MySQL EXPLAIN ANALYZE 实战：慢查询别只盯着 possible_keys

慢查询排查里，我最怕看到一句话：“这条 SQL 有 possible_keys，应该走索引了吧？”如果你也这么想，线上迟早会被 MySQL 教做人。possible_keys 只是候选索引，不代表执行器真的少扫了行；EXPLAIN 只是估算，不代表真实执行就按这个成本走。

这篇不照搬官方文档。我用一个订单列表慢查询来讲 MySQL 8.x 里怎么用 EXPLAIN ANALYZE 把“估计会扫多少行”和“实际扫了多少行”对上，再决定是改 SQL、补复合索引，还是先更新统计信息。适用版本：MySQL 8.0.18 及以上可使用 EXPLAIN ANALYZE，MySQL 8.4 LTS 也适用。

业务场景：订单列表突然慢了

假设有一张订单表 orders，业务后台经常按用户、状态和时间倒序查最近订单。刚上线时数据少，接口 30ms；半年后订单到了千万级，偶尔一查 2 秒，慢日志里最常出现的是下面这条 SQL。

SELECT id, user_id, status, amount, created_at
FROM orders
WHERE user_id = 10086
  AND status = 'PAID'
ORDER BY created_at DESC
LIMIT 20;

很多同学第一反应是：给 user_id 建索引。问题是，线上表里同一个用户可能有几十万历史订单，只靠 user_id 过滤完还要按 created_at 排序，再从里面找 status='PAID'。这个索引看着有用，实际可能还是扫得很累。

先用普通 EXPLAIN 看方向

普通 EXPLAIN 的价值是快速判断访问方式、候选索引、实际使用索引、估算行数、是否需要额外排序。它不是最终答案，但能告诉你从哪开始怀疑。

EXPLAIN
SELECT id, user_id, status, amount, created_at
FROM orders
WHERE user_id = 10086
  AND status = 'PAID'
ORDER BY created_at DESC
LIMIT 20;

如果你看到 key=idx_user_id，不要立刻高兴。继续看 rows、filtered 和 Extra。如果 rows 很大，Extra 里还有 Using filesort，说明 MySQL 虽然用了索引定位用户，但排序和过滤仍然可能拖慢整体。

EXPLAIN ANALYZE 看真实执行

EXPLAIN ANALYZE 会实际执行查询，并输出执行计划里每一步的真实耗时、实际行数和循环次数。它适合在测试环境、灰度库或可控场景里验证假设。生产上直接跑要谨慎，尤其是会扫大表、会触发复杂 join 的 SQL。

EXPLAIN ANALYZE
SELECT id, user_id, status, amount, created_at
FROM orders
WHERE user_id = 10086
  AND status = 'PAID'
ORDER BY created_at DESC
LIMIT 20;

我看 ANALYZE 输出时，重点盯三件事：第一，估算行数和实际行数差多少；第二，哪个节点耗时最高；第三，loops 是不是让一个看起来很小的步骤重复了很多次。慢查询很多时候不是单步很慢，而是“小慢步”循环太多。

估算行数和实际行数差很多，先别急着加索引

如果 EXPLAIN 估算只扫几百行，ANALYZE 实际扫了几十万行，可能是统计信息不准、数据分布倾斜，或者条件组合的选择性被优化器估错了。这个时候盲目加索引，可能只是在错误判断上继续堆东西。

我一般会先做两件事：确认表统计信息是否长期没更新；再按业务维度查一下数据分布，比如某些大客户、热门状态、历史订单是否极端集中。优化器面对“平均值”时很冷静，业务面对“超级用户”时会很狼狈。

ANALYZE TABLE orders;

SELECT status, COUNT(*)
FROM orders
WHERE user_id = 10086
GROUP BY status;

这个场景更适合复合索引

对这条订单查询来说，真正稳定的思路通常不是单列 user_id，而是按过滤和排序关系设计复合索引。比如：

CREATE INDEX idx_user_status_time
ON orders(user_id, status, created_at DESC);

这个索引的目标很明确：先定位某个用户，再过滤状态，最后按创建时间倒序拿前 20 条。这样 MySQL 不需要从大量用户订单里再额外排序，也更容易用索引顺序满足 ORDER BY created_at DESC LIMIT 20。

别看到 Using filesort 就条件反射

Using filesort 很容易吓人，但它不是“用了磁盘排序”的同义词，也不是一定要立刻修。你要结合实际行数和耗时看。如果排序只有几十行，影响很小；如果排序前扫了几十万行，那才值得认真处理。

我会把 filesort 放回上下文里看：排序前有多少行？LIMIT 能不能提前生效？索引顺序能不能覆盖过滤和排序？如果这些问题没回答清楚，单纯把 Using filesort 消掉，可能只是把问题挪到别的地方。

覆盖索引不是越宽越好

有人看到查询里返回 amount，就想把它也塞进索引：(user_id, status, created_at, amount)。这确实可能减少回表，但也会让索引更大、写入更重、缓存命中更差。

我的习惯是先让复合索引解决过滤和排序，再看回表是否真的是瓶颈。慢查询优化不要一步到位堆一个超宽索引，尤其是订单表这类写入压力大的表。索引不是免费的，写入、更新、buffer pool、备份体积都会跟着付账。

SQL 改写：只取你真的需要的列

后台列表页经常一开始就 SELECT *，后来字段越加越多，回表成本也越来越高。排查慢查询时，先把页面真的需要的列列出来，能少取就少取。

SELECT id, amount, created_at
FROM orders
WHERE user_id = 10086
  AND status = 'PAID'
ORDER BY created_at DESC
LIMIT 20;

如果列表页只展示金额和时间，就别把收货地址、备注、扩展 JSON 一起拉回来。SQL 改写不是炫技，很多时候就是把需求边界收干净。

上线前后怎么复查

上线前，我会在预发或影子库里对比三组数据：旧 SQL 普通 EXPLAIN，旧 SQL EXPLAIN ANALYZE，新 SQL 加新索引后的 EXPLAIN ANALYZE。重点记录扫描行数、实际耗时、是否仍有大规模 filesort、返回行数是否一致。

上线后不要只看平均耗时，至少看 P95、P99、慢日志数量、Handler_read_next 这类读放大指标，以及写入延迟有没有被新索引拖慢。优化读查询时把写入打爆，是我见过很多团队踩过的坑。

我的慢查询 review 清单

• 这条 SQL 的业务入口是什么？是否真的是当前最慢路径？
• 普通 EXPLAIN 的 key、rows、Extra 是否和预期一致？
• EXPLAIN ANALYZE 里的实际行数和估算行数差多少？
• 慢点在过滤、排序、回表、join，还是 loops 过多？
• 复合索引是否同时服务过滤条件和排序？索引列顺序有没有按业务选择性设计？
• 新索引是否会明显增加写入成本和存储成本？
• 上线后是否有慢日志、P99、读放大和写入延迟复查计划？

最后说句实话

MySQL 慢查询治理最容易走偏的地方，是把 EXPLAIN 当成答案。它更像问诊单，不是手术方案。真正能救命的是你把估算和真实执行对上，把业务数据分布看明白，再决定改 SQL 还是改索引。

我的经验是：别迷信某一个字段，也别迷信某一个索引。每次优化都留下前后对比、SQL 样本、执行计划和上线复查结果。这样下一次慢查询来的时候，你不是从玄学开始，而是从证据开始。

参考资料：MySQL 8.4 Reference Manual：EXPLAIN Statement、MySQL 8.4 Reference Manual：Using EXPLAIN。