滚动新闻 →
马斯克随川普抵达深圳 黄仁勋却从访华名单消失 英伟达风波改变美国科技巨头的中国之行 湖南慈利县给八旬老人每月发5元高龄补贴 地方财政压力、养老保障差距与基层政策形式主义引发质疑 川普抵深获习亲自迎接 三国峰会引国际关注 中国疫情死亡率激增近五倍 李钦诚首局力克卞相壹 三星杯决赛先拔头筹 英伟达中国芯片转运风波牵出高层关系 浑水做空背后 Puri与超微前高管的利益冲突疑云 泰国审计大楼震塌事故 中共国企主管获刑三年 美情报高层警告伊朗威胁升级 或对美本土发动袭击 黄仁勋辞职风暴升级 英伟达董事会拒绝复职背后牵出中国芯片转运调查与美国国家安全危机 兰州监狱四名狱警殴打服刑人员致死仅获刑5至11年 十年隐瞒真相背后暴露中共监狱权力失控与司法问责困境 深圳网约车司机透析期间坚持跑车引关注 川普菲律宾之行深化美菲合作:承诺遇事可随时致电 中美科技博弈升级 芯片与稀土博弈引关注 深圳APEC背后的经济争夺 中共试图把中国制造优势变成全球依赖 欧美去风险战略正在改变游戏规则 菲律宾总统以炸鸡款待川普,外交名片成外交工具 墨西哥总统经济舱赴APEC引热议 中国网友点赞节俭作风 也门政府将胡塞武装列为恐怖组织并展开全面打击 中国向秘鲁援助1.5亿人民币 民生困境引发舆论争议 旅美人士遭威胁 报警指涉跨境镇压 汽车使用劣质燃油后出现问题怎么办 美中俄会谈选址神秘山庄 川普下榻酒店成安保重地 乌克兰称武器技术跻身全球前三 川普与普京周四举行双边会晤 高雄参议院听证会回应海军改革议题 美媒披露:英伟达前CEO黄仁勋协助中企规避芯片出口管制 非裔众议员或成首位黑人众议院议长 日本美妆巨头DHC遭遇数据泄露 超2000万用户信息外泄 拜登回忆录披露五次军事保台表态 真心承诺引关注 中国留学生涉嫌为中共拍摄美国机场 撒谎被羁押候审 民主党参议院席位大逆转 创68年翻转纪录 A股低价股数量激增 5家公司跌破1元面临退市风险 工行下岗职工维权20年 养老金问题仍未解决 美国关键系统频现故障 卢比奥称暂无网络攻击迹象 AI技术助力黑客攻击升级,沈荣钦:防御体系面临新挑战 美国政府悬赏千万美元追查缅甸电诈园区洗钱网络 川普政府持续推动中国光模组禁令 美光通讯股受提振 美国司法部判处伊朗特工27年半监禁 密谋暗杀川普案曝光 中方接待规格遭日方批评 太失礼引争议 黄仁勋辞职后 英伟达H200芯片销售政策转向 朝鲜核设施扩建引担忧,核武材料生产持续扩大 APEC晚宴合照曝光 台湾代表与日本首相被安排至后排

MySQL EXPLAIN 怎么看?SaaS 开发者优化查询必须掌握的几个字段

发布时间: 2026-10-29 10:00:01    最后更新: 2026-11-15 04:48:44    阅读: 78    约12 分钟阅读    
MySQL EXPLAIN 怎么看?SaaS 开发者优化查询必须掌握的几个字段
图片说明:示意图   图片来源:Public Domain(公有领域)
MySQL EXPLAIN 怎么看 从执行计划判断SaaS查询是否存在性能问题

在SaaS系统中,一条SQL可能每天执行几百万次。即使单次查询只增加几毫秒,累计起来也可能成为数据库CPU、I/O和连接池的长期负担。MySQL提供的EXPLAIN,是开发人员分析SQL执行计划最重要的工具之一。

但EXPLAIN并不是一张简单的“红绿灯表”。看到ALL、Using filesort或者key=NULL就立即加索引,往往会把问题越改越复杂。真正有效的优化方法,是理解优化器为什么选择这种执行方式,再结合实际数据量和运行时间判断它是否合理。

一、先看type,但不要把它当成绝对排名

type描述MySQL访问表或索引的方式。常见类型包括const、eq_ref、ref、range、index和ALL等。

例如:

EXPLAIN
SELECT *
FROM users
WHERE id = 1000;

如果id是主键,优化器通常可以使用非常直接的索引访问方式。

ref常见于通过非唯一索引进行等值匹配,range则常见于范围查询,例如:

