EXPLAIN
功能描述
显示SQL语句的执行计划。主要包括:
- 显示SQL语句所引用的表的扫描方式,如简单的顺序扫描或索引扫描等。
- 如果SQL语句中引用了多个表,执行计划还会显示多表之间的JOIN方式。
注意事项
- 执行计划的最主要指标是SQL语句的预计执行开销,这是计划生成器估算执行该语句所需时间的度量。
- 如果指定了ANALYZE选项,该SQL语句将被执行,并根据实际运行结果显示统计数据。统计数据用于作为判断计划生成器的估计值是否接近实际值的依据,主要包括每个计划节点的时间总开销(以毫秒为单位)和实际返回的总行数。
- 在指定ANALYZE选项时,语句会被执行。如果用户需要使用EXPLAIN分析INSERT、UPDATE、DELETE、CREATE TABLE AS或EXECUTE语句但希望不对数据进行改动时(正常情况下,执行这些语句会影响数据),请使用如下方法:
START TRANSACTION; EXPLAIN ANALYZE ...; ROLLBACK;
- 当使用EXPLAIN查看执行计划时,审计日志记录的审计类型由分析的具体SQL决定。
语法格式
- 显示SQL语句的执行计划,支持多种选项,对选项顺序无要求。
EXPLAIN [ ( option [, ...] ) ] statement;

其中选项option子句的语法为。
{ ANALYZE [ boolean ] | ANALYSE [ boolean ] | VERBOSE [ boolean ] | COSTS [ boolean ] | CPU [ boolean ] | DETAIL [ boolean ] | BUFFERS [ boolean ] | TIMING [ boolean ] | PLAN [ boolean ] | BLOCKNAME [ boolean ] | OUTLINE [ boolean ] | ADAPTCOST [ boolean ] | FORMAT { TEXT | XML | JSON | YAML } | OPTEVAL [ boolean ] | METADATA [ boolean ] | PLANTRACE [ boolean ] | TABLES [ boolean ] }
- 显示SQL语句的执行计划,且要按顺序给出选项。
EXPLAIN { [ ANALYZE | ANALYSE ] [ VERBOSE ] | PERFORMANCE } statement;
参数说明
- statement
指定要分析的SQL语句。
- ANALYZE boolean | ANALYSE boolean
显示实际运行时间和其他统计数据。当两个参数同时使用时,在option中排在后面的一个生效。
取值范围:
- TRUE(缺省值):显示实际运行时间和其他统计数据。
- FALSE:不显示。
- VERBOSE boolean
显示有关计划的额外信息。
取值范围:
- TRUE(缺省值):显示额外信息。
- FALSE:不显示。
- COSTS boolean
包括每个规划节点的估计总成本,以及估计的行数和每行的宽度。
取值范围:
- TRUE(缺省值):显示估计总成本和宽度。
- FALSE:不显示。
- CPU boolean
打印CPU的使用情况的信息。需要结合ANALYZE或ANALYSE选项一起使用。
取值范围:
- TRUE(缺省值):显示CPU的使用情况。
- FALSE:不显示。
- DETAIL boolean
打印数据库节点上的信息。需要结合ANALYZE或ANALYSE选项一起使用。
取值范围:
- TRUE(缺省值):打印数据库节点的信息。
- FALSE:不打印。
- BUFFERS boolean
包括缓冲区的使用情况的信息。需要结合ANALYZE或ANALYSE选项一起使用。
取值范围:
- TRUE:显示缓冲区的使用情况。
- FALSE(缺省值):不显示。
- TIMING boolean
包括实际的启动时间和花费在输出节点上的时间信息。需要结合ANALYZE或ANALYSE选项一起使用。
取值范围:
- TRUE(缺省值):显示启动时间和花费在输出节点上的时间信息。
- FALSE:不显示。
- PLAN boolean
是否将执行计划存储在plan_table中。当该选项开启时,会将执行计划存储在plan_table中,不打印到当前屏幕,因此该选项为on时,不能与其他选项同时使用。
取值范围:
- ON(缺省值):将执行计划存储在plan_table中,不打印到当前屏幕。执行成功返回EXPLAIN SUCCESS。
- OFF:不存储执行计划,将执行计划打印到当前屏幕。
- BLOCKNAME boolean
是否显示计划的每个操作所处于的查询块。当该选项开启时,会将每个操作所处于的查询块的名字输出在Query Block列上,方便用户获取查询块名字,并使用Hint修改执行计划:
- TRUE(缺省值):显示计划时,将每个操作所处于的查询块的名字输出在新增列Query Block列上。该选项需要在pretty模式下使用。具体使用请参见《SQL调优指南》中“使用Plan Hint进行调优 > 指定Hint所处于的查询块Queryblock”章节。
- FALSE:不对计划显示产生影响。
- OUTLINE boolean
是否显示计划的Outline Hint信息。
- ON:显示计划时,将Outline Hint显示在计划下方 。该选项需要在pretty模式下使用。具体使用请参见《SQL调优指南》中“使用Plan Hint进行调优 > Outline Hint”章节。
- OFF(缺省值):不显示计划的Outline Hint信息。
- ADAPTCOST boolean
在Normal模式下是否显示计划的基数估计方式信息。当使用智能计划管理时,还会输出计划选择情况,包括计划类型以及选择原因。(在部分索引和包含子查询的场景下,aplan可能会失效,此时输出计划为aplan,参数为实际值,实际执行计划为cplan)。
- ON(缺省值):Normal模式下,在计划节点上展示基数估计的方式,包含默认方式和反馈方式,不对预备语句生效。
- OFF:不展示基数估计的方式信息。
- FORMAT
指定执行计划的输出格式。
取值范围:TEXT,XML,JSON和YAML。
默认值:TEXT。
- OPTEVAL boolean
