MySQL JOIN关联查询的原理以及优化手段

比眉伴天荒 2022-09-08 11:50 180阅读 0赞

> MySQL的join关联查询的执行过程以及优化手段。

### 文章目录 ###

*  1 关联查询的执行
 *  2 没有索引的算法

# 1 关联查询的执行 #

**关联查询的执行过程是：先遍历关联表t1（驱动表，全表扫描），然后根据从表t1中取出的每行数据中的a值，去表t2（被关联表，被驱动表）中查找满足条件的记录，可以走t2的索引搜索。在形式上，这个过程就跟我们写程序时的嵌套查询类似，并且可以用上被驱动表的索引，所以我们称之为“`Index Nested-Loop Join`”，简称`NLJ`。在join语句的执行流程中，驱动表是走全表扫描，而被驱动表是走索引树搜索。**

假设被驱动表的行数是M。每次在被驱动表查一行数据，要先搜索索引a，再搜索主键索引。每次搜索一棵树近似复杂度是以2为底的M的对数，记为`log2M`，所以在被驱动表上查一行的时间复杂度是 `2*log2M`。

假设驱动表的行数是N，执行过程就要扫描驱动表N行，然后对于每一行，到被驱动表上匹配一次。

因此整个执行过程，近似复杂度是 N + N*2*log2M。显然，N对扫描行数的影响更大，因此应该让小表来做驱动表：N扩大1000倍的话，扫描行数就会扩大1000倍；而M扩大1000倍，扫描行数扩大不到10倍。

**结论：如果使用join语句的话，需要让小表做驱动表，并且被驱动表的关联字段应该建立索引。一般来说，除非有其他理由，否则只需要在关联顺序中的第二个表的相应列上创建索引，即在被驱动的表的关联字段简历索引。**

# 2 没有索引的算法 #

如果，被驱动表的关联字段没有使用索引，那么MySQL将使用另一种`Block Nested-Loop Join`算法。

1.  把表t1的数据读入线程内存join\_buffer中，这只会将查询需要返回的列放入，如果我们的语句中写的是select \*，就会把整个表t1放入了内存；
2.  扫描表t2，把表t2中的每一行取出来，跟join\_buffer中的数据做对比，满足join条件的，作为结果集的一部分返回。

这个过程的流程图如下：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_Q1NETiBA5YiYSmF2YQ_size_46_color_FFFFFF_t_70_g_se_x_16_pic_center]

对应地，这条SQL语句的`explain`结果的`Extra`字段中将会展示：`Block Nested Loop`。在这个过程中，对表t1和t2都做了一次全表扫描，因此总的扫描行数是量表的数据总和M+N。由于`join_buffer`是以无序数组的方式组织的，因此对表t2中的每一行，都要做100次判断，总共需要在内存中做的判断次数是：M\* N次。

假设小表的行数是N，大表的行数是M，那么在这个算法里：

1.  两个表都做一次全表扫描，所以总的扫描行数是M+N；
2.  内存中的判断次数是M\*N，虽然不需要读盘，但是需要占用大量CPU进行计算。

**可以看到，调换这两个算式中的M和N没差别，因此这时候选择大表还是小表做驱动表，执行耗时是一样的。**

`join_buffer`的大小是由参数`join_buffer_size`设定的，默认值是`256k`。如果放不下表t1的所有数据话，策略很简单，就是将t1的数据**分段放入、比较**，假设表t1被分成了两次放入join\_buffer中，那么会导致表t2会被扫描两次。虽然分成两次放入join\_buffer，但是内存中判断等值条件的次数还是不变的，依然是`M*N`次。

假设，驱动表的数据行数是N，需要分K段才能完成算法流程，K大于等于1，被驱动表的数据行数是M。注意，这里的K不是常数，N越大K就会越大。所以，在这个算法的执行过程中：

1.  扫描行数是 N+K\*M；
2.  内存判断 N\*M次。

可以看到，如果`join_buffer_size`没有足够大（这是常见的情况），那么N越小，这样K就更小，扫描的行数才会更少，因此仍然应该让小表当驱动表。而且K也是影响扫描行数的关键因素，这个值越小越好，如果N不变，那么影响K的就是join\_buffer\_size的大小。join\_buffer\_size越大，一次可以放入的行越多，分成的段数K也就越少，对被驱动表的全表扫描次数就越少。

**因此，如果你的join语句很慢，除了让小表当驱动表，还有就把join\_buffer\_size改大。**

如果确定“小表”呢？除了总行数之外，还应该是两个表按照各自的条件过滤，过滤完成之后，再计算参与join的各个字段的总数据量（因为还要放入内存中），数据量小的那个表，就是“小表”，应该作为驱动表。

实际在查询优化时，如果join不是使用的`Index Nested-Loop Join`算法，则应该尽量改为使用该算法。

**参考资料：**

1.  《 MySQL 技术内幕: InnoDB 存储引擎》
2.  《高性能 MySQL》
3.  《MySQL实战45讲 | 极客时间 | 丁奇》

> 如有需要交流，或者文章有误，请直接留言。另外希望点赞、收藏、关注，我将不间断更新各种Java学习博客！

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_Q1NETiBA5YiYSmF2YQ_size_46_color_FFFFFF_t_70_g_se_x_16_pic_center]: /images/20220829/3d1a42ae081a42aabfc304b890dc77d8.png