从 MySQL 8.1 开始 EXPLAIN 引入了 INTO 子句，它允许将 EXPLAIN 查询的输出存储在用户变量中，而不是将其返回给客户端。目前仅支持 JSON 格式，但这对于大多数用例来说应该足够了。
作者：Magnus Brevik
原文地址：https://dev.mysql.com/blog-archive/explain-into-and-explain-for-schema-in-mysql-81-and-82/
EXPLAIN INTO
从 MySQL 8.1 开始 EXPLAIN 引入了 INTO 子句，它允许将 EXPLAIN 查询的输出存储在用户变量中，而不是将其返回给客户端。目前仅支持 JSON 格式，但这对于大多数用例来说应该足够了。
EXPLAIN 的输出存储在用户变量之后，就可以将它当成 JSON 对象操作。这使您能够以编程方式直接从 EXPLAIN中提取、操作和存储数据到数据库中。
举个例子：
mysql> SELECT name, quantity FROM orders JOIN items ON orders.item_id = items.id;
+-------------+----------+
| name | quantity |
+-------------+----------+
| Screwdriver | 23 |
| Screwdriver | 1 |
| Locket | 17 |
| Armoire | 42 |
| Armoire | 16 |
+-------------+----------+
如果只对此次查询的开销成本感兴趣，可以先将查询定义为为 @explain_output。
mysql> EXPLAIN FORMAT=JSON INTO @explain_output SELECT name, quantity FROM orders JOIN items ON orders.item_id = items.id;
Query OK, 0 rows affected (0,00 sec)
现在，从这个 EXPLAIN 中得到的唯一输出是“Query OK”。如果我们想查看完整的 EXPLAIN 输出，我们可以选择 @explain_output，但是完整的 JSON 输出会占用很大的空间，而且我只对开销（cost ）感兴趣。为了从 JSON 对象中提取，只需使用 MySQL 的 JSON 函数对指定的 JSON 对象处理即可。
mysql> SELECT JSON_EXTRACT(@explain_output, "$.query_block.cost_info.query_cost") AS query_cost;
+------------+
| query_cost |
+------------+
| "1.60" |
+------------+
EXPLAIN SCHEMA
从 MySQL 8.2 开始 EXPLAIN 引入了 FOR SCHEMA 子句。它允许在当前 SCHEMA 之外的其他 SCHEMA 中执行 EXPLAIN 查询。这使得创建一个存储过程 PROCEDURE 来解释每个 SCHEMA 中最常运行的查询并收集有关它们的统计信息成为可能。
如果当前的 SCHEMA 与我们要查询的表所在的 SCHEMA 不同，我们可以
mysql> USE statistics;
mysql> EXPLAIN FORMAT=TREE FOR SCHEMA customer1 SELECT name, quantity FROM orders JOIN items ON orders.item_id = items.id;
-> Nested loop inner join (cost=2.3 rows=5)
-> Table scan on items (cost=0.55 rows=3)
-> Index lookup on orders using fk_item_id (item_id=items.id) (cost=0.472 rows=1.67)
这对于大多数 EXPLAIN 使用的情况可能不太有用，但是如果我们有多个具有相同表结构的 SCHEMA，并且想要一次性收集所有 SCHEMA 的统计信息，我们可以创建一个存储过程 PROCEDURE 来为我们做到这一点：
DELIMITER |
CREATE PROCEDURE explain_query_for_schema(IN schema_name VARCHAR(64), IN query VARCHAR(1000))
BEGIN
SET @explain_stmt = CONCAT("EXPLAIN FORMAT=JSON INTO @explain_output FOR SCHEMA ", schema_name, " ", query);
PREPARE stmt FROM @explain_stmt;
EXECUTE stmt;
INSERT INTO explain_outputs (schema_name, query, explain_output) VALUES (schema_name, query, @explain_output);
END |
CREATE PROCEDURE explain_query_for_all_schemas(IN query VARCHAR(1000))
BEGIN
DECLARE done BOOLEAN DEFAULT FALSE;
DECLARE schema_name VARCHAR(64);
DECLARE cur_schema_names CURSOR FOR SELECT schema_name_table.schema_name FROM schema_name_table;
DECLARE CONTINUE HANDLER FOR NOT FOUND SET done = TRUE;
OPEN cur_schema_names;
explain_loop: LOOP
FETCH cur_schema_names INTO schema_name;
IF done THEN
LEAVE explain_loop;
END IF;
CALL explain_query_for_schema(schema_name, query);
END LOOP;
CLOSE cur_schema_names;
END |
DELIMITER ;
SET @query = "SELECT name, quantity FROM orders JOIN items ON orders.item_id = items.id";
CALL explain_query_for_all_schemas(@query);
SELECT schema_name, query, JSON_EXTRACT(explain_output, "$.query_block.cost_info.query_cost") AS query_cost, created_at FROM explain_outputs;
+-------------+---------------------------------------------------------------------------+------------+---------------------+
| schema_name | query | query_cost | created_at |
+-------------+---------------------------------------------------------------------------+------------+---------------------+
| customer1 | SELECT name, quantity FROM orders JOIN items ON orders.item_id = items.id | "2.30" | 2023-11-14 20:56:47 |
| customer2 | SELECT name, quantity FROM orders JOIN items ON orders.item_id = items.id | "0.70" | 2023-11-14 20:56:47 |
| customer3 | SELECT name, quantity FROM orders JOIN items ON orders.item_id = items.id | "9.10" | 2023-11-14 20:56:47 |
+-------------+---------------------------------------------------------------------------+------------+---------------------+
就是这样。EXPLAIN 的两个相对简单的扩展乍一看可能并不重要，但使存储过程能够以编程方式处理 EXPLAIN 输出。我们自己将其用于 《使用 MySQL Autopilot Indexing 删除索引猜测值》 这个案例中，其中 EXPLAIN INTO 和 EXPLAIN FOR SCHEMA 对于收集数据以建议更好的索引至关重要。我们希望它对您和我们一样有用。
如果您想了解更多信息，这些都记录在 MySQL EXPLAIN 文档 中。
更多技术文章，请访问：https://opensource.actionsky.com/
关于 SQLE
SQLE 是一款全方位的 SQL 质量管理平台，覆盖开发至生产环境的 SQL 审核和管理。支持主流的开源、商业、国产数据库，为开发和运维提供流程自动化能力，提升上线效率，提高数据质量。