是否显示SCAN算子(当前仅支持seqscan、indexscan、indexonlyscan、bitmapheapscan)的代价淘汰明细,当开启此开关的时候,会在执行计划中显示一个名字为Cost Evaluation Info (identified by plan id)的计划块,该选项仅可以和COSTS、VERBOSE、FORMAT三个选项共存。此计划块中的具体参数明细,请参考示例2。
取值范围:- TRUE:显示SCAN算子的代价淘汰明细。
- FALSE(缺省值):不显示。
- PERFORMANCE
打印执行计划中的性能分析相关信息。下述为部分信息描述:
- ex c/r:代表平均每行使用cpu周期数,等于(ex cyc)/(ex row)。
- ex row:执行行数。
- ex cyc:代表使用的cpu周期数。
- inc cyc:代表包含子节点使用的总cpu周期数。
- shared hit:代表算子的share buffer命中情况。
- loops:算子循环执行次数。
- total_calls:生成元素总数。
- deserialize time:反序列化所需时间。
- estimated time:估计时间。
- METADATA boolean
是否显示语句元数据内容。当不指定boolean时,默认为TRUE。下述为输出信息描述:
- 概要对象定义,涵盖对象包括语句中所引用的表、索引、视图、函数、操作符。
- 概要统计信息,分为表级和列级两部分,其公共字段包括:
- nspname:模式名,对应pg_namespace.nspname。
- relname:表名,对应表或索引的pg_class.relname。
- partname:分区名,对应分区的pg_partition.relname。
- subpartname:子分区名,对应子分区的pg_partition.relname。
其他表级统计信息的字段包括:
- reltuples:统计的表总行数,对应pg_class/pg_partition.reltuples。
- relpages:统计的表总页数,对应pg_class/pg_partition.relpages。
- analyze_time:该表或索引上次触发ANANLYZE的时间戳,对应pg_stat_get_last_analyze_time/gs_stat_get_partition_last_analyze_time的返回值。
- rows_changed:自上次执行ANALYZE后该表或索引的变更行数,对应pg_stat_get_tuples_changed/pg_stat_get_partition_tuples_changed的返回值。
- rows_inserted:自上次执行ANALYZE后该表或索引的插入行数。
其他列级统计信息(包括单列与多列)的字段包括:
- colnames:列名,单列对应pg_stats.attname,多列对应pg_ext_stats.attname中列号所代表的列名集合。
- nullfrac:空值率,对应pg_stats/pg_ext_stats.nullfrac。
- avgwidth:平均行宽,对应pg_stats/pg_ext_stats.avgwidth。
- distinct:不同值的数量,对应pg_stats/pg_ext_stats.n_distinct。
- dndistinct:DN上不同值的数量,对应pg_stats/pg_ext_stats.n_dndistinct。
- mcvs_top5:高频值,对应pg_stats/pg_ext_stats.most_common_vals,只取频率最高的5个。
- mcfs_top5:高频值的频率,与mcvs_top5一一对应,对应pg_stats/pg_ext_stats.most_common_freqs。
- hist_qrtl:直方图桶值,单列对应pg_stats.histogram_bounds,只取四分位边界上的5个值,多列为空。
- correlation:相关性,单列对应pg_stats.correlation,多列为0。
- 在Query Others中,包含以下内容:
- current time:当前时间戳,用于与上述analyze_time进行对比。
- use_hints: Yes, <string>:如果语句有Hint生效,则打印该提示,并列出生效的Hint。
取值范围:- TRUE(默认值):显示语句元信息,该选项需要在pretty模式下使用。
- FALSE:不显示。
- PLANTRACE boolean
是否显示SQL语句计划生成期间产生的plan trace信息。当不指定boolean时,默认为TRUE。信息内容较多,建议使用重定向方式打印。
- TRUE(默认值):显示语句元plan trace信息,该选项需要在pretty模式下使用。
- FALSE:不显示。
- TABLES boolean
是否显示SQL语句所依赖的表对象信息列表,包括表与物化视图。当不指定boolean时,默认为TRUE。
- TRUE(默认值):显示语句所依赖的表对象信息,该选项需要在pretty模式下使用。
- FALSE:不显示。
示例1
--创建SCHEMA。 gaussdb=# CREATE SCHEMA tpcds; --创建表tpcds.customer_address。 gaussdb=# CREATE TABLE tpcds.customer_address ( ca_address_sk INTEGER NOT NULL, ca_address_id CHARACTER(16) NOT NULL ); --向表中插入多条记录。 gaussdb=# INSERT INTO tpcds.customer_address VALUES (5000, 'AAAAAAAABAAAAAAA'),(10000, 'AAAAAAAACAAAAAAA'); --创建一个表tpcds.customer_address_p1。 gaussdb=# CREATE TABLE tpcds.customer_address_p1 AS TABLE tpcds.customer_address; --修改explain_perf_mode为normal。 gaussdb=# SET explain_perf_mode=normal; --显示表简单查询的执行计划。 