一次搞定五種數(shù)據(jù)庫(kù)SQL執(zhí)行計(jì)劃
執(zhí)行計(jì)劃（execution plan，也叫查詢計(jì)劃或者解釋計(jì)劃）是數(shù)據(jù)庫(kù)執(zhí)行 SQL 語(yǔ)句的具體步驟，例如通過(guò)索引還是全表掃描訪問(wèn)表中的數(shù)據(jù)，連接查詢的實(shí)現(xiàn)方式和連接的順序等。如果 SQL 語(yǔ)句性能不夠理想，我們首先應(yīng)該查看它的執(zhí)行計(jì)劃。
本文主要介紹如何在各種數(shù)據(jù)庫(kù)中獲取和理解執(zhí)行計(jì)劃，并給出進(jìn)一步深入分析的參考文檔。
我們先給出在各種數(shù)據(jù)庫(kù)中查看執(zhí)行計(jì)劃的一個(gè)簡(jiǎn)單匯總：
MySQL 執(zhí)行計(jì)劃
MySQL 中獲取執(zhí)行計(jì)劃的方法很簡(jiǎn)單，就是在 SQL 語(yǔ)句的前面加上 EXPLAIN 關(guān)鍵字：
EXPLAIN
SELECT e.first_name,e.last_name,e.salary,d.department_name
FROM employees e
JOIN departments d ON (e.department_id = d.department_id)
WHERE e.salary > 15000;執(zhí)行該語(yǔ)句將會(huì)返回一個(gè)表格形式的執(zhí)行計(jì)劃，包含了 12 列信息：
id|select_type|table|partitions|type |possible_keys |key |key_len|ref |rows|filtered|Extra |
--|-----------|-----|----------|------|-----------------|-------|-------|--------------------|----|--------|-----------|
1|SIMPLE |e | |ALL |emp_department_ix| | | | 107| 33.33|Using where|
1|SIMPLE |d | |eq_ref|PRIMARY |PRIMARY|4 |hrdb.e.department_id| 1| 100| |MySQL 中的 EXPLAIN 支持 SELECT、DELETE、INSERT、REPLACE 以及 UPDATE 語(yǔ)句。
接下來(lái)，我們要做的就是理解執(zhí)行計(jì)劃中這些字段的含義。下表列出了 MySQL 執(zhí)行計(jì)劃中的各個(gè)字段的作用：
列名 | 作用 |
id | 語(yǔ)句中 SELECT 的序號(hào)。如果是 UNION 操作的結(jié)果，顯示為 NULL；此時(shí) table 列顯示為 <unionM,N>。 |
select_type | SELECT 的類(lèi)型，包括： - SIMPLE，不涉及 UNION 或者子查詢的簡(jiǎn)單查詢； - PRIMARY，最外層 SELECT； - UNION，UNION 中第二個(gè)或之后的 SELECT； - DEPENDENT UNION，UNION 中第二個(gè)或之后的 SELECT，該 SELECT 依賴于外部查詢； - UNION RESULT，UNION 操作的結(jié)果； - SUBQUERY，子查詢中的第一個(gè) SELECT； - DEPENDENT SUBQUERY，子查詢中的第一個(gè) SELECT，該 SELECT 依賴于外部查詢； - DERIVED，派生表，即 FROM 中的子查詢； - DEPENDENT DERIVED，依賴于其他表的派生表； - MATERIALIZED，物化子查詢； - UNCACHEABLE SUBQUERY，無(wú)法緩存結(jié)果的子查詢，對(duì)于外部表中的每一行都需要重新查詢； - UNION 中第二個(gè)或之后的 SELECT，該 UNION屬于 UNCACHEABLE SUBQUERY。 |
table | 數(shù)據(jù)行的來(lái)源表，也有可能是以下值之一： - <unionM,N>，id 為 M 和 N 的 SELECT 并集運(yùn)算的結(jié)果； - <derivedN>，id 為 N 的派生表的結(jié)果； - <subqueryN>，id 為 N 的物化子查詢的結(jié)果。 |
partitions | 對(duì)于分區(qū)表而言，表示數(shù)據(jù)行所在的分區(qū)；普通表顯示為 NULL。 |
