PostgreSQL 提供了 EXPLAIN 语句，它可以用来分析 SQL 的执行情况。本章将对其进行讨论。
简介
它返回的最重要和最有用的信息是，返回第一行数据之前的起始成本及返回完整结果集的总成本。
它的语法如下：
EXPLAIN [ ( 选项 [, ...] ) ] SQL语句;
选项 的可选值是：
以下选项的
boolen是一个开关，通过传递TRUE或FALSE来打开或关闭某个选项。
ANALYZE [ boolean ]：该选项导致先执行SQL语句，然后返回实际运行时的统计信息，包括每个计划节点花费的总运行时间以及实际返回的行数。它真实地执行了 SQL 语句，并丢弃执行结果。如果要分析INSERT/UPDATA/DELETE等语句，并且不想影响实际数据，应该将explain放在事务中，并进行回滚。VERBOSE [ boolean ]：显示有关计划的附加信息COSTS [ boolean ]：包括每个计划节点的估计成功和总成本。以及查询计划中的估计行数和每行的估计宽度。BUFFERS [ boolean ]：向缓冲区添加信息，仅在ANALYZE启用是才能使用。TIMING [ boolean ]：输出实际启动时间和每个节点花费的时间。仅在启用ANALYZE时才能使用。SUMMARY [ boolean ]：在查询计划后添加摘要信息，比如总计时。FORMAT { TEXT | XML | JSON | YAML }：指定查询计划的输出格式，默认为TEXT。
示例
对 film 进行简单的 EXPLAIN
按指定 film_id 返回电影的 EXPLAIN
EXPLAIN SELECT * FROM film WHERE film_id = 100;
/*结果
QUERY PLAN
------------------------------------------------------------------------
Index Scan using film_pkey on film (cost=0.28..8.29 rows=1 width=384)
Index Cond: (film_id = 100)
*/
由于 film_id 已建立索引，所以它使用的是按索引扫描，而不是顺序扫描。
要抑制成本，可以使用 COSTS 选项：
EXPLAIN (COSTS FALSE) SELECT * FROM film WHERE film_id = 100;
/*结果
QUERY PLAN
------------------------------------
Index Scan using film_pkey on film
Index Cond: (film_id = 100)
*/
使用聚合函数：
使用多表连接：
EXPLAIN
SELECT
f.film_id,
title,
name category_name
FROM
film f
INNER JOIN film_category fc
ON fc.film_id = f.film_id
INNER JOIN category c
ON c.category_id = fc.category_id
ORDER BY
title;
/* 结果
QUERY PLAN
--------------------------------------------------------------------------------------
Sort (cost=149.64..152.14 rows=1000 width=87)
Sort Key: f.title
-> Hash Join (cost=77.86..99.81 rows=1000 width=87)
Hash Cond: (fc.category_id = c.category_id)
-> Hash Join (cost=76.50..95.14 rows=1000 width=21)
Hash Cond: (fc.film_id = f.film_id)
-> Seq Scan on film_category fc (cost=0.00..16.00 rows=1000 width=4)
-> Hash (cost=64.00..64.00 rows=1000 width=19)
-> Seq Scan on film f (cost=0.00..64.00 rows=1000 width=19)
-> Hash (cost=1.16..1.16 rows=16 width=72)
-> Seq Scan on category c (cost=0.00..1.16 rows=16 width=72)
*/
添加 ANALYZE ，将实际运行时统计信息添加到输出中：
EXPLAIN ANALYZE
SELECT
f.film_id,
title,
name category_name
FROM
film f
INNER JOIN film_category fc
ON fc.film_id = f.film_id
INNER JOIN category c
ON c.category_id = fc.category_id
ORDER BY
title;
/* 结果 QUERY PLAN
-----------------------------------------------------------------------------------------------------------------------------------
Sort (cost=149.64..152.14 rows=1000 width=87) (actual time=3.652..3.693 rows=1000 loops=1)
Sort Key: f.title
Sort Method: quicksort Memory: 93kB
-> Hash Join (cost=77.86..99.81 rows=1000 width=87) (actual time=2.266..2.769 rows=1000 loops=1)
Hash Cond: (fc.category_id = c.category_id)
-> Hash Join (cost=76.50..95.14 rows=1000 width=21) (actual time=2.022..2.398 rows=1000 loops=1)
Hash Cond: (fc.film_id = f.film_id)
-> Seq Scan on film_category fc (cost=0.00..16.00 rows=1000 width=4) (actual time=0.100..0.151 rows=1000 loops=1)
-> Hash (cost=64.00..64.00 rows=1000 width=19) (actual time=1.894..1.895 rows=1000 loops=1)
Buckets: 1024 Batches: 1 Memory Usage: 59kB
-> Seq Scan on film f (cost=0.00..64.00 rows=1000 width=19) (actual time=0.013..1.743 rows=1000 loops=1)
-> Hash (cost=1.16..1.16 rows=16 width=72) (actual time=0.183..0.184 rows=16 loops=1)
Buckets: 1024 Batches: 1 Memory Usage: 9kB
-> Seq Scan on category c (cost=0.00..1.16 rows=16 width=72) (actual time=0.137..0.139 rows=16 loops=1)
Planning Time: 0.300 ms
Execution Time: 3.793 ms
*/