gaussdb=# EXPLAIN SELECT * FROM tpcds.customer_address_p1; QUERY PLAN ------------------------------------------------------------------------ Seq Scan on customer_address_p1 (cost=0.00..25.13 rows=1513 width=24) (1 row) --使用ANALYZE选项,在输出中增加运行时间统计。 gaussdb=# EXPLAIN ANALYZE SELECT * FROM tpcds.customer_address_p1; QUERY PLAN --------------------------------------------------------------------------------------------------------------- Seq Scan on customer_address_p1 (cost=0.00..25.13 rows=1513 width=24) (actual time=0.015..0.016 rows=2 loops=1) Total runtime: 0.108 ms (2 rows) --使用ANALYZE选项和CPU选项,输出CPU的使用信息。 gaussdb=# EXPLAIN (ANALYZE,CPU)SELECT * FROM tpcds.customer_address_p1; QUERY PLAN --------------------------------------------------------------------------------------------------------------- Seq Scan on customer_address_p1 (cost=0.00..25.13 rows=1513 width=24) (actual time=0.011..0.012 rows=2 loops=1) (CPU: ex c/r=47397856228403856, ex row=2, ex cyc=94795712456807712, inc cyc=94795712456807712) Total runtime: 0.092 ms (3 rows) --以JSON格式输出的执行计划(explain_perf_mode为normal时)。 gaussdb=# EXPLAIN(FORMAT JSON) SELECT * FROM tpcds.customer_address_p1; QUERY PLAN ----------------------------------------------- [ + { + "Plan": { + "Node Type": "Seq Scan", + "Relation Name": "customer_address_p1",+ "Alias": "customer_address_p1", + "Startup Cost": 0.00, + "Total Cost": 25.13, + "Plan Rows": 1513, + "Plan Width": 24 + } + } + ] (1 row) --以YAML格式输出的执行计划(explain_perf_mode为normal时)。 gaussdb=# EXPLAIN(FORMAT YAML) SELECT * FROM tpcds.customer_address_p1 WHERE ca_address_sk=10000; QUERY PLAN ------------------------------------------ - Plan: + Node Type: "Seq Scan" + Relation Name: "customer_address_p1"+ Alias: "customer_address_p1" + Startup Cost: 0.00 + Total Cost: 28.91 + Plan Rows: 8 + Plan Width: 24 + Filter: "(ca_address_sk = 10000)" (1 row) --禁止开销估计的执行计划。 gaussdb=# EXPLAIN(COSTS FALSE) SELECT * FROM tpcds.customer_address_p1 WHERE ca_address_sk=10000; QUERY PLAN ----------------------------------- Seq Scan on customer_address_p1 Filter: (ca_address_sk = 10000) (2 rows) --带有聚集函数查询的执行计划。 gaussdb=# EXPLAIN SELECT SUM(ca_address_sk) FROM tpcds.customer_address_p1 WHERE ca_address_sk<10000; QUERY PLAN ---------------------------------------------------------------------------- Aggregate (cost=30.17..30.18 rows=1 width=12) -> Seq Scan on customer_address_p1 (cost=0.00..28.91 rows=504 width=4) Filter: (ca_address_sk < 10000) (3 rows) --创建一个二级分区表。 gaussdb=# CREATE TABLE range_list ( month_code VARCHAR2 ( 30 ) NOT NULL , dept_code VARCHAR2 ( 30 ) NOT NULL , user_no VARCHAR2 ( 30 ) NOT NULL , sales_amt int ) PARTITION BY RANGE (month_code) SUBPARTITION BY LIST (dept_code) ( PARTITION p_201901 VALUES LESS THAN( '201903' ) ( SUBPARTITION p_201901_a values ('1'), SUBPARTITION p_201901_b values ('2') ), PARTITION p_201902 VALUES LESS THAN( '201910' ) ( SUBPARTITION p_201902_a values ('1'), SUBPARTITION p_201902_b values ('2') ) ); --执行带有二级分区表的查询语句。 --Iterations 和 Sub Iterations分别标识遍历了几个一级分区和二级分区。 --Selected Partitions标识哪些一级分区被实际扫描,Selected Subpartitions: (p:s)标识第p个一级分区下s个二级分区被实际扫描,如果一级分区下所有二级分区都被扫描则s显示为ALL。 gaussdb=# EXPLAIN SELECT * FROM range_list WHERE dept_code = '1'; QUERY PLAN ------------------------------------------------------------------------------- Partition Iterator (cost=0.00..17.68 rows=3 width=103) Iterations: 2, Sub Iterations: 2 -> Partitioned Seq Scan on range_list (cost=0.00..17.68 rows=3 width=103) Filter: ((dept_code)::text = '1'::text) Selected Partitions: 1..2 Selected Subpartitions: 1:1 2:1 (6 rows) --删除表tpcds.customer_address_p1。 gaussdb=# DROP TABLE tpcds.customer_address_p1; --删除表tpcds.customer_address。 gaussdb=# DROP TABLE tpcds.customer_address; --删除表range_list。 gaussdb=# DROP TABLE range_list; --删除SCHEMA。 gaussdb=# DROP SCHEMA tpcds CASCADE;
示例2
--创建tb_a,tb_b。 gaussdb=# CREATE TABLE tb_a(c1 int); gaussdb=# INSERT INTO tb_a VALUES(1),(2),(3); gaussdb=# CREATE TABLE tb_b AS SELECT * FROM tb_a; --显示SCAN算子的代价淘汰明细。 gaussdb=# EXPLAIN (OPTEVAL on )SELECT * FROM tb_a a, tb_b b WHERE a.c1=b.c1 AND a.c1=1; QUERY PLAN -------------------------------------------------------------------- Nested Loop (cost=0.00..81.88 rows=144 width=8) -> Seq Scan on tb_a a (cost=0.00..40.03 rows=12 width=4) Filter: (c1 = 1) -> Materialize (cost=0.00..40.09 rows=12 width=4) -> Seq Scan on tb_b b (cost=0.00..40.03 rows=12 width=4) Filter: (c1 = 1) (6 rows) --删除表tb_a,tb_b。 gaussdb=# DROP TABLE tb_a; gaussdb=# DROP TABLE tb_b;
示例3
# 展示SQL语句元信息。
# 使用gsql连接数据库。
[omm@localhost ~]$ gsql -d postgres -p 8000 -r
-- 设置explain_perf_mode。
gaussdb=# SET explain_perf_mode = pretty;
-- 关闭多列统计信息贝叶斯网络,以收集普通的多列MCV统计信息。
gaussdb=# SET enable_ai_stats = off;
-- 关闭自动参数化,避免语句跳过解析。
gaussdb=# SET cursor_sharing = off;
-- 创建SCHEMA,并默认使用该SCHEMA。
gaussdb=# CREATE SCHEMA em;
gaussdb=# SET search_path = em;
-- 创建表em.t1。
gaussdb=# CREATE TABLE em.t1 (
c1 integer
) PARTITION BY RANGE (c1) (
PARTITION p1 VALUES LESS THAN (1000),
PARTITION p2 VALUES LESS THAN (MAXVALUE)
);
-- 在em.t1上增加索引。
gaussdb=# CREATE INDEX em.idx_t1_c1 ON em.t1(c1) LOCAL;
-- 插入多条记录。
gaussdb=# INSERT INTO em.t1 SELECT (s % 2000)::int FROM pg_catalog.generate_series(1, 100000) s;
-- ANALYZE em.t1。
gaussdb=# ANALYZE em.t1 WITH ALL COMPLETE;
-- 创建表em.t2。
gaussdb=# CREATE TABLE em.t2 (c1 integer, c2 integer) WITH (storage_type=ASTORE);
-- 插入多条记录。
gaussdb=# INSERT INTO em.t2 SELECT (s % 6)::int, (s % 3)::int FROM pg_catalog.generate_series(1, 24) s;
-- ANALYZE em.t2。
gaussdb=# ANALYZE em.t2;
-- ANALYZE em.t2的c1列和c2列。
gaussdb=# ANALYZE em.t2((c1,c2));
-- 创建物化视图em.mv。
gaussdb=# CREATE MATERIALIZED VIEW em.mv AS SELECT c1 FROM t2 WHERE c1 = 2 AND c2 = 2;
-- ANALYZE物化视图。