WHERE created_at >= '2026-09-01'
AND created_at < '2026-10-01'

ALL表示全表扫描,但“全表扫描”本身并不是错误。

如果一张表只有几百行,优化器可能认为直接扫描整张表比走索引更加便宜。真正需要关注的是:表有多大、实际需要读取多少行、查询多久、执行频率多高。

因此,不要制定“看到ALL就必须加索引”的规则。

二、key告诉你最终用了哪个索引

key是判断索引是否被实际采用的重要字段。

例如表上存在:

CREATE INDEX idx_users_email
ON users(email);

查询:

SELECT id, name
FROM users
WHERE email = 'tom@example.com';

如果执行计划中的key显示idx_users_email,说明优化器选择了这个索引。

但如果key为NULL,也不能直接得出“数据库没有索引”或者“SQL一定很慢”的结论。

可能的原因包括表太小、条件选择性太低、优化器判断全表扫描成本更低,或者现有索引并不适合这个查询。

因此,应该同时查看possible_keys、key、rows以及实际执行时间。

三、联合索引最容易被误解

SaaS系统经常存在类似查询:

SELECT id, status, created_at
FROM orders
WHERE tenant_id = 100
AND status = 1
ORDER BY created_at DESC
LIMIT 50;

如果大量查询都具有这种访问模式,可以考虑针对实际SQL建立联合索引,例如:

CREATE INDEX idx_orders_tenant_status_created
ON orders(tenant_id, status, created_at);

但联合索引并不是“字段越多越好”。

字段顺序决定了索引能够有效利用哪些前导条件。还要考虑等值条件、范围条件、排序要求以及字段选择性。

例如:

INDEX(tenant_id, status, created_at)

与:

INDEX(created_at, tenant_id, status)

并不能简单互换。

因此,索引设计应该从真实SQL出发,而不是先设计一个“万能索引”。

四、rows比很多人想象得更重要

rows表示优化器估算需要检查的行数。

例如两个执行计划都显示使用索引,一个估算需要读取几十行,另一个需要读取数十万行,它们的性能风险显然不同。

但rows是估算值,不是真实执行过程中精确读取的行数。因此不能简单规定“rows超过1000就必须加索引”。

更值得关注的是估算是否严重偏离实际情况。

这也是EXPLAIN ANALYZE非常有价值的原因:

EXPLAIN ANALYZE
SELECT ...

它会实际执行SQL,并提供实际运行过程中的信息。对于慢SQL排查,可以将优化器估算与实际执行情况结合起来观察。

如果估算和实际差距很大,就应该进一步检查统计信息、数据分布以及查询条件,而不是马上继续堆索引。

五、Extra中的Using filesort并不等于磁盘爆炸

Extra包含很多有用的信息。

Using filesort表示MySQL需要采用额外的排序过程。这个名字很容易造成误解,它并不意味着一定在使用磁盘文件,也不代表看到它就必须建立索引。

如果查询只返回很少的数据,排序成本可能完全可以接受。

例如:

SELECT id, name
FROM users
WHERE status = 1
ORDER BY created_at DESC
LIMIT 20;

如果排序涉及的数据规模并不大,那么Using filesort未必是需要解决的问题。

真正需要优化的是高频、大数据量、排序成本明显影响延迟的查询。

Using temporary表示查询过程中使用了临时表等中间处理机制。复杂的GROUP BY、DISTINCT、ORDER BY等操作都可能出现相关执行行为。它是否构成问题,同样需要结合数据规模和实际耗时判断。

Using index通常意味着查询可以直接从索引中获得所需列,也就是常说的覆盖索引场景。这通常有利于减少额外的数据访问,但也不能简单称为“最佳状态”,因为一个复杂查询即使使用覆盖索引,也可能仍然需要处理大量数据。

Using where则只是说明WHERE条件参与了过滤,并不意味着索引有问题。

六、SaaS中的tenant_id要结合数据模型设计

多租户系统经常使用tenant_id进行数据隔离,因此类似:

WHERE tenant_id = ?
AND status = ?

