分区裁剪执行计划怎么配置或排查
MySQL 的分区裁剪不是一个需要单独打开的开关。它能否生效,取决于优化器能不能从 WHERE 条件推导出分区键的可能取值,并据此排除不可能命中的分区。按日期做 RANGE 分区时,最稳妥的写法是直接对分区键使用半开区间,再用 EXPLAIN 查看 partitions 列。
官方资料:https://dev.mysql.com/doc/refman/8.4/en/partitioning-pruning.html
- 分区裁剪依赖分区表达式与谓词之间的可推导关系,不等于普通索引命中。
- 日期查询优先写成
>= 起点 AND ,边界清楚且容易覆盖整段时间。 EXPLAIN的partitions显示候选分区;还要结合rows和访问类型判断收益。
先把分区键和查询条件对齐
下面用按月保存订单的表说明。表按 order_date 做范围分区,查询也直接限制这列。分区名只是示意,生产环境应按真实业务的保留周期持续维护边界。
-- 分区表达式直接使用日期列,便于优化器推导月份范围
CREATE TABLE orders (
id BIGINT NOT NULL,
order_date DATE NOT NULL,
customer_id BIGINT NOT NULL,
amount DECIMAL(12,2) NOT NULL,
PRIMARY KEY (id, order_date)
) PARTITION BY RANGE COLUMNS (order_date) (
PARTITION p202501 VALUES LESS THAN ('2025-02-01'),
PARTITION p202502 VALUES LESS THAN ('2025-03-01'),
PARTITION p202503 VALUES LESS THAN ('2025-04-01'),
PARTITION pmax VALUES LESS THAN (MAXVALUE)
);
查询 2025 年 2 月时,使用 >= '2025-02-01' 和 ,优化器可以把候选范围收窄到 p202502。半开区间也避免了 DATETIME 精度、月末 23:59:59 和毫秒边界带来的漏数问题。

日期条件怎样写才容易产生裁剪
在这个模型上,推荐把时间范围写在原始分区列上:
-- 直接过滤分区键,查询一个完整月份
SELECT id, customer_id, amount
FROM orders
WHERE order_date >= '2025-02-01'
AND order_date
不要先对列做任意函数再期待优化器反推出分区,例如把 order_date 包在自定义函数或复杂表达式中。若表是按 YEAR(order_date)、TO_DAYS(order_date) 等受支持的表达式分区,优化器在部分条件下可以利用对应表达式,但排查时仍应先让谓词和分区定义尽量保持同形。
还要区分“裁剪”和“索引”。裁剪先决定访问哪些分区;进入分区后,是否走主键或二级索引由另一层优化决定。只看到 partitions=p202502,并不代表一定有理想的索引访问。
用 EXPLAIN 看命中了哪些分区
先看带范围的查询:
-- 查看优化器计划,重点观察 partitions、type、key 和 rows
EXPLAIN
SELECT id, customer_id, amount
FROM orders
WHERE order_date >= '2025-02-01'
AND order_date
文本格式的计划中,如果 partitions 只出现 p202502,说明候选分区已经被缩小;如果列出 p202501,p202502,p202503,pmax,说明当前条件没有排除其他分区。再看 rows,它用于估算本次访问的行数,不能把它当成实际返回行数。
| 现象 | 优先检查 | 判断 |
|---|---|---|
| 只列一个或少量分区 | partitions 与 rows | 裁剪可能生效,再确认分区内访问方式 |
| 列出全部分区 | 分区键是否出现在可推导谓词中 | 通常是全分区候选,需继续排查条件 |
| 分区少但仍慢 | type、key、rows、过滤条件 | 裁剪生效不等于分区内查询高效 |

裁剪不出现时按这份清单排查
- 先看定义:用
SHOW CREATE TABLE orders确认真正的分区表达式和边界,别只看应用里的建表脚本。 - 再看谓词:确认过滤列就是分区键,参数类型和列类型一致,避免隐式转换让条件难以推导。
- 缩小范围:范围覆盖大多数分区时,继续裁剪的收益有限;跨年查询本来就可能命中很多分区。
- 对照计划:分别执行带条件和不带条件的
EXPLAIN,比较partitions与rows,不要只凭执行时间猜测。 - 检查统计:裁剪后的分区内仍可能因为索引设计、数据分布或统计估算不合适而慢;这时处理的是分区内访问路径。
-- 确认线上表的分区定义,而不是猜测分区名
SHOW CREATE TABLE orders;
-- 只在已经知道分区名、需要诊断或强制范围时显式选择
SELECT id, customer_id, amount
FROM orders PARTITION (p202502)
WHERE order_date >= '2025-02-01'
AND order_date
PARTITION (p202502) 是人为指定分区,叫“分区选择”,不是优化器自动完成的分区裁剪。它适合核对数据归属或已知分区的维护场景,不能代替正确的分区键设计;写错分区名还可能漏掉本应返回的数据。
常见问题:分区裁剪执行计划怎么判断
问:为什么用了分区表,EXPLAIN 还是显示全部分区?