gaussdb=# ANALYZE em.mv;
-- 使用METADATA选项,输出语句涉及的元信息。
gaussdb=# EXPLAIN (METADATA ON) SELECT t.c1, v.c1 FROM em.t1 t, em.mv v WHERE t.c1 < 500 AND v.c1=2;
id | operation | E-rows | E-width | E-costs
----+------------------------------------------------------------+--------+---------+-----------------
1 | -> Nested Loop (2,3) | 100132 | 8 | 0.000..1764.638
2 | -> Partitioned Index Only Scan using idx_t1_c1 on t1 t | 25033 | 4 | 0.000..510.928
3 | -> Materialize | 4 | 4 | 0.000..2.070
4 | -> Seq Scan on mv v | 4 | 4 | 0.000..2.050
(4 rows)
Predicate Information (identified by plan id)
----------------------------------------------------------------
2 --Partitioned Index Only Scan using idx_t1_c1 on t1 t
Index Cond: (c1 < 500), (Expression Flatten Optimized)
Selected Partitions: 1
4 --Seq Scan on mv v
Filter: (c1 = 2), (Expression Flatten Optimized)
(5 rows)
Object Definition
----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
CREATE TABLE em.t1 (c1 integer) WITH (orientation=row, compression=no, storage_type=USTORE, segment=off) PARTITION BY RANGE (c1) (PARTITION p1 VALUES LESS THAN (1000) TABLESPACE pg_default) /*Number of partitions: 2*/;
CREATE INDEX em.idx_t1_c1 ON em.t1 USING ubtree (c1) LOCAL WITH (storage_type=USTORE, active_pages=522) TABLESPACE pg_default;
CREATE TABLE em.t2 (c1 integer, c2 integer) WITH (orientation=row, storage_type=astore, compression=no);
CREATE MATERIALIZED VIEW em.mv AS SELECT t2.c1 FROM em.t2 WHERE ((t2.c1 = 2) AND (t2.c2 = 2));
(4 rows)
nspname | relname | partname | subpartname | reltuples | relpages | analyze_time | rows_changed | rows_inserted
---------+-----------+-----------+-------------+-----------+----------+-------------------------------+--------------+---------------
em | t1 | | | 100000 | 382 | 2026-07-05 21:17:52.592666+08 | 0 | 0
em | t1 | p1 | | 50000 | 191 | 2026-07-05 21:17:52.503681+08 | 0 | 0
em | idx_t1_c1 | | | 100000 | 522 | | 0 | 0
em | idx_t1_c1 | p1_c1_idx | | 100000 | 522 | | 0 | 0
em | t2 | | | 24 | 1 | 2026-07-06 09:55:45.14279+08 | 0 | 0
em | mv | | | 4 | 2 | 2026-07-05 21:31:25.447864+08 | 0 | 0
(6 rows)
nspname | relname | partname | subpartname | colnames | nullfrac | avgwidth | distinct | dndistinct | mcvs_top5 | mcfs_top5 | hist_qrtl | correlation
---------+---------+----------+-------------+----------+----------+----------+----------+------------+-------------------------+-------------------------------------------------+-----------------------+-------------
em | t1 | | | c1 | 0 | 4 | 2000 | 0 | {1388,1206,531,534,777} | {.0009,.000866667,.000833333,.000833333,.0008} | {0,495,987,1486,1999} | .755966
em | t1 | p1 | | c1 | 0 | 4 | 1000 | 0 | {142,287,370,806,126} | {.00133333,.00133333,.00133333,.00133333,.0013} | {0,253,500,747,999} | .015105