type | 連接類(lèi)型或者訪問(wèn)類(lèi)型，性能從好到差依次為： - system，表中只有一行數(shù)據(jù)，這是 const 類(lèi)型的特殊情況； - const，最多返回一條匹配的數(shù)據(jù)，在查詢的最開(kāi)始讀取； - eq_ref，對(duì)于前面的每一行，從該表中讀取一行數(shù)據(jù)； - ref，對(duì)于前面的每一行，從該表中讀取匹配索引值的所有數(shù)據(jù)行； - fulltext，通過(guò) FULLTEXT 索引查找數(shù)據(jù)； - ref_or_null，與 ref 類(lèi)似，額外加上 NULL 值查找； - index_merge，使用索引合并優(yōu)化技術(shù)，此時(shí) key 列顯示使用的所有索引； - unique_subquery，替代以下情況時(shí)的 eq_ref：value IN (SELECT primary_key FROM single_table WHERE some_expr)； - index_subquery，與 unique_subquery 類(lèi)似，用于子查詢中的非唯一索引：value IN (SELECT key_column FROM single_table WHERE some_expr)； - range，使用索引查找范圍值； - index，與 ALL 類(lèi)型相同，只不過(guò)掃描的是索引； - ALL，全表掃描，通常表示存在性能問(wèn)題 |
possible_keys | 可能用到的索引，實(shí)際上不一定使用。 |
key | 實(shí)際使用的索引。 |
key_len | 實(shí)際使用的索引的長(zhǎng)度。 |
ref | 用于和 key 中的索引進(jìn)行比較的字段或者常量，從而判斷是否返回?cái)?shù)據(jù)行。 |
rows | 執(zhí)行查詢需要檢查的行數(shù)，對(duì)于 InnoDB 是一個(gè)估計(jì)值。 |
filtered | 根據(jù)查詢條件過(guò)濾之后行數(shù)百分比，rows × filtered 表示進(jìn)入下一步處理的行數(shù)。 |
Extra | 包含了額外的信息。例如 Using temporary 表示使用了臨時(shí)表，Using filesort 表示需要額外的排序操作等。 |
對(duì)于上面的示例，只有一個(gè) SELECT 子句，id 都為 1；首先對(duì) employees 表執(zhí)行全表掃描（type = ALL），處理了 107 行數(shù)據(jù)，使用 WHERE 條件過(guò)濾后預(yù)計(jì)剩下 33.33% 的數(shù)據(jù)（估計(jì)不準(zhǔn)確）；然后針對(duì)這些數(shù)據(jù)，依次使用 departments 表的主鍵（key = PRIMARY）查找一行匹配的數(shù)據(jù)（type = eq_ref、rows = 1）。
使用 MySQL 8.0 新增的 ANALYZE 選項(xiàng)可以顯示實(shí)際執(zhí)行時(shí)間等額外的信息：
EXPLAIN ANALYZE
SELECT e.first_name,e.last_name,e.salary,d.department_name
FROM employees e
JOIN departments d ON (e.department_id = d.department_id)
WHERE e.salary > 15000;
-> Nested loop inner join (cost=23.43 rows=36) (actual time=0.325..1.287 rows=3 loops=1)
-> Filter: ((e.salary > 15000.00) and (e.department_id is not null)) (cost=10.95 rows=36) (actual time=0.281..1.194 rows=3 loops=1)
-> Table scan on e (cost=10.95 rows=107) (actual time=0.266..0.716 rows=107 loops=1)
-> Single-row index lookup on d using PRIMARY (department_id=e.department_id) (cost=0.25 rows=1) (actual time=0.013..0.015 rows=1 loops=3)其中，Nested loop inner join 表示使用嵌套循環(huán)連接的方式連接兩個(gè)表，employees 為驅(qū)動(dòng)表。cost 表示估算的代價(jià)，rows 表示估計(jì)返回的行數(shù)；actual time 顯示了返回第一行和所有數(shù)據(jù)行花費(fèi)的實(shí)際時(shí)間，后面的 rows 表示迭代器返回的行數(shù)，loops 表示迭代器循環(huán)的次數(shù)。
Oracle 執(zhí)行計(jì)劃
Oracle 中提供了多種查看執(zhí)行計(jì)劃的方法，本文使用以下方式：
- 使用 EXPLAIN PLAN FOR 命令生成并保存執(zhí)行計(jì)劃；
- 顯示保存的執(zhí)行計(jì)劃。
首先，生成執(zhí)行計(jì)劃：
EXPLAIN PLAN FOR
SELECT e.first_name,e.last_name,e.salary,d.department_name
