **filtered** | WHERE 筛选率 (%) | rows × filtered% = 进入下一步的行数 |
| **index_condition** | ICP 预过滤条件 | 有 = 使用了索引下推 ✅ |
| **using_temporary** / **using_filesort** | 布尔值 | true = 会触发对应操作 |

### Cost 分析：如何判断查询是否健康？

> [!TIP] Cost 评估经验法则
> - **cost < 1000**：通常没问题 ✅
> - **cost 1000 ~ 10000**：中等负载可接受，关注高频 SQL ⚠️
> - **cost > 10000**：大概率需要优化 🔴

关键点：**optimizer_cost 是绝对值而非相对值**，不同版本 MySQL 的计算方式可能变化。更有价值的是 **对比两种方案的 cost 差值**——比如加了一个索引后 cost 从 50000 降到 5300，这就是有效的索引设计。

```mermaid
flowchart LR
    A["编写慢 SQL"] --> B["EXPLAIN 看执行计划"]
    B --> C{"access_type?"}
    C -->|ALL 全表扫描| D["检查 possible_keys<br/>添加合适的索引"]
    C -->|range/ref/optimal| E{"Extra 中有<br/>filesort/temporary?"}
    E -->|无 → 健康✅| F["无需额外处理"]
    E -->|有 → 优化⚠️| G["调整索引顺序或改写 SQL"]
    
    style F fill:#00D866,color:#fff
    style G fill:#FF9F43,color:#000
    style D fill:#C44569,color:#fff
```

## EXPLAIN ANALYZE：看到真实执行代价

`EXPLAIN ANALYZE` 是 MySQL 8.0.18+ 引入的功能——它会**真正执行一次 SQL**，然后返回实际运行时间、每行的实际扫描数等统计信息。

> [!WARNING] 注意事项
> EXPLAIN ANALYZE **会执行 SQL**。如果有写入操作（如 INSERT/UPDATE），需要谨慎；但对于纯 SELECT 查询可以放心使用。

```sql
-- 传统方式 vs 现代方式
EXPLAIN SELECT * FROM orders WHERE user_id = 42;
-- → 只有预估数据，可能不准

EXPLAIN ANALYZE SELECT * FROM orders WHERE user_id = 42;
-- → 预估 + 实际运行结果
-- Extra: Rows examined: 42 (vs. rows estimate: 100)
```

### 典型输出解读

```
-> Index lookup on orders using idx_user_id (user_id=42)
   (actual time=0.034..0.156 rows=42 loops=1)
```

- **actual time**：首行耗时 .. 总耗时（微秒级）
- **rows**：实际扫描行数（与预估 `rows` 对比，差距大说明统计信息过时）
- **loops**：循环次数，JOIN 场景尤其重要

> [!QUESTION] 什么时候用 EXPLAIN vs EXPLAIN ANALYZE？
> - **EXPLAIN**：快速预览，不执行 SQL，适合批量排查和 CI 门禁
> - **EXPLAIN ANALYZE**：精准诊断，需要实际执行，适合深入分析某个慢查询
> - 日常开发建议先用 `EXPLAIN` 快速筛查，再对问题 SQL 用 `EXPLAIN ANALYZE` 定位根因

## 优化策略速查

遇到问题 SQL，按以下步骤排查：

```mermaid
flowchart TD
    A["拿到慢 SQL"] --> B["EXPLAIN 看执行计划"]
    B --> C{"type = ALL?"}
    C -->|是| D["检查 possible_keys → 加索引"]
    C -->|否| E{"Extra 有 filesort?"}
    E -->|是| F["调整索引顺序，覆盖 ORDER BY"]
    E -->|否| G{"Extra 有 temporary?"}
    G -->|是| H["让 GROUP/DISTINCT 走索引"]
    G -->|否| I{"rows 很大？"}
    I -->|是→ rows × filtered% 仍大| J["优化 WHERE 条件或加更精确的索引"]
    I -->|否| K["查询健康 ✅"]
    
    style K fill:#00D866,color:#fff
    style D fill:#C44569,color:#fff
    style F fill:#FF9F43,color:#000
    style H fill:#FF9F43,color:#000
    style J fill:#FF9F43,color:#000
```

### 常见场景与对策

| 症状 | 根因 | 对策 |
|------|------|------|
| `type=ALL, Extra=Using where` | 无可用索引 | 添加 WHERE 列的索引 |
| `Using filesort` | ORDER BY 字段不在可用索引中 | 创建 (WHERE列, ORDER BY列) 联合索引 |
| `Using temporary; Using filesort` | GROUP BY 和 ORDER BY 不一致 | 索引顺序同时满足两者 |
| `rows 预估 >> 实际行数` | 统计信息过时 | `ANALYZE TABLE 表名` 更新统计信息 |
| `possible_keys` 有但 `key` 为 NULL | 优化器选了全表扫描 | 用 `FORCE INDEX` 强制指定，或改写查询 |

### 别忘了维护统计信息

```sql
-- 当 EXPLAIN 预估严重偏离实际时
ANALYZE TABLE orders;

-- InnoDB 支持自动分析，但大批量写入后建议手动触发
SET GLOBAL innodb_stats_auto_recalc = ON;
```

## 关联笔记

- [[hhs/MySQL/16-B+Tree 索引原理]] — type=ALL vs type=range 的底层差异
- [[hhs/MySQL/19-慢查询日志分析]] — 如何用 pt-query-digest 配合 EXPLAIN
- [[hhs/MySQL/18-联合索引与最左前缀]] — 索引设计不当导致的 EXPLAIN 问题