MySQL的HINT功能

bisal的个人杂货铺 2025-05-07

208

点击标题下「蓝色微信名」可快速关注

Oracle数据库SQL调优可能会用到HINT这个功能，MySQL 8.0中新增了HINT模式，技术社群的这篇文章《新特性解读 | MySQL 8.0 新增 HINT 模式》给我们进行了相关讲解，可以借鉴下。

在开始演示之前，我们先介绍下两个概念。

概念一，数据的可选择性基数，也就是常说的cardinality值。

查询优化器在生成各种执行计划之前，得先从统计信息中取得相关数据，这样才能估算每步操作所涉及到的记录数，而这个相关数据就是cardinality。简单来说，就是每个值在每个字段中的唯一值分布状态。

比如表t1有100行记录，其中一列为f1。f1中唯一值的个数可以是100个，也可以是1个，当然也可以是1到100之间的任何一个数字。这里唯一值越的多少，就是这个列的可选择基数。

那看到这里我们就明白了，为什么要在基数高的字段上建立索引，而基数低的的字段建立索引反而没有全表扫描来的快。当然这个只是一方面，至于更深入的探讨就不在我这篇探讨的范围了。

概念二，关于HINT的使用。

这里我来说下HINT是什么，在什么时候用。

HINT简单来说就是在某些特定的场景下人工协助MySQL优化器的工作，使她生成最优的执行计划。一般来说，优化器的执行计划都是最优化的，不过在某些特定场景下，执行计划可能不是最优化。

比如：表t1经过大量的频繁更新操作，（UPDATE,DELETE,INSERT），cardinality已经很不准确了，这时候刚好执行了一条SQL，那么有可能这条SQL的执行计划就不是最优的。为什么说有可能呢？

来看下具体演示，譬如，以下两条SQL，

A：

select*from t1 where f1 =20;

B：

select*from t1 where f1 =30;

如果f1的值刚好频繁更新的值为30，并且没有达到MySQL自动更新cardinality值的临界值或者说用户设置了手动更新又或者用户减少了sample page等等，那么对这两条语句来说，可能不准确的就是B了。

这里顺带说下，MySQL提供了自动更新和手动更新表cardinality值的方法，因篇幅有限，需要的可以查阅手册。

回到正题上，MySQL 8.0 带来了几个HINT，我今天就举个index_merge的例子。

示例表结构：

mysql> desc t1;
+------------+--------------+------+-----+---------+----------------+
|Field|Type|Null|Key|Default|Extra|
+------------+--------------+------+-----+---------+----------------+
| id         |int(11)| NO   | PRI | NULL    | auto_increment |
| rank1      |int(11)| YES  | MUL | NULL    ||
| rank2      |int(11)| YES  | MUL | NULL    ||
| log_time   | datetime     | YES  | MUL | NULL    ||
| prefix_uid | varchar(100)| YES  || NULL    ||
| desc1      | text         | YES  || NULL    ||
| rank3      |int(11)| YES  | MUL | NULL    ||
+------------+--------------+------+-----+---------+----------------+
7 rows inset(0.00 sec)

表记录数：

mysql>select count(*)from t1;
+----------+
| count(*)|
+----------+
|32768|
+----------+
1 row inset(0.01 sec)

这里我们两条经典的SQL：

SQL C：

select*from t1 where rank1 =1or rank2 =2or rank3 =2;

SQL D：

select*from t1 where rank1 =100and rank2 =100and rank3 =100;

表t1实际上在rank1,rank2,rank3三列上分别有一个二级索引。

那我们来看SQL C的查询计划。

显然，没有用到任何索引，扫描的行数为32034，cost为3243.65。

mysql> explain  format=json select*from t1  where rank1 =1or rank2 =2or rank3 =2\G
***************************1. row ***************************
EXPLAIN:{
"query_block":{
"select_id":1,
"cost_info":{
"query_cost":"3243.65"
},
"table":{
"table_name":"t1",
"access_type":"ALL",
"possible_keys":[
"idx_rank1",
"idx_rank2",
"idx_rank3"
],
"rows_examined_per_scan":32034,
"rows_produced_per_join":115,
"filtered":"0.36",
"cost_info":{
"read_cost":"3232.07",
"eval_cost":"11.58",
"prefix_cost":"3243.65",
"data_read_per_join":"49K"
},
"used_columns":[
"id",
"rank1",
"rank2",
"log_time",
"prefix_uid",
"desc1",
"rank3"
],
"attached_condition":"((`ytt`.`t1`.`rank1` = 1) or (`ytt`.`t1`.`rank2` = 2) or (`ytt`.`t1`.`rank3` = 2))"
}
}
}
1 row inset,1 warning (0.00 sec)