FROM employees e
JOIN departments d ON (e.department_id = d.department_id)
WHERE e.salary > 15000;EXPLAIN PLAN FOR 命令不會(huì)運(yùn)行 SQL 語(yǔ)句，因此創(chuàng)建的執(zhí)行計(jì)劃不一定與執(zhí)行該語(yǔ)句時(shí)的實(shí)際計(jì)劃相同。
該命令會(huì)將生成的執(zhí)行計(jì)劃保存到全局的臨時(shí)表 PLAN_TABLE 中，然后使用系統(tǒng)包 DBMS_XPLAN 中的存儲(chǔ)過(guò)程格式化顯示該表中的執(zhí)行計(jì)劃。以下語(yǔ)句可以查看當(dāng)前會(huì)話中的最后一個(gè)執(zhí)行計(jì)劃：
SELECT * FROM TABLE(DBMS_XPLAN.display);
PLAN_TABLE_OUTPUT |
--------------------------------------------------------------------------------------------|
Plan hash value: 1343509718 |
|
--------------------------------------------------------------------------------------------|
| Id | Operation | Name | Rows | Bytes | Cost (%CPU)| Time ||
--------------------------------------------------------------------------------------------|
| 0 | SELECT STATEMENT | | 44 | 1672 | 6 (17)| 00:00:01 ||
| 1 | MERGE JOIN | | 44 | 1672 | 6 (17)| 00:00:01 ||
| 2 | TABLE ACCESS BY INDEX ROWID| DEPARTMENTS | 27 | 432 | 2 (0)| 00:00:01 ||
| 3 | INDEX FULL SCAN | DEPT_ID_PK | 27 | | 1 (0)| 00:00:01 ||
|* 4 | SORT JOIN | | 44 | 968 | 4 (25)| 00:00:01 ||
|* 5 | TABLE ACCESS FULL | EMPLOYEES | 44 | 968 | 3 (0)| 00:00:01 ||
--------------------------------------------------------------------------------------------|
|
Predicate Information (identified by operation id): |
--------------------------------------------------- |
|
4 - access("E"."DEPARTMENT_ID"="D"."DEPARTMENT_ID") |
filter("E"."DEPARTMENT_ID"="D"."DEPARTMENT_ID") |
5 - filter("E"."SALARY">15000) |Oracle 中的 EXPLAIN PLAN FOR 支持 SELECT、UPDATE、INSERT 以及 DELETE 語(yǔ)句。
接下來(lái)，我們同樣需要理解執(zhí)行計(jì)劃中各種信息的含義：
- Plan hash value 是該語(yǔ)句的哈希值。SQL 語(yǔ)句和執(zhí)行計(jì)劃會(huì)存儲(chǔ)在庫(kù)緩存中，哈希值相同的語(yǔ)句可以重用已有的執(zhí)行計(jì)劃，也就是軟解析；
- Id 是一個(gè)序號(hào)，但不代表執(zhí)行的順序。執(zhí)行的順序按照縮進(jìn)來(lái)判斷，縮進(jìn)越多的越先執(zhí)行，同樣縮進(jìn)的從上至下執(zhí)行。Id 前面的星號(hào)表示使用了謂詞判斷，參考下面的 Predicate Information；
- Operation 表示當(dāng)前的操作，也就是如何訪問(wèn)表的數(shù)據(jù)、如何實(shí)現(xiàn)表的連接、如何進(jìn)行排序操作等；
- Name 顯示了訪問(wèn)的表名、索引名或者子查詢等，前提是當(dāng)前操作涉及到了這些對(duì)象；
- Rows 是 Oracle 估計(jì)的當(dāng)前操作返回的行數(shù)，也叫基數(shù)（Cardinality）；
- Bytes 是 Oracle 估計(jì)的當(dāng)前操作涉及的數(shù)據(jù)量
- Cost (%CPU) 是 Oracle 計(jì)算執(zhí)行該操作所需的代價(jià)；
- Time 是 Oracle 估計(jì)執(zhí)行該操作所需的時(shí)間；
