怎么知道该sql是全表扫描呢？通过explain命令可以清楚MySQL是如何处理sql语句的。
- id : 查询序列号为1
- select_type : 查询类型是简单查询，简单的select语句没有union和子查询
- table :表是 itdragon_order_list。
- partitions :没有分区
- type : 连接类型，all表示采用全表扫描的方式。
- possible_keys : 可能用到索引为null。
- key : 实际用到索引是null。
- key_len : 索引长度当然也是null。
- ref : 没有哪个列或者参数和key一起被使用。
- rows ：SQL查询了3条记录
- Extra : 使用了where查询。
优化：为transaction_id创建索引
唯一索引打印的type值是const。表示通过索引一次就可以找到。即找到值就结束扫描返回查询结果。
普通索引打印的type值是ref。表示非唯一性索引扫描。找到值还要继续扫描，直到将索引文件扫描完为止。
优化：覆盖索引
将select * from 改为了 select transaction_id from 后Extra 显示 Using index，表示该查询使用了覆盖索引
若提示的是Using filesort(使用内部排序)和Using temporary(使用临时表)则表明该sql需要立即优化了
优化：为order_level,input_date 创建复合索引
采用全表扫描就不合理，还使用了文件排序Using filesort，更加拖慢了性能。
和没创建索引一样？都是全表扫描，都用到了文件排序。是索引失效？还是索引创建失败？
将select * from 换成了 select order_level,input_date from 后。type从ALL升级为index，表示（full index scan）全索引文件扫描，Extra也显示使用了覆盖索引。
返回的内容只有order_level和input_date 两个字段,难道把每个字段都建一个复合索引？
使用force index 强制指定索引。在原来的sql语句上修改 force index(idx_order_levelDate) 即可
索引简介
索引为什么是一种数据结构，它又是怎么提高查询的速度？我们拿最常用的二叉树来分析索引的工作原理。看下面的图片:
索引分类
索引一般指的是BTree（多路搜索树）结构组织的索引。其中还有聚合索引，次要索引，复合索引，前缀索引，唯一索引，统称索引，当然除了B+树外，还有哈希索引（hash index）等。
- 单值索引：一个索引只包含单个列，一个表可以有多个单列索引
- 唯一索引：索引列的值必须唯一，但允许有空值
- 复合索引：一个索引包含多个列，实际开发中推荐使用
实际开发中推荐使用复合索引，并且单表创建的索引个数建议不要超过五个
哪些情况需要建索引：
- 主键，唯一索引
- 经常用作查询条件的字段需要创建索引
- 经常需要排序、分组和统计的字段需要建立索引
- 查询中与其他表关联的字段，外键关系建立索引
哪些情况不要建索引：
- 表的记录太少，百万级以下的数据不需要创建索引
- 经常增删改的表不需要创建索引
- 数据重复且分布平均的字段不需要创建索引，如 true,false 之类。
- 频发更新的字段不适合创建索引
- where条件里用不到的字段不需要创建索引
性能分析
explain 分析sql语句
+----+-------------+-------+------------+------+---------------+-----+---------+------+------+----------+-------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+-----+---------+------+------+----------+-------+
id
select 查询的序列号，包含一组可以重复的数字，表示查询中执行sql语句的顺序。一般有三种情况：
- id全部相同，sql的执行顺序是由上至下；
- id全部不同，sql的执行顺序是根据id大的优先执行；
- id既存在相同，又存在不同的。先根据id大的优先执行，再根据相同id从上至下的执行。
select_type
select 查询的类型，主要是用于区别普通查询，联合查询，嵌套的复杂查询
- simple：简单的select 查询，查询中不包含子查询或者union
- primary：查询中若包含任何复杂的子查询，最外层查询则被标记为primary
- subquery：在select或where 列表中包含了子查询
- derived：在from列表中包含的子查询被标记为derived（衍生）MySQL会递归执行这些子查询，把结果放在临时表里。
