EXPLAIN ANALYZE 是唯一能验证索引是否真起作用的命令,它基于真实执行的行数、时间、loops 和 Buffer 读取,而非优化器预估;普通 EXPLAIN 易受统计过期、隐式转换等影响,无法暴露回表、临时表、嵌套循环真实开销。

EXPLAIN ANALYZE 是唯一能验证索引是否真起作用的命令——它不看预估,只看真实执行时的行数、时间、loops 和 Buffer 读取。
为什么不能只用 EXPLAIN SELECT 验证索引
普通 EXPLAIN 只输出优化器的“想法”:比如显示 key=idx_user_id、rows=120,但实际可能因统计信息过期、字段选择性差或隐式类型转换,导致扫描了 8 万行才返回 120 行结果。更危险的是,它完全不暴露回表开销、临时表生成时机、嵌套循环的真实迭代次数。
-
filtered值极低(如 0.3%)却没在Extra里提示“Using where”,说明过滤发生在 server 层而非存储引擎层,索引未覆盖 WHERE 条件 -
type=ref看似走了索引,但rows和actual time差距巨大 → 很可能发生了大量回表或磁盘读 - 联表查询中某张表的
Loops值等于驱动表输出行数 × N,而该表又没走索引 → 等效于 N 次全表扫描
EXPLAIN ANALYZE 验证索引的实操步骤
不是跑一次就完事,要对比、要控制变量、要看缩进结构里的每一层节点。
安装、修复、更新或打包一个基于 Python 和 PyMySQL 实现的 Windows `mysql` 命令。适用于用户希望在 PowerShell/CMD 中输入 `mysql` 时重定向到 Python 实现、需要交互式输入 MySQL 连接信息、需要同步到当前用户本地 bin 目录,或需要将该能力封装成可公开复用的 Codex skill。
- 先确保统计信息最新:
ANALYZE TABLE orders;,否则EXPLAIN ANALYZE的 baseline 就不准 - 对目标 SQL 执行
EXPLAIN ANALYZE SELECT * FROM orders WHERE user_id = 100 AND status = 'paid'; - 重点看缩进最深那行的括号内容,例如:
Index lookup on orders using idx_user_id (rows=1, loops=1)—— 这才是索引真正生效的证据 - 如果看到
Table scan on orders (rows=245600, loops=1),哪怕possible_keys列出了索引,也说明没用上 - 强制走某个索引对比:
EXPLAIN ANALYZE SELECT * FROM orders USE INDEX (idx_user_status) WHERE user_id = 100 AND status = 'paid';,观察actual time是否下降、Buffers read是否减少
常见“看似走了索引”但实际失效的信号
这些信号在 EXPLAIN ANALYZE 输出里非常具体,一眼就能揪出来。
-
Rows Removed by Filter: 99980—— 表明索引扫描了 10 万行,但 WHERE 条件只留下 20 行,说明索引没包含过滤字段,或该字段根本没走索引(比如用了函数:WHERE YEAR(created_at) = 2026) -
Nested loop inner join ... (actual time=12.4..1892.7 ms, loops=127)+ 下一层Table scan on addresses (rows=52000)→ 内层表被扫了 127 × 52000 ≈ 660 万行,addresses.user_id缺少索引 -
Buffers: shared hit=12 read=1842中read值高,且对应节点actual time占比超 70%,说明索引虽被选中,但数据页大量不在 buffer pool,物理 IO 成瓶颈,此时加索引不如调大innodb_buffer_pool_size
真正难的不是看懂 EXPLAIN ANALYZE 的输出,而是把每一条缩进行和它括号里的指标,对应到具体的索引设计缺陷、统计偏差或执行路径误判。一个 loops=1 和 loops=127 的差别,往往就是单表查询和千万级扫描的分水岭——这个数字不会骗人,但得你亲自去数。

