- Predicate Information 顯示與 Id 相關(guān)的謂詞信息。access 是訪問(wèn)條件，影響到數(shù)據(jù)的訪問(wèn)方式（掃描表還是通過(guò)索引）；filter 是過(guò)濾條件，獲取數(shù)據(jù)后根據(jù)該條件進(jìn)行過(guò)濾。
在上面的示例中，Id 的執(zhí)行順序依次為 3 -> 2 -> 5 -> 4- >1。首先，Id = 3 掃描主鍵索引 DEPT_ID_PK，Id = 2 按主鍵 ROWID 訪問(wèn)表 DEPARTMENTS，結(jié)果已經(jīng)排序；其次，Id = 5 全表掃描訪問(wèn) EMPLOYEES 并且利用 filter 過(guò)濾數(shù)據(jù)，Id = 4 基于部門(mén)編號(hào)進(jìn)行排序和過(guò)濾；最后 Id = 1 執(zhí)行合并連接。顯然，此處 Oracle 選擇了排序合并連接的方式實(shí)現(xiàn)兩個(gè)表的連接。
SQL Server 執(zhí)行計(jì)劃
SQL Server Management Studio 提供了查看圖形化執(zhí)行計(jì)劃的簡(jiǎn)單方法，這里我們介紹一種通過(guò)命令查看的方法：
SET STATISTICS PROFILE ON以上命令可以打開(kāi) SQL Server 語(yǔ)句的分析功能，打開(kāi)之后執(zhí)行的語(yǔ)句會(huì)額外返回相應(yīng)的執(zhí)行計(jì)劃：
SELECT e.first_name,e.last_name,e.salary,d.department_name
FROM employees e
JOIN departments d ON (e.department_id = d.department_id)
WHERE e.salary > 15000;
first_name|last_name|salary |department_name|
----------|---------|--------|---------------|
Steven |King |24000.00|Executive |
Neena |Kochhar |17000.00|Executive |
Lex |De Haan |17000.00|Executive |
Rows|Executes|StmtText |StmtId|NodeId|Parent|PhysicalOp |LogicalOp |Argument |DefinedValues |EstimateRows|EstimateIO |EstimateCPU|AvgRowSize|TotalSubtreeCost|OutputList |Warnings|Type |Parallel|EstimateExecutions|
----|--------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|------|------|------|--------------------|--------------------|-------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------|------------|------------|-----------|----------|----------------|----------------------------------------------------------------------|--------|--------|--------|------------------|
3| 1|SELECT e.first_name,e.last_name,e.salary,d.department_name? FROM employees e? JOIN departments d ON (e.department_id = d.department_id)? WHERE e.salary > 15000 | 1| 1| 0| | | | | 2.9719627| | | | 0.007803641| | |SELECT | 0| |
3| 1| |--Nested Loops(Inner Join, OUTER REFERENCES:([e].[department_id])) | 1| 2| 1|Nested Loops |Inner Join |OUTER REFERENCES:([e].[department_id]) | | 2.9719627| 0| 0| 57| 0.007803641|[e].[first_name], [e].[last_name], [e].[salary], [d].[department_name]| |PLAN_ROW| 0| 1|