em | t2 | | | c1 | 0 | 4 | -.25 | 0 | {0,1,2,3,4} | {.166667,.166667,.166667,.166667,.166667} | | .191304
em | t2 | | | c2 | 0 | 4 | -.125 | 0 | {0,1,2} | {.333333,.333333,.333333} | | .273043
em | t2 | | | {c1,c2} | 0 | 8 | -.25 | 0 | | | | 0
em | mv | | | c1 | 0 | 4 | -.25 | 0 | {2} | {1} | | 1
(6 rows)
====== Query Others =====
----------------------------------------------------------------------------------------------------------;
current time: 2026-07-06 09:56:32.29183+08
(1 row)
-- 使用TABLES选项,打印SQL语句所依赖的表对象信息列表。
gaussdb=# EXPLAIN (TABLES) SELECT t.c1, v.c1 FROM em.t1 t, em.mv v WHERE t.c1 < 500 AND v.c1=2;
id | operation | E-rows | E-width | E-costs
----+------------------------------------------------------------+--------+---------+-----------------
1 | -> Nested Loop (2,3) | 100132 | 8 | 0.000..1764.638
2 | -> Partitioned Index Only Scan using idx_t1_c1 on t1 t | 25033 | 4 | 0.000..510.928
3 | -> Materialize | 4 | 4 | 0.000..2.070
4 | -> Seq Scan on mv v | 4 | 4 | 0.000..2.050
(4 rows)
Predicate Information (identified by plan id)
----------------------------------------------------------------
2 --Partitioned Index Only Scan using idx_t1_c1 on t1 t
Index Cond: (c1 < 500), (Expression Flatten Optimized)
Selected Partitions: 1
4 --Seq Scan on mv v
Filter: (c1 = 2), (Expression Flatten Optimized)
(5 rows)
Tables Referenced
------------------------------------------
('em', 't1'), ('em', 't2'), ('em', 'mv')
(1 row)
-- 重定向输出到文件。
gaussdb=# \o plan_trace.out
-- 使用PLANTRACE选项,输出计划生成期间产生的plan trace信息。
gaussdb=# EXPLAIN (PLANTRACE) SELECT t.c1, v.c1 FROM em.t1 t, em.mv v WHERE t.c1 < 500 AND v.c1=2;
-- 关闭重定向。
gaussdb=# \o
-- 清理创建对象。
gaussdb=# DROP SCHEMA em CASCADE;
gaussdb=# \q
-- 查询重定向输出文件,可以看到当前SQL查询计划的路径代价的计算过程。
[omm@localhost ~]$ awk 'index($0,"[optcost_initial_cost_nestloop]"){f=1} f{print} index($0,"=[optcost_initial_cost_nestloop]="){exit}' plan_trace.out
[optcost_initial_cost_nestloop]
method_initial_state: inner_pathid,5 outer_pathid,4 inner_start_cost,0.000000 inner_total_cost,2.050000 outer_start_cost,0.000000 outer_total_cost,510.927500 outer_path_rows,25033.000000
cal: inner_rescan_start_cost,0.000000 inner_rescan_total_cost,2.050000
cal: inner_run_cost = inner_total_cost - inner_start_cost 2.050000, 2.050000, 0.000000
cal: inner_rescan_run_cost = inner_rescan_total_cost - inner_rescan_start_cost 2.050000
cal: startup_cost += outer_start_cost + inner_start_cost 0.000000
cal: run_cost += outer_total_cost - outer_start_cost 510.927500
cal: run_cost += (outer_path_rows - 1) * inner_rescan_start_cost 510.927500
cal: run_cost += inner_run_cost 512.977500
cal: run_cost += (outer_path_rows - 1) * inner_rescan_run_cost 51828.577500
Initial nestloop cost: startup_cost: 0.000000, total_cost: 51828.577500
=[optcost_initial_cost_nestloop]=
-- 清理plan trace文件。
gaussdb# rm -f ./plan_trace.out