我们加上hint给相同的查询，再次看看查询计划。

这个时候用到了index_merge,union了三个列。扫描的行数为1103，cost为441.09，明显比之前的快了好几倍。

mysql> explain  format=json select/*+ index_merge(t1) */*from t1  where rank1 =1or rank2 =2or rank3 =2\G
***************************1. row ***************************
EXPLAIN:{
"query_block":{
"select_id":1,
"cost_info":{
"query_cost":"441.09"
},
"table":{
"table_name":"t1",
"access_type":"index_merge",
"possible_keys":[
"idx_rank1",
"idx_rank2",
"idx_rank3"
],
"key":"union(idx_rank1,idx_rank2,idx_rank3)",
"key_length":"5,5,5",
"rows_examined_per_scan":1103,
"rows_produced_per_join":1103,
"filtered":"100.00",
"cost_info":{
"read_cost":"330.79",
"eval_cost":"110.30",
"prefix_cost":"441.09",
"data_read_per_join":"473K"
},
"used_columns":[
"id",
"rank1",
"rank2",
"log_time",
"prefix_uid",
"desc1",
"rank3"
],
"attached_condition":"((`ytt`.`t1`.`rank1` = 1) or (`ytt`.`t1`.`rank2` = 2) or (`ytt`.`t1`.`rank3` = 2))"
}
}
}
1 row inset,1 warning (0.00 sec)

我们再看下SQL D的计划：

不加HINT，

mysql> explain format=json select*from t1 where rank1 =100and rank2 =100and rank3 =100\G
***************************1. row ***************************
EXPLAIN:{
"query_block":{
"select_id":1,
"cost_info":{
"query_cost":"534.34"
},
"table":{
"table_name":"t1",
"access_type":"ref",
"possible_keys":[
"idx_rank1",
"idx_rank2",
"idx_rank3"
],
"key":"idx_rank1",
"used_key_parts":[
"rank1"
],
"key_length":"5",
"ref":[
"const"
],
"rows_examined_per_scan":555,
"rows_produced_per_join":0,
"filtered":"0.07",
"cost_info":{
"read_cost":"478.84",
"eval_cost":"0.04",
"prefix_cost":"534.34",
"data_read_per_join":"176"
},
"used_columns":[
"id",
"rank1",
"rank2",
"log_time",
"prefix_uid",
"desc1",
"rank3"
],
"attached_condition":"((`ytt`.`t1`.`rank3` = 100) and (`ytt`.`t1`.`rank2` = 100))"
}
}
}
1 row inset,1 warning (0.00 sec)

加了HINT，

mysql> explain format=json select/*+ index_merge(t1)*/*from t1 where rank1 =100and rank2 =100and rank3 =100\G
***************************1. row ***************************
EXPLAIN:{
"query_block":{
"select_id":1,
"cost_info":{
"query_cost":"5.23"
},
"table":{
"table_name":"t1",
"access_type":"index_merge",
"possible_keys":[
"idx_rank1",
"idx_rank2",
"idx_rank3"
],
"key":"intersect(idx_rank1,idx_rank2,idx_rank3)",
"key_length":"5,5,5",
"rows_examined_per_scan":1,
"rows_produced_per_join":1,
"filtered":"100.00",
"cost_info":{
"read_cost":"5.13",
"eval_cost":"0.10",
"prefix_cost":"5.23",
"data_read_per_join":"440"
},
"used_columns":[
"id",
"rank1",
"rank2",
"log_time",
"prefix_uid",
"desc1",
"rank3"
],
"attached_condition":"((`ytt`.`t1`.`rank3` = 100) and (`ytt`.`t1`.`rank2` = 100) and (`ytt`.`t1`.`rank1` = 100))"
}
}
}
1 row inset,1 warning (0.00 sec)