3| 1| |--Clustered Index Scan(OBJECT:([hrdb].[dbo].[employees].[emp_emp_id_pk] AS [e]), WHERE:([hrdb].[dbo].[employees].[salary] as [e].[salary]>(15000.00))) | 1| 3| 2|Clustered Index Scan|Clustered Index Scan|OBJECT:([hrdb].[dbo].[employees].[emp_emp_id_pk] AS [e]), WHERE:([hrdb].[dbo].[employees].[salary] as [e].[salary]>(15000.00)) |[e].[first_name], [e].[last_name], [e].[salary], [e].[department_id]| 3|0.0038657407| 2.747E-4| 44| 0.004140441|[e].[first_name], [e].[last_name], [e].[salary], [e].[department_id] | |PLAN_ROW| 0| 1|
3| 3| |--Clustered Index Seek(OBJECT:([hrdb].[dbo].[departments].[dept_id_pk] AS [d]), SEEK:([d].[department_id]=[hrdb].[dbo].[employees].[department_id] as [e].[department_id]) ORDERED FORWARD)| 1| 4| 2|Clustered Index Seek|Clustered Index Seek|OBJECT:([hrdb].[dbo].[departments].[dept_id_pk] AS [d]), SEEK:([d].[department_id]=[hrdb].[dbo].[employees].[department_id] as [e].[department_id]) ORDERED FORWARD|[d].[department_name] | 1| 0.003125| 1.581E-4| 26| 0.0035993|[d].[department_name] | |PLAN_ROW| 0| 3|SQL Server 中的執(zhí)行計(jì)劃支持 SELECT、INSERT、UPDATE、DELETE 以及 EXECUTE 語(yǔ)句。
SQL Server 執(zhí)行計(jì)劃各個(gè)步驟的執(zhí)行順序按照縮進(jìn)來(lái)判斷，縮進(jìn)越多的越先執(zhí)行，同樣縮進(jìn)的從上至下執(zhí)行。接下來(lái)，我們需要理解執(zhí)行計(jì)劃中各種信息的含義：
- Rows 表示該步驟實(shí)際產(chǎn)生的記錄數(shù)；
- Executes 表示該步驟實(shí)際被執(zhí)行的次數(shù)；
- StmtText 包含了每個(gè)步驟的具體描述，也就是如何訪問(wèn)和過(guò)濾表的數(shù)據(jù)、如何實(shí)現(xiàn)表的連接、如何進(jìn)行排序操作等；
- StmtId，該語(yǔ)句的編號(hào)；
- NodeId，當(dāng)前操作步驟的節(jié)點(diǎn)號(hào)，不代表執(zhí)行順序；
- Parent，當(dāng)前操作步驟的父節(jié)點(diǎn)，先執(zhí)行子節(jié)點(diǎn)，再執(zhí)行父節(jié)點(diǎn)；
- PhysicalOp，物理操作，例如連接操作的嵌套循環(huán)實(shí)現(xiàn)；
- LogicalOp，邏輯操作，例如內(nèi)連接操作；
- Argument，操作使用的參數(shù)；
- DefinedValues，定義的變量值；
- EstimateRows，估計(jì)返回的行數(shù)；
- EstimateIO，估計(jì)的 IO 成本；
- EstimateCPU，估計(jì)的 CPU 成本；
- AvgRowSize，平均返回的行大??；
- TotalSubtreeCost，當(dāng)前節(jié)點(diǎn)累計(jì)的成本；
- OutputList，當(dāng)前節(jié)點(diǎn)輸出的字段列表；
- Warnings，預(yù)估得到的警告信息；
- Type，當(dāng)前操作步驟的類(lèi)型；
- Parallel，是否并行執(zhí)行；
- EstimateExecutions，該步驟預(yù)計(jì)被執(zhí)行的次數(shù)。
對(duì)于上面的語(yǔ)句，節(jié)點(diǎn)執(zhí)行的順序?yàn)?3 -> 4 -> 2 -> 1。首先執(zhí)行第 3 行，通過(guò)聚集索引（主鍵）掃描 employees 表加過(guò)濾的方式返回了 3 行數(shù)據(jù)，估計(jì)的行數(shù)（3.0841121673583984）與此非常接近；然后執(zhí)行第 4 行，循環(huán)使用聚集索引的方式查找 departments 表，循環(huán) 3 次每次返回 1 行數(shù)據(jù)；第 2 行是它們的父節(jié)點(diǎn)，表示使用 Nested Loops 方式實(shí)現(xiàn) Inner Join，Argument 列（OUTER REFERENCES:([e].[department_id])）說(shuō)明驅(qū)動(dòng)表為 employees ；第 1 行代表了整個(gè)查詢，不執(zhí)行實(shí)際操作。
