使用 EXPLAIN FORMAT=JSON INTO 保存计划并交给 JSON 函数读取
如果只想在终端里看一次执行计划,普通的 EXPLAIN 已经够用;但当你需要继续取出访问类型、使用的索引或某个查询块的字段时,表格输出就不够顺手了。MySQL 8.4 可以把 JSON 格式的计划直接写入用户变量,再交给 JSON_EXTRACT()、JSON_UNQUOTE() 等函数读取。
最小写法是把 INTO @变量 放在 FORMAT=JSON 后面:
-- 把 SELECT 的 JSON 执行计划保存到当前会话的用户变量 EXPLAIN FORMAT=JSON INTO @select_plan SELECT order_id, customer_id FROM orders WHERE customer_id = 1001;
这条语句保存的是计划数据,不是查询结果。后续语句仍在同一个 MySQL 会话中执行,才能读取 @select_plan。
背景:为什么要先保存 JSON 计划
EXPLAIN 的 TRADITIONAL 输出适合人工扫一眼,但程序化提取时需要依赖列位置和表格字段。FORMAT=JSON 把计划组织成对象和数组,查询块、表访问、候选索引和代价信息都能通过 JSON path 定位。
保存到变量后,分析语句可以与原来的计划语句分开。例如同一份计划既可以读索引,也可以读访问方式,避免为了取不同字段重复写一遍 EXPLAIN:

旧写法的问题:把计划当普通结果集处理
没有 INTO 时,常见做法是让客户端接收 EXPLAIN FORMAT=JSON 返回的值,再在应用代码里解析。这样做并非错误,但会增加客户端取数、转码和再次传递的环节。若只是临时在 MySQL 内取几个字段,直接使用用户变量更紧凑。
还要注意,INTO 不是把任意格式都变成 JSON 变量的通用后缀。本文讨论的组合是 EXPLAIN FORMAT=JSON INTO;不要把它机械套到默认表格格式或 EXPLAIN ANALYZE 上。
新规则:先保存,再沿 JSON path 读取
保存计划后,使用 JSON path 访问结构。例如计划中的表节点通常位于 $.query_block.table,索引名称可以继续取 key,访问方式可以取 access_type:
-- 先保存计划;示例查询只用于说明计划对象的来源 EXPLAIN FORMAT=JSON INTO @plan SELECT order_id, customer_id FROM orders WHERE customer_id = 1001; -- 读取计划中的索引名称和访问方式 SELECT JSON_EXTRACT(@plan, '$.query_block.table.key') AS used_key, JSON_EXTRACT(@plan, '$.query_block.table.access_type') AS access_type; -- 如果需要普通字符串,再去掉 JSON 字符串外层的引号 SELECT JSON_UNQUOTE( JSON_EXTRACT(@plan, '$.query_block.table.access_type') ) AS access_type_text;
JSON_EXTRACT() 返回的是 JSON 值,所以字符串结果可能带 JSON 表示层的引号。需要与普通字符串比较或展示时,再使用 JSON_UNQUOTE();不要在一开始就把所有结果都当作 SQL 字符串。
代码对比:一次提取多个字段并区分缺失路径
计划结构会随着查询类型变化。简单单表查询可以从 query_block.table 取字段;连接、派生表或更复杂的查询可能出现数组和嵌套查询块。因此提取时应先判断路径是否存在,再决定是否转成文本。
-- 保存一份包含连接条件的 JSON 计划 EXPLAIN FORMAT=JSON INTO @join_plan SELECT o.order_id, c.customer_name FROM orders AS o JOIN customers AS c ON c.customer_id = o.customer_id WHERE o.customer_id = 1001; -- 读取 JSON 节点是否存在;缺失时不要把 NULL 当成索引名 SELECT JSON_CONTAINS_PATH(@join_plan, 'one', '$.query_block') AS has_query_block, JSON_CONTAINS_PATH(@join_plan, 'one', '$.query_block.table') AS has_table_node, JSON_TYPE(JSON_EXTRACT(@join_plan, '$.query_block')) AS query_block_type; -- 把计划原样输出,便于继续选择正确的 JSON path SELECT @join_plan AS plan_json;
这里的 JSON_CONTAINS_PATH() 只是在计划对象内判断路径是否存在,不代表它验证了索引是否合理。路径存在后,仍应根据当前语句的计划结构选择字段。

兼容注意:哪些语句可以使用,变量又在哪里有效
MySQL 8.4 手册把 INTO 示例放在 EXPLAIN FORMAT=JSON 下,并说明它可用于可解释的 SELECT、TABLE、INSERT、UPDATE、DELETE 和 REPLACE 语句。对写操作,EXPLAIN 仍然是查看计划,不会因为保存到变量就执行原来的修改。
-- UPDATE 也可以保存计划,但这里只分析,不修改表数据 EXPLAIN FORMAT=JSON INTO @update_plan UPDATE orders SET status = 'paid' WHERE order_id = 1001; -- DELETE 同样只保存计划,不执行删除动作 EXPLAIN FORMAT=JSON INTO @delete_plan DELETE FROM orders WHERE order_id = 1001; -- 用户变量属于当前会话;换字段名保存可避免覆盖上一份计划 SELECT JSON_EXTRACT(@update_plan, '$.query_block.table.access_type') AS update_access, JSON_EXTRACT(@delete_plan, '$.query_block.table.access_type') AS delete_access;
用户变量以连接会话为边界:连接断开后不能指望下一次连接继续拥有它;同名变量再次执行 INTO 会覆盖旧值。需要跨会话、跨任务保存时,应由外部程序或持久化表接管,而不是把用户变量当成存储。
采用建议:把它当作计划字段提取工具
在 MySQL 8.4 中,推荐把这组语法分成三个明确动作:先用 EXPLAIN FORMAT=JSON INTO @plan 固定一份计划,再用 JSON path 读取需要的节点,最后对缺失路径和 JSON 字符串类型做显式处理。这样既保留了完整计划,也避免客户端为了一个字段重复请求。
| 需求 | 建议写法 | 注意点 |
|---|---|---|
| 保存 JSON 计划 | EXPLAIN FORMAT=JSON INTO @plan | 保持同一会话 |
| 读取节点 | JSON_EXTRACT(@plan, path) | path 必须匹配实际结构 |
| 读取普通文本 | JSON_UNQUOTE(JSON_EXTRACT(...)) | 先确认目标是字符串 |
| 判断节点存在 | JSON_CONTAINS_PATH(...) | 存在不等于计划合理 |
常见问题
为什么要写成 FORMAT=JSON INTO,而不是 INTO FORMAT=JSON?
