rows是优化器基于统计信息估算的单次访问需扫描的行数，非真实扫描量或结果集大小，仅用于成本决策；其依据为table_rows、cardinality及采样分布，误差在10倍内通常不影响索引选择。
EXPLAIN的rows到底在估什么
rows 是优化器基于统计信息“猜”出来的单次访问需要扫描的行数，不是最终结果集大小，也不是执行时真实读取的行数。它只服务于成本估算：比如走索引 a 预估扫描 500 行，走索引 b 预估扫描 2000 行，优化器大概率选前者——哪怕实际执行时因为数据倾斜真正扫了 8000 行。
这个“猜”的依据是：TABLE_ROWS（表总行数估算）、CARDINALITY（索引列基数）、采样页里的键值分布。它不看 WHERE 条件是否真的能过滤掉数据，只看统计模型怎么推导。
对比实际扫描行数该看哪几个指标
别只盯着 EXPLAIN 的 rows，真正反映执行实况的是慢查询日志里的三个字段：
-
Rows_examined：实际从存储引擎读取的行数（含回表、JOIN 循环中重复读） -
Rows_sent：最终返回给客户端的行数 -
Rows_examined远大于Rows_sent（比如 10 万 vs 100），说明要么索引没覆盖、要么 JOIN 顺序错、要么条件没下推到索引层
例如：SELECT * FROM orders WHERE DATE(created_at) = '2026-06-12'，EXPLAIN 显示 rows=1（优化器误判为高选择性），但慢日志里 Rows_examined=98234——这就是典型函数导致索引失效 + 统计失准的双重问题。
MySQL 9.6.0是面向Linux平台的2026年创新版本，核心架构迎来重大革新。其将外键约束与级联操作从InnoDB引擎层上移至SQL层，确保所有数据变更均被完整记录至Binlog，彻底解决了CDC（变更数据捕获）与主从复制中的数据不一致难题。此外，该版本引入container_aware启动选项以原生适配容器环境，并对审计日志进行了组件化重构，为追求极致数据一致性与云原生体验的开发者提供了全新选择。
什么时候必须怀疑统计信息不准
以下信号出现时，rows 值基本不可信，优先执行 ANALYZE TABLE：
-
SHOW INDEX FROM t中某索引的Cardinality为 0 或明显偏离实际唯一值数量（比如 status 字段有 3 种值，Cardinality却显示 120） - 新增索引后
EXPLAIN仍显示key=NULL，且rows小得离谱（如rows=1） - 批量导入百万级数据后，
EXPLAIN的rows和SELECT COUNT(*)结果相差超 3 倍 -
information_schema.TABLES.TABLE_ROWS和COUNT(*)差异大，且已排除 MVCC 可见性干扰
注意：ANALYZE TABLE 不是“刷新 rows”，而是重采样并更新 mysql.innodb_index_stats 系统表；默认只采样 innodb_stats_sample_pages 个叶子页（MySQL 8.0 默认 20），对倾斜字段意义有限。
直方图和采样调优的实际效果边界
MySQL 8.0+ 支持直方图，但它只对特定场景有效：
- 适用：字段值分布极不均匀（如订单金额集中在 0–100 元、9999 元两个区间），且查询多为范围条件（
BETWEEN、>） - 无效：等值查询（
WHERE status = 'paid'）本身依赖CARDINALITY，直方图不参与计算 - 命令：
ANALYZE TABLE t UPDATE HISTOGRAM ON amount WITH 16 BUCKETS，但桶数不是越多越好，16–64 通常足够；超过 128 会显著拖慢ANALYZE执行时间 - 调高
innodb_stats_sample_pages（如设为 100）能改善大表采样代表性，但每次ANALYZE耗时上升 3–5 倍，生产环境慎用
最常被忽略的一点：rows 的误差只要控制在 10 倍以内，优化器通常仍能选出正确索引；真正危险的是误差方向错误——比如本该走索引却估算成全表扫描成本更低，这时才需要干预。