最后，可以使用以下命令關(guān)閉語(yǔ)句的分析功能：
SET STATISTICS PROFILE OFFPostgreSQL 執(zhí)行計(jì)劃
PostgreSQL 中獲取執(zhí)行計(jì)劃的方法與 MySQL 類(lèi)似，也就是在 SQL 語(yǔ)句的前面加上 EXPLAIN 關(guān)鍵字：
EXPLAIN
SELECT e.first_name,e.last_name,e.salary,d.department_name
FROM employees e
JOIN departments d ON (e.department_id = d.department_id)
WHERE e.salary > 15000;
QUERY PLAN |
----------------------------------------------------------------------|
Hash Join (cost=3.38..4.84 rows=3 width=29) |
Hash Cond: (d.department_id = e.department_id) |
-> Seq Scan on departments d (cost=0.00..1.27 rows=27 width=15) |
-> Hash (cost=3.34..3.34 rows=3 width=22) |
-> Seq Scan on employees e (cost=0.00..3.34 rows=3 width=22)|
Filter: (salary > '15000'::numeric) |PostgreSQL 中的 EXPLAIN 支持 SELECT、INSERT、UPDATE、DELETE、VALUES、EXECUTE、DECLARE、CREATE TABLE AS 以及 CREATE MATERIALIZED VIEW AS 語(yǔ)句。
PostgreSQL 執(zhí)行計(jì)劃的順序按照縮進(jìn)來(lái)判斷，縮進(jìn)越多的越先執(zhí)行，同樣縮進(jìn)的從上至下執(zhí)行。
對(duì)于以上示例，首先對(duì) employees 表執(zhí)行全表掃描（Seq Scan），使用 salary > 15000 作為過(guò)濾條件；cost 分別顯示了預(yù)估的返回第一行的成本（0.00）和返回所有行的成本（3.34）；rows 表示預(yù)估返回的行數(shù)；width 表示預(yù)估返回行的大?。▎挝?Byte）。然后將掃描結(jié)果放入到內(nèi)存哈希表中，兩個(gè) cost 都等于 3.34，因?yàn)槭窃趻呙柰晁袛?shù)據(jù)后一次性計(jì)算并存入哈希表。接下來(lái)掃描 departments 并且根據(jù) department_id 計(jì)算哈希值，然后和前面的哈希表進(jìn)行匹配（d.department_id = e.department_id）。最上面的一行表明數(shù)據(jù)庫(kù)采用的是 Hash Join 實(shí)現(xiàn)連接操作。
PostgreSQL 中的 EXPLAIN 也可以使用 ANALYZE 選項(xiàng)顯示語(yǔ)句的實(shí)際運(yùn)行時(shí)間和更多信息：
EXPLAIN ANALYZE
SELECT e.first_name,e.last_name,e.salary,d.department_name
FROM employees e
JOIN departments d ON (e.department_id = d.department_id)
WHERE e.salary > 15000;
QUERY PLAN |
----------------------------------------------------------------------------------------------------------------|
Hash Join (cost=3.38..4.84 rows=3 width=29) (actual time=0.347..0.382 rows=3 loops=1) |
Hash Cond: (d.department_id = e.department_id) |
-> Seq Scan on departments d (cost=0.00..1.27 rows=27 width=15) (actual time=0.020..0.037 rows=27 loops=1) |
-> Hash (cost=3.34..3.34 rows=3 width=22) (actual time=0.291..0.292 rows=3 loops=1) |
Buckets: 1024 Batches: 1 Memory Usage: 9kB |
