【MySQL 原理分析】之 Explain & Trace 深入分析全模糊查詢走索引的原理
阿新 • • 發佈：2020-03-09
## 一、背景
今天，交流群有一位同學提出了一個問題。看下圖：
之後，這位同學確實也發了一個全模糊查詢走索引的例子：
到這我們可以發現，這兩個sql最大的區別是：一個是查詢全欄位（select *），而一個只查詢主鍵（select id）。
此時，又有其他同學講了其他方案：
全文索引這個不用說，那是能讓全模糊查詢走索引的。但是索引覆蓋這個方案，我覺得才是符合背景的：
1、因為提問的背景就是模糊查詢欄位是普通索引，而普通索引只查詢主鍵就能用上覆蓋索引。
2、並且背景中，就是隻查詢主鍵（ID）就顯示用上索引了。
## 二、資料準備和場景重現
#### 1、準備表和資料：
建立 user 表，給 phone 欄位加了個普通索引：
```sql
CREATE TABLE `user` (
`id` int(10) unsigned NOT NULL AUTO_INCREMENT,
`name` varchar(255) DEFAULT NULL,
`age` int(11) DEFAULT NULL,
`phone` varchar(11) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `index_phone` (`phone`) USING BTREE COMMENT 'phone索引'
) ENGINE=InnoDB AUTO_INCREMENT=200007 DEFAULT CHARSET=utf8;
```
準備10萬條資料意思意思：
```sql
delimiter ;
CREATE DEFINER=`root`@`localhost` PROCEDURE `iniData`()
begin
declare i int;
set i=1;
while(i<=100000)do
insert into user(name,age,phone) values('測試', i, 15627230000+i);
set i=i+1;
end while;
end;;
delimiter ;
call iniData();
```
#### 2、執行 SQL ，檢視執行計劃：
```sql
explain select * from user where phone like '%156%';
explain select id from user where phone like '%156%';
```
#### 3、執行結果：
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
| ---- | ----------- | ----- | ---------- | ---- | ------------- | ---- | ------- | ---- | ----- | -------- | ----------- |
| 1 | SIMPLE | user | | ALL | | | | | 99927 | 11.11 | Using where |
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
| ---- | ----------- | ----- | ---------- | ----- | ------------- | ----------- | ------- | ---- | ----- | -------- | ------------------------ |
| 1 | SIMPLE | user | | index | | index_phone | 36 | | 99927 | 11.11 | Using where; Using index |
我們可以發現，第二條 SQL 確實是顯示用上了 `index_phone` 索引。
但是細心的同學可能會發現：`possible_keys` 竟然為空！有貓膩。。。
> **我這裡先說一下 prossible_keys 和 key 的關係：**
>
> 1、`possible_keys` 為可能使用的索引，而 `key` 是實際使用的索引；
>
> 2、正常是： `key` 的索引，必然會包含在 `possible_keys` 中。
還有貓膩一點就是：使用索引和不使用索引讀取的行數（rows）竟然是一樣的！
## 三、驗證和階段性猜想
上面講到，`possible_keys` 和 `key` 的關係，那麼我們利用正常的走索引來驗證一下。
下面的 SQL， 不是全模糊查詢，而是右模糊查詢，保證是一定走索引的，我們分別看看此時 `possible_keys` 和 `key` 的值：
```sql
explain select id from user where phone like '156%';
```
執行結果：
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
| ---- | ----------- | ----- | ---------- | ----- | ------------- | ----------- | ------- | ---- | ----- | -------- | ------------------------ |
| 1 | SIMPLE | user | | range | index_phone | index_phone | 36 | | 49963 | 100 | Using where; Using index |
這裡太明顯了：
1、`possible_keys` 裡確實包含了 `key` 裡的索引。
2、 並且`rows` 瞬間降到 49963，整整降了一倍，並且 `filtered` 也達到了 100。
#### 階段猜想：
1、首先，`select id from user where phone like '%156%';` 因為**覆蓋索引**而用上了索引 `index_phone`。
2、possible_keys 為 null，證明用不上索引的樹形查詢。很明顯，`select id from user where phone like '%156%';` 即使顯示走了索引，但是讀取行數 **rows** 和 `select * from user where phone like '%156%';` 沒有走索引的 **rows** 是一樣的。
3、那麼，我們可以猜測到，`select id from user where phone like '%156%';` 即使因為覆蓋索引而用上了 `index_phone` 索引，但是卻沒用上樹形查詢，只是正常順序遍歷了索引樹。所以說，其實這兩條 SQL 在表字段不多的情況下，查詢效能應該差不了多少。
## 四、通過 Trace 分析來驗證
#### 我們分別利用 Trace 分析對於這兩個 SQL 優化器是如何選擇的。
##### 1、查詢全欄位：
```sql
-- 開啟優化器跟蹤
set session optimizer_trace='enabled=on';
select * from user where phone like '%156%';
-- 檢視優化器追蹤
select * from information_schema.optimizer_trace;
```
下面我們只看 TRACE 就行了：
```json
{
"steps": [
{
"join_preparation": {
"select#": 1,
"steps": [
{
"expanded_query": "/* select#1 */ select `user`.`id` AS `id`,`user`.`name` AS `name`,`user`.`age` AS `age`,`user`.`phone` AS `phone` from `user` where (`user`.`phone` like '%156%')"
}
]
}
},
{
"join_optimization": {
"select#": 1,
"steps": [
{
"condition_processing": {
