MySQL - ANALYZE TABLE 语句

---

---

MySQL ANALYZE 语句分析指定的表。此语句有三种语法：

不带直方图的 ANALYZE TABLE 语句

此语句存储指定表(表)的关键分布分析。以下是此表的语法：

ANALYZE [NO_WRITE_TO_BINLOG | LOCAL]
   TABLE tbl_name [, tbl_name] ...

示例

假设我们已经使用 CREATE 语句在 MySQL 数据库中创建了一个名为 Players 的表，如下所示：

CREATE TABLE Players(
   ID INT,
   First_Name VARCHAR(255),
   Last_Name VARCHAR(255),
   Date_Of_Birth date,
   Place_Of_Birth VARCHAR(255),
   Country VARCHAR(255),
   PRIMARY KEY (ID)
);

现在，我们将使用 INSERT 语句在 Players 表中插入 7 条记录：

Insert into Players values
(1, 'Shikhar', 'Dhawan', DATE('1981-12-05'), 'Delhi', 'India'),
(2, 'Jonathan', 'Trott', DATE('1981-04-22'), 'CapeTown', 'SouthAfrica'),
(3, 'Kumara', 'Sangakkara', DATE('1977-10-27'), 'Matale', 'Srilanka'), 
(4, 'Virat', 'Kohli', DATE('1988-11-05'), 'Delhi', 'India'),
(5, 'Rohit', 'Sharma', DATE('1987-04-30'), 'Nagpur', 'India'),
(6, 'Ravindra', 'Jadeja', DATE('1988-12-06'), 'Nagpur', 'India'),
(7, 'James', 'Anderson', DATE('1982-06-30'), 'Burnley', 'England');

以下语句分析上面创建的表：

ANALYZE TABLE Players;

输出

以下是上述程序的输出：

表	操作	消息类型	消息文本
mydb.players	分析	状态	OK

带 UPDATE HISTOGRAM 的 ANALYZE TABLE 语句

此语句存储指定表所需列的直方图统计信息，并将它们存储在数据字典中。以下是此表的语法：

ANALYZE [NO_WRITE_TO_BINLOG | LOCAL]
TABLE tbl_name
UPDATE HISTOGRAM ON col_name [, col_name] ...
[WITH N BUCKETS]

示例

以下查询使用带有 UPDATE HISTOGRAM 的 ANALYZE TABLE 语句分析上面创建的 Players 表。

ANALYZE TABLE Players UPDATE HISTOGRAM ON First_Name, Last_Name;

输出

上述 mysql 查询产生以下输出：

表	操作	消息类型	消息文本
mydb.players	直方图	状态	为 'First_Name' 列创建直方图统计信息。
mydb.players	直方图	状态	为 'Last_Name' 列创建直方图统计信息。

带 DROP HISTOGRAM 的 ANALYZE TABLE 语句

此语句从数据字典中删除指定表列的直方图统计信息。以下是此表的语法：

ANALYZE [NO_WRITE_TO_BINLOG | LOCAL]
TABLE tbl_name
DROP HISTOGRAM ON col_name [, col_name] ...

示例

以下查询是带有 DROP HISTOGRAM 的 ANALYZE TABLE 语句的示例：

ANALYZE TABLE Players DROP HISTOGRAM ON First_Name, Last_Name;

输出

以下是上述 mysql 查询的输出：

表	操作	消息类型	消息文本
mydb.players	直方图	状态	已删除 'First_Name' 列的直方图统计信息。
mydb.players	直方图	状态	已删除 'Last_Name' 列的直方图统计信息。

分析多个表

您还可以分析多个表并使用 ANALYZE TABLE 语句获取结果。

示例

假设我们创建了三个新表，如下所示：

CREATE TABLE Test1(ID INT, Name VARCHAR(255));
CREATE TABLE Test2(ID INT, Name VARCHAR(255));
CREATE TABLE Test3(ID INT, Name VARCHAR(255));

以下查询分析所有这些表并显示结果：

ANALYZE TABLE Test1, Test2, Test3;

输出

上述 mysql 查询将产生以下输出：

表	操作	消息类型	消息文本
mydb.test1	分析	状态	OK
mydb.test2	分析	状态	OK
mydb.test3	分析	状态	OK

带有 EXPLAIN 的 ANALYZE 语句

如果与 ANALYZE 一起使用，EXPLAIN 语句将提供其他信息，例如执行时间和基于迭代器的信息，例如：

• 估计执行成本。
• 估计返回的行数。
• 返回第一行的时间。
• 返回所有行的时间（实际成本），以毫秒为单位。
• 迭代器返回的行数。
• 循环次数。

示例

假设我们创建了一个名为 EMPLOYEE 的表，并向其中填充了数据，如下所示：

CREATE TABLE EMPLOYEE(
   ID INT NOT NULL,
   FIRST_NAME CHAR(20) NOT NULL,
   LAST_NAME CHAR(20),
   AGE INT,
   SEX CHAR(1),
   INCOME FLOAT,
   CONTACT INT
);

现在，让我们尝试向 EMPLOYEE 表中插入一些记录：

INSERT INTO Employee VALUES
(101, 'Ramya', 'Rama Priya', 27, 'F', 9000, 101),
(102, 'Vinay', 'Bhattacharya', 20, 'M', 6000, 102);

而且，如果我们创建了另一个表并填充了它，如下所示：

CREATE TABLE CONTACT(
   ID INT NOT NULL,
   EMAIL CHAR(20) NOT NULL,
   PHONE LONG,
   CITY CHAR(20)
);

让我们尝试使用 INSERT 语句向 CONTACT 表中插入一些记录：

INSERT INTO CONTACT (ID, EMAIL, CITY) VALUES
(101, 'ramya@mymail.com', 'Hyderabad'),
(102, 'vinay@mymail.com', 'Vishakhapatnam');

以下查询从上面创建的表中删除记录：

SELECT * FROM EMPLOYEE INNER JOIN CONTACT ON 
CONTACT.id = EMPLOYEE.id\G;

输出

以下是上述查询的输出：

************ 1. row ************
        ID: 101
FIRST_NAME: Ramya
 LAST_NAME: Rama Priya
       AGE: 27
       SEX: F
    INCOME: 9000
   CONTACT: 101
        ID: 101
     EMAIL: ramya@mymail.com
     PHONE: NULL
      CITY: Hyderabad
************ 2. row ************
        ID: 102
FIRST_NAME: Vinay
 LAST_NAME: Bhattacharya
       AGE: 20
       SEX: M
    INCOME: 6000
   CONTACT: 102
        ID: 102
     EMAIL: vinay@mymail.com
     PHONE: NULL
      CITY: Vishakhapatnam

以下 EXPLAIN 语句显示有关上述查询的信息：

EXPLAIN ANALYZE SELECT * FROM EMPLOYEE INNER JOIN CONTACT ON 
CONTACT.id = EMPLOYEE.id\G;
EXPLAIN ANALYZE SELECT * FROM EMPLOYEE INNER JOIN CONTACT ON 
CONTACT.id = EMPLOYEE.id\G;

输出

以下是输出：

*************************** 1. row ***************************
EXPLAIN: -> Inner hash join (contact.ID = employee.ID) 
(cost=1.10 rows=2) (actual time=0.086..0.091 rows=2 loops=1)
   -> Table scan on CONTACT (cost=0.18 rows=2) 
   (actual time=0.008..0.011 rows=2 loops=1)
   -> Hash
      -> Table scan on EMPLOYEE (cost=0.45 rows=2) 
	  (actual time=0.043..0.051 rows=2 loops=1)

1 row in set (0.00 sec)