这是该语法的固定顺序。先选择 JSON 输出格式,再指定把结果保存到哪个用户变量。
JSON_EXTRACT 取到的字符串为什么有引号?
因为函数返回的是 JSON 值。需要普通文本时使用 JSON_UNQUOTE(),需要继续按 JSON 处理时保留 JSON 类型。
把计划保存进变量后,能不能跨连接读取?
不能把用户变量当跨连接存储。保存和读取应放在同一会话;跨连接场景请由应用层或持久化存储保存原始 JSON。
一句话总结:EXPLAIN FORMAT=JSON INTO @plan 负责把计划留在当前会话,JSON 函数负责从这份计划里取字段;两者配合的关键不是多写函数,而是保持语法顺序、会话连续和 JSON path 与实际结构一致。
比较 sys.format_bytes 与内置 FORMAT_BYTES 的单位和迁移注意事项
- 上一篇
- 比较 sys.format_bytes 与内置 FORMAT_BYTES 的单位和迁移注意事项
- 下一篇
- Redis redis-cli --askpass 怎么避免密码出现在进程参数中
-
- 数据库 · MySQL | 17分钟前 | MySQL · 数据库 · mysql 请求来源 query_attributes mysql_query_attribute_string 查询属性
- 用查询属性把页面或请求来源传给当前 SQL 并在服务器端读取
- 501浏览 收藏
-
- 数据库 · MySQL | 24分钟前 |
- 比较 sys.format_bytes 与内置 FORMAT_BYTES 的单位和迁移注意事项
- 462浏览 收藏
-
- 数据库 · MySQL | 25分钟前 |
- 解释 MAKE_SET 对 NULL、0 和非零位的不同输出行为
- 481浏览 收藏
-
- 数据库 · MySQL | 26分钟前 | MySQL · JSON · 索引 · 查询优化 · MEMBER OF JSON_CONTAINS JSON_OVERLAPS MySQL多值索引 JSON path
- 对齐多值索引 CAST 路径与 MEMBER OF、JSON_CONTAINS 查询路径
- 246浏览 收藏
-
- 数据库 · MySQL | 28分钟前 |
- 用 JSON_TYPE 在触发器或查询中区分对象、数组和基础标量
- 116浏览 收藏
-
- 数据库 · MySQL | 30分钟前 | 数据库运维 · mysql 嵌套对象 JSON_REMOVE JSON path JSON列 SQL更新
- 使用多个 JSON path 删除嵌套对象成员并保持剩余文档结构
- 312浏览 收藏
-
- 数据库 · MySQL | 32分钟前 | 并发 · MySQL · 数据库 · InnoDB · mysql innodb AUTO_INCREMENT innodb_autoinc_lock_mode
- 解释 interleaved 模式下并发语句预分配自增值和编号间隔的关系
- 295浏览 收藏
-
- 数据库 · MySQL | 33分钟前 |
- 用锁监控信息解释多个插入事务在同一索引间隙中的等待与兼容关系
- 330浏览 收藏
-
- 数据库 · MySQL | 34分钟前 |
- 比较提示语法与 STRAIGHT_JOIN 对查询块连接顺序和半连接转换的影响
- 347浏览 收藏
-
- 数据库 · MySQL | 38分钟前 | MySQL · 执行计划 · 索引优化 · mysql Update explain Index Condition Pushdown
- 区分 UPDATE 必须读取并修改完整记录与 SELECT 的索引条件下推显示
- 205浏览 收藏
-
- 数据库 · MySQL | 41分钟前 |
- 用左前缀分组索引配合 MIN 直接取得每组最小值
- 203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
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 893次使用
-
- 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。
- 894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。
- 978次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 965次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 791次使用
-
- 接口返回 200 但前端仍报错怎么办:从响应格式到跨域一步步排查
- 2026-06-14 332浏览
-
- MySQL 明明加了索引,为什么查询还是很慢?先查这 6 个点
- 2026-06-27 374浏览
-
- golang MySQL实现对数据库表存储获取操作示例
- 2022-12-22 499浏览
-
- golang 基于 mysql 简单实现分布式读写锁
- 2023-01-07 384浏览
-
- 详解如何利用GORM实现MySQL事务
- 2023-01-07 184浏览