"condition": "WHERE",
"original_condition": "(`user`.`phone` like '%156%')",
"steps": [
{
"transformation": "equality_propagation",
"resulting_condition": "(`user`.`phone` like '%156%')"
},
{
"transformation": "constant_propagation",
"resulting_condition": "(`user`.`phone` like '%156%')"
},
{
"transformation": "trivial_condition_removal",
"resulting_condition": "(`user`.`phone` like '%156%')"
}
]
}
},
{
"substitute_generated_columns": {
}
},
{
"table_dependencies": [
{
"table": "`user`",
"row_may_be_null": false,
"map_bit": 0,
"depends_on_map_bits": [
]
}
]
},
{
"ref_optimizer_key_uses": [
]
},
{
"rows_estimation": [
{
"table": "`user`",
"table_scan": {
"rows": 99927,
"cost": 289
}
}
]
},
{
"considered_execution_plans": [
{
"plan_prefix": [
],
"table": "`user`",
"best_access_path": {
"considered_access_paths": [
{
"rows_to_scan": 99927,
"access_type": "scan", // 順序掃描
"resulting_rows": 99927,
"cost": 20274,
"chosen": true
}
]
},
"condition_filtering_pct": 100,
"rows_for_plan": 99927,
"cost_for_plan": 20274,
"chosen": true
}
]
},
{
"attaching_conditions_to_tables": {
"original_condition": "(`user`.`phone` like '%156%')",
"attached_conditions_computation": [
],
"attached_conditions_summary": [
{
"table": "`user`",
"attached": "(`user`.`phone` like '%156%')"
}
]
}
},
{
"refine_plan": [
{
"table": "`user`"
}
]
}
]
}
},
{
"join_execution": {
"select#": 1,
"steps": [
]
}
}
]
}
```
##### 2、只查詢主鍵
```sql
set session optimizer_trace='enabled=on';
select id from user where phone like '%156%';
-- 檢視優化器追蹤
select * from information_schema.optimizer_trace;
```
下面我們繼續只看 TRACE 就行了：
```json
{
"steps": [
{
"join_preparation": {
"select#": 1,
"steps": [
{
"expanded_query": "/* select#1 */ select `user`.`id` AS `id` from `user` where (`user`.`phone` like '%156%')"
}
]
}
},
{
"join_optimization": {
"select#": 1,
"steps": [
{
"condition_processing": {
"condition": "WHERE",
"original_condition": "(`user`.`phone` like '%156%')",
"steps": [
{
"transformation": "equality_propagation",
"resulting_condition": "(`user`.`phone` like '%156%')"
},
{
"transformation": "constant_propagation",
"resulting_condition": "(`user`.`phone` like '%156%')"
},
{
"transformation": "trivial_condition_removal",
"resulting_condition": "(`user`.`phone` like '%156%')"
}
]
}
},
{
"substitute_generated_columns": {
}
},
{
"table_dependencies": [
{
"table": "`user`",
"row_may_be_null": false,
"map_bit": 0,
"depends_on_map_bits": [
]
}
]
},
{
"ref_optimizer_key_uses": [
]
},
{
"rows_estimation": [
{
"table": "`user`",
"table_scan": {
"rows": 99927,
"cost": 289
}
}
]
},
{
"considered_execution_plans": [
{
"plan_prefix": [
],
"table": "`user`",
"best_access_path": {
"considered_access_paths": [
{
"rows_to_scan": 99927,
"access_type": "scan", // 順序掃描
"resulting_rows": 99927,
"cost": 20274,
"chosen": true
}
]
},
"condition_filtering_pct": 100,
"rows_for_plan": 99927,
"cost_for_plan": 20274,
"chosen": true
}
]
},
{
"attaching_conditions_to_tables": {
"original_condition": "(`user`.`phone` like '%156%')",
"attached_conditions_computation": [
],
"attached_conditions_summary": [
{
"table": "`user`",
"attached": "(`user`.`phone` like '%156%')"
}
]
}
},
{
"refine_plan": [
{
"table": "`user`"
}
]
}
]
}
},
{
"join_execution": {
"select#": 1,
"steps": [
]
}
}
]
}
```
好了，到這裡我們可以發現，在 Trace 分析裡面，都沒顯示優化器為這兩個 SQL 實際選擇了什麼索引，而只是顯示了都是用了 **順序掃描** 的方式去查詢資料。
可能唯一不同點就是：一個使用了主鍵索引的全表掃描，而另外一個是使用了普通索引的全表掃描；**但是兩個都沒用上樹形查詢，也就是沒用上 B+Tree 的特性來提升查詢效能。**
## 六、最後總結
1、當全模糊查詢的 SQL 只查詢主鍵作為結果集時，因為覆蓋索引，會用上查詢欄位對應的索引。
2、即使用上了索引，但是卻沒用上樹形查詢的特性，只是正常的順序遍歷。
3、而正常的全表掃描也是主鍵索引的順序遍歷，所以說，其實這兩者的效能其實是差不