- union：若第二个select出现在union之后，则被标记为union，若union包含在from子句的子查询中，外层select将被标记为：derived
- union result：从union表获取结果的select
partitions
表所使用的分区，如果要统计十年公司订单的金额，可以把数据分为十个区，每一年代表一个区。这样可以大大的提高查询效率。
type
这是一个非常重要的参数，连接类型，常见的有：all , index , range , ref , eq_ref , const , system , null 八个级别。
性能从最优到最差的排序：system > const > eq_ref > ref >
range
> index > all
- all：（full table scan）全表扫描无疑是最差，若是百万千万级数据量，全表扫描会非常慢。
- index：（full index scan）全索引文件扫描比all好很多，毕竟从索引树中找数据，比从全表中找数据要快。
-
range：只检索给定范围的行，使用索引来匹配行。范围缩小了，当然比全表扫描和全索引文件扫描要快。sql语句中一般会有between，in，>，< 等查询。
若保证查询至少达到range级别或者最好能达到ref
- ref：非唯一性索引扫描，本质上也是一种索引访问，返回所有匹配某个单独值的行。比如查询公司所有属于研发团队的同事，匹配的结果是多个并非唯一值。
- eq_ref：唯一性索引扫描，对于每个索引键，表中有一条记录与之匹配。比如查询公司的CEO，匹配的结果只可能是一条记录，
- const：表示通过索引一次就可以找到，const用于比较primary key 或者unique索引。因为只匹配一行数据，所以很快，若将主键至于where列表中，MySQL就能将该查询转换为一个常量。
- system：表只有一条记录（等于系统表），这是const类型的特列，平时不会出现，了解即可
possible_keys：显示查询语句可能用到的索引(一个或多个或为null)，不一定被查询实际使用。仅供参考使用。
key：显示查询语句实际使用的索引。若为null，则表示没有使用索引。
key_len：显示索引中使用的字节数，可通过key_len计算查询中使用的索引长度。在不损失精确性的情况下索引长度越短越好。
key_len 显示的值为索引字段的最可能长度，并非实际使用长度，即key_len是根据表定义计算而得，并不是通过表内检索出的。
ref：显示索引的哪一列或常量被用于查找索引列上的值。
rows：根据表统计信息及索引选用情况，大致估算出找到所需的记录所需要读取的行数，值越大越不好
extra
- Using filesort：说明MySQL会对数据使用一个外部的索引排序，而不是按照表内的索引顺序进行读取。MySQL中无法利用索引完成的排序操作称为“文件排序” 。出现这个就要立刻优化sql。
- Using temporary：使用了临时表保存中间结果，MySQL在对查询结果排序时使用临时表。常见于排序 order by 和 分组查询 group by。出现这个更要立刻优化sql。
- Using index：表示相应的select 操作中使用了覆盖索引（Covering index），避免访问了表的数据行，效果不错！如果同时出现Using where，表明索引被用来执行索引键值的查找。如果没有同时出现Using where，表示索引用来读取数据而非执行查找动作。
- 覆盖索引（Covering Index） ：也叫索引覆盖，就是select 的数据列只用从索引中就能够取得，不必读取数据行，MySQL可以利用索引返回select 列表中的字段，而不必根据索引再次读取数据文件。
- Using index condition：在5.6版本后加入的新特性，优化器会在索引存在的情况下，通过符合RANGE范围的条数 和 总数的比例来选择是使用索引还是进行全表遍历。
- Using where：表明使用了where 过滤
- Using join buffer：表明使用了连接缓存
- impossible where：where 语句的值总是false，不可用，不能用来获取任何元素
- distinct：优化distinct操作，在找到第一匹配的元组后即停止找同样值的动作。
filtered
一个百分比的值，和rows 列的值一起使用，可以估计出查询执行计划(QEP)中的前一个表的结果集，从而确定join操作的循环次数。小表驱动大表，减轻连接的次数。
总结：通过explain的参数介绍，我们可以得知:
- 表的读取顺序(id)
- 数据读取操作的操作类型(type)
- 哪些索引被实际使用(key)
- 表之间的引用(ref)
- 每张表有多少行被优化器查询(rows)