的查询非常常见。

但“所有查询必须包含tenant_id”并不是数据库层面的通用规则。

如果一张表本身就是租户数据表,那么应用和数据访问层确实需要确保租户边界不能被绕过;但系统配置表、国家代码表、汇率表、公共字典表等可能根本不存在租户归属。

更重要的是,不能仅靠开发人员“记得加tenant_id”来保证隔离。Repository、ORM、后台任务、缓存键、消息消费者以及管理接口都需要统一考虑租户边界。

索引方面,如果业务查询长期采用:

WHERE tenant_id = ?
AND created_at >= ?
ORDER BY created_at DESC

那么围绕这种实际访问模式设计联合索引,通常比给tenant_id、created_at分别建立孤立索引更值得研究。

七、不要用SELECT *掩盖真正的I/O成本

查询:

SELECT *
FROM users
WHERE id = ?;

在单行主键查询中通常没有太大问题。

但如果API查询大量记录,SELECT *会让数据库读取和网络传输不必要的字段,也可能让原本可以使用覆盖索引的查询失去这一机会。

例如列表页面只需要:

SELECT id, name, email, created_at
FROM users
WHERE tenant_id = ?
ORDER BY created_at DESC
LIMIT 50;

就没有必要把大型TEXT、JSON或者其他不需要展示的字段全部取出来。

不过也不要为了追求“绝对覆盖索引”而把所有字段都塞进索引。索引本身也会占用空间,并增加写入维护成本。

八、大OFFSET分页是另一个经常被忽视的问题

很多后台系统采用:

SELECT ...
FROM orders
ORDER BY id DESC
LIMIT 100000, 50;

当OFFSET越来越大时,数据库可能需要处理大量前面的记录才能返回最终的50条数据。

对于不断向后翻页的大型数据集,可以考虑Keyset Pagination,也就是基于上一页最后一条记录继续查询,例如:

SELECT ...
FROM orders
WHERE id < ?
ORDER BY id DESC
LIMIT 50;

这种方式尤其适合按照递增或递减主键、时间等稳定字段连续翻页的场景。

九、不要为了EXPLAIN漂亮而优化数据库

实际数据库优化最容易出现的错误,就是为了让执行计划看起来“高级”而不断添加索引。

例如某个查询显示:

type: ALL
key: NULL

开发人员马上建立三个索引;结果SELECT快了一点,却导致INSERT和UPDATE明显变慢,数据库磁盘空间增加,优化器还可能出现更多选择。

正确流程应该是:

先从慢查询日志、APM或者数据库监控找到真正有影响的SQL,再执行EXPLAIN;然后查看访问类型、实际使用索引、估算行数、排序和临时操作;如果需要,再使用EXPLAIN ANALYZE验证真实执行情况。

最后根据实际数据设计索引,并通过压测和生产指标确认优化是否真的有效。

十、EXPLAIN还要结合锁和事务一起看

一条SQL慢,不一定是SQL执行计划慢。

如果查询本身只需要几十毫秒,却因为锁等待最终让API等待几秒,那么单纯研究索引并不能解决问题。

SaaS系统还需要观察事务持续时间、锁等待、死锁、连接池、CPU、磁盘I/O以及并发量。

例如一个看起来使用正确索引的UPDATE,如果长期被另一个长事务阻塞,用户感受到的仍然是“数据库很慢”。

所以EXPLAIN解决的是执行计划问题,而不是整个数据库性能问题。

十一、真正应该建立的是持续诊断体系

对于生产SaaS系统,可以重点观察P95、P99查询延迟、慢查询数量、扫描行数、数据库CPU、磁盘I/O、锁等待、死锁以及连接池使用情况。

发现异常以后,再回到具体SQL。

如果一个查询突然从几毫秒变成几百毫秒,应该检查数据量是否增长、统计信息是否变化、执行计划是否改变、索引是否发生变化,以及是否出现新的锁竞争。

这比定期“给表加几个索引”可靠得多。

EXPLAIN最重要的价值,不是告诉开发人员哪个字段应该建立索引,而是把MySQL优化器准备怎样执行一条SQL展示出来。真正的数据库优化,是理解这个执行计划为什么出现,再判断它与实际业务数据和系统负载是否匹配。

对于SaaS开发者来说,可以把EXPLAIN理解成数据库故障排查中的“诊断仪器”:它提供证据,但最终的判断必须结合SQL、数据规模、访问频率、索引结构、事务和硬件资源共同完成。掌握这一点以后,看到一个ALL或者Using filesort时,就不会条件反射式地拿起“加索引”这把锤子了。
作者头像
本文作者
程越(Kevin Cheng)
IT与人工智能技术资深编辑

喜欢这篇报道?

使用下面的功能,方便以后继续阅读和分享 MNewsTV

设为 Google 新闻首选来源 让 Google 新闻优先显示 MNewsTV 的最新报道 ›
★ 我的收藏 查看已经收藏的文章
关于文章收藏 收藏不需要注册帐号,收藏信息仅保存在当前浏览器中。 删除收藏请进入「我的收藏」进行管理。
分享这篇报道

捐助(Paypal): https://www.paypal.me/observeccp
订阅中国观察电报 Telegram: https://t.me/s/ObserveCCP