-> Seq Scan on employees e (cost=0.00..3.34 rows=3 width=22) (actual time=0.034..0.280 rows=3 loops=1)|
Filter: (salary > '15000'::numeric) |
Rows Removed by Filter: 104 |
Planning Time: 1.053 ms |
Execution Time: 0.553 ms |EXPLAIN ANALYZE 通過(guò)執(zhí)行語(yǔ)句獲得了更多的信息。其中，actual time 是每次迭代實(shí)際花費(fèi)的平均時(shí)間（ms），也分為啟動(dòng)時(shí)間和完成時(shí)間；loops 表示迭代次數(shù)；Hash 操作還會(huì)顯示桶數(shù)（Buckets）、分批數(shù)量（Batches）以及占用的內(nèi)存（Memory Usage），Batches 大于 1 意味著需要使用到磁盤(pán)的臨時(shí)存儲(chǔ)；Planning Time 是生成執(zhí)行計(jì)劃的時(shí)間；Execution Time 是執(zhí)行語(yǔ)句的實(shí)際時(shí)間，不包括 Planning Time。
SQLite 執(zhí)行計(jì)劃
SQLite 也提供了 EXPLAIN QUERY PLAN 命令，用于獲取 SQL 語(yǔ)句的執(zhí)行計(jì)劃：
sqlite> EXPLAIN QUERY PLAN
...> SELECT e.first_name,e.last_name,e.salary,d.department_name
...> FROM employees e
...> JOIN departments d ON (e.department_id = d.department_id)
...> WHERE e.salary > 15000;
QUERY PLAN
|--SCAN TABLE employees AS e
`--SEARCH TABLE departments AS d USING INTEGER PRIMARY KEY (rowid=?)SQLite 中的 EXPLAIN QUERY PLAN 支持 SELECT、INSERT、UPDATE、DELETE 等語(yǔ)句。
SQLite 執(zhí)行計(jì)劃同樣按照縮進(jìn)來(lái)顯示，縮進(jìn)越多的越先執(zhí)行，同樣縮進(jìn)的從上至下執(zhí)行。以上示例先掃描 employees 表，然后針對(duì)該結(jié)果依次通過(guò)主鍵查找 departments 中的數(shù)據(jù)。SQLite 只支持一種連接實(shí)現(xiàn)，也就是 nested loops join。
另外，SQLite 中的簡(jiǎn)單 EXPLAIN 也可以用于顯示執(zhí)行該語(yǔ)句的虛擬機(jī)指令序列：
sqlite> EXPLAIN
...> SELECT e.first_name,e.last_name,e.salary,d.department_name
...> FROM employees e
...> JOIN departments d ON (e.department_id = d.department_id)
...> WHERE e.salary > 15000;
addr opcode p1 p2 p3 p4 p5 comment
---- ------------- ---- ---- ---- ------------- -- -------------
0 Init 0 15 0 00 Start at 15
1 OpenRead 0 5 0 11 00 root=5 iDb=0; employees
2 OpenRead 1 2 0 2 00 root=2 iDb=0; departments
3 Rewind 0 14 0 00
4 Column 0 7 1 00 r[1]=employees.salary
5 Le 2 13 1 (BINARY) 53 if r[1]<=r[2] goto 13
6 Column 0 10 3 00 r[3]=employees.department_id
7 SeekRowid 1 13 3 00 intkey=r[3]
8 Column 0 1 4 00 r[4]=employees.first_name
9 Column 0 2 5 00 r[5]=employees.last_name
10 Column 0 7 6 00 r[6]=employees.salary
11 Column 1 1 7 00 r[7]=departments.department_name
12 ResultRow 4 4 0 00 output=r[4..7]
13 Next 0 4 0 01
14 Halt 0 0 0 00
15 Transaction 0 0 8 0 01 usesStmtJournal=0
16 Integer 15000 2 0 00 r[2]=15000
17 Goto 0 1 0 00