答:先确认 WHERE 是否约束了分区表达式,是否被复杂函数、隐式转换或过宽范围包住;再核对 SHOW CREATE TABLE 的真实定义。
问:partitions 只有一个,查询就一定快吗?
答:不一定。它只说明扫描范围缩小,还要看分区内的 type、key、rows 以及返回数据量。
Go container/heap 怎么读取优先级元素
- 上一篇
- Go container/heap 怎么读取优先级元素
- 下一篇
- Go rowslife 怎么处理Rows 资源
-
- 数据库 · MySQL | 2小时前 | MySQL · 字符集 · REGEXP_LIKE · Collation · mysql 中文 排序规则 utf8mb4 REGEXP_LIKE
- REGEXP_LIKE 中文排序规则怎么配置或排查
- 169浏览 收藏
-
- 数据库 · MySQL | 3小时前 | MySQL · JSON_TABLE · 嵌套数组 · JSON_TABLE MySQL JSON
- JSON_TABLE 嵌套数组怎么配置或排查
- 181浏览 收藏
-
- 数据库 · MySQL | 4小时前 | MySQL · CTE · SQL排错 · mysql cte_max_recursion_depth 递归 CTE
- 递归 CTE 终止条件怎么配置或排查
- 338浏览 收藏
-
- 数据库 · MySQL | 9小时前 | MySQL · 索引 · Invisible Index ·
- Invisible Index 灰度验证怎么配置或排查
- 156浏览 收藏
-
- 数据库 · MySQL | 13小时前 |
- MySQL 连接池空闲连接被断开后如何恢复
- 311浏览 收藏
-
- 数据库 · MySQL | 15小时前 |
- MySQL utf8mb4 排序规则变化会影响唯一索引吗
- 431浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 111次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 32次使用
-
- OpenCompass
- OpenCompass是上海AI实验室推出的开源大模型评测平台,提供CompassKit、CompassHub和CompassRank三大核心组件,支持LLM及多模态模型的一站式标准化评估与排行榜查询。
- 50次使用
-
- AGI-Eval
- AGI-Eval是由上海交大等高校联合发布的大模型评测社区,提供公正透明的LLM能力榜单、多领域评测集及Data Studio数据服务,助力AI模型性能评估与NLP科研开发。
- 31次使用
-
- SuperCLUE
- SuperCLUE是权威的中文大语言模型综合评测基准,涵盖语言理解、知识应用、AI Agent智能体及安全性等12项核心能力。通过多轮对话与客观测试,定期发布榜单与技术报告,为模型研发、优化及行业选型提供科学依据。
- 265次使用
-
- 可能是最贴心的MySQL笔记了
- 2023-02-24 368浏览
-
- 达梦数据库获取SQL实际执行计划方法详细介绍
- 2022-12-30 449浏览
-
- MySQL优化案例之隐式字符编码转换
- 2023-01-01 486浏览
-
- MySQL如何优化索引
- 2023-01-07 111浏览
-
- MySQL优化SQL语句的技巧
- 2023-02-20 419浏览

