步步深入：MySQL 架构总览->查询执行流程->SQL 解析顺序

秒速五厘米 2022-09-09 14:44 186阅读 0赞

## 你知道的越多，不知道的就越多，业余的像一棵小草！ ##

你来，我们一起精进！你不来，我和你的竞争对手一起精进！

## 编辑：业余草 ##

cnblogs.com/annsshadow/p/5355090.html

## 推荐：https://www.xttblog.com/?p=5271 ##

一直是想知道一条 SQL 语句是怎么被执行的，它执行的顺序是怎样的，然后查看总结各方资料，就有了下面这一篇博文了。

本文将从 MySQL 总体架构 -> 查询执行流程 -> 语句执行顺序来探讨一下其中的知识。

## MySQL 架构总览 ##

架构最好看图，再配上必要的说明文字。

下图根据参考书籍中一图为原本，再在其上添加上了自己的理解。

![544de3c7a854e7a73275715d8c36f0a2.png][]

从上图中我们可以看到，整个架构分为两层，上层是 MySQLD 的被称为的`SQL Layer`，下层是各种各样对上提供接口的存储引擎，被称为`Storage Engine Layer`。其它各个模块和组件，从名字上就可以简单了解到它们的作用，这里就不再累述了。

## 查询执行流程 ##

下面再向前走一些，容我根据自己的认识说一下查询执行的流程是怎样的：

### 连接 ###

1.  客户端发起一条 Query 请求，监听客户端的`连接管理模块`接收请求；
2.  将请求转发到`连接进/线程模块`；
3.  调用`用户模块`来进行授权检查；
4.  通过检查后，`连接进/线程模块`从`线程连接池`中取出空闲的被缓存的连接线程和客户端请求对接，如果失败则创建一个新的连接请求。

### 处理 ###

1.  先查询缓存，检查 Query 语句是否完全匹配，接着再检查是否具有权限，都成功则直接取数据返回；
2.  上一步有失败则转交给‘命令解析器’，经过词法分析，语法分析后生成解析树；
3.  接下来是预处理阶段，处理解析器无法解决的语义，检查权限等，生成新的解析树；
4.  再转交给对应的模块处理；
5.  如果是 SELECT 查询还会经由‘查询优化器’做大量的优化，生成执行计划；
6.  模块收到请求后，通过`访问控制模块`检查所连接的用户是否有访问目标表和目标字段的权限；
7.  有则调用`表管理模块`，先是查看 table cache 中是否存在，有则直接对应的表和获取锁，否则重新打开表文件；
8.  根据表的 meta 数据，获取表的存储引擎类型等信息，通过接口调用对应的存储引擎处理；
9.  上述过程中产生数据变化的时候，若打开日志功能，则会记录到相应二进制日志文件中。

### 结果 ###

1.  Query 请求完成后，将结果集返回给`连接进/线程模块`；
2.  返回的也可以是相应的状态标识，如成功或失败等；
3.  `连接进/线程模块`进行后续的清理工作，并继续等待请求或断开与客户端的连接。

![b7a41e14b70e1d8b23e7d316e7d2fc33.png][] 一图小总结

### SQL解析顺序 ###

接下来再走一步，让我们看看一条 SQL 语句的前世今生。

首先看一下示例语句：

SELECT DISTINCT    < select_list >FROM    < left_table >
    < join_type >JOIN < right_table > ON < join_condition >
    WHERE    < where_condition >GROUP BY    < group_by_list >
    HAVING    < having_condition >
    ORDER BY    < order_by_condition >
    LIMIT < limit_number >

然而它的执行顺序是这样的：

FROM <left_table>ON <join_condition><join_type> 
    JOIN <right_table>
    WHERE <where_condition>
    GROUP BY <group_by_list>
    HAVING <having_condition>
    SELECT DISTINCT <select_list>
    ORDER BY <order_by_condition>
    LIMIT <limit_number>

虽然自己没想到是这样的，不过一看还是很自然和谐的，从哪里获取，不断的过滤条件，要选择一样或不一样的，排好序，那才知道要取前几条呢。

既然如此了，那就让我们一步步来看看其中的细节吧。

## 准备工作 ##

### 创建测试数据库 ###

create database testQuery

### 创建测试表 ###

CREATE TABLE table1(    
        uid VARCHAR(10) NOT NULL,    
        name VARCHAR(10) NOT NULL,    
        PRIMARY KEY(uid)
    )ENGINE=INNODB DEFAULT CHARSET=UTF8;
    
    CREATE TABLE table2(    
        oid INT NOT NULL auto_increment,    
        uid VARCHAR(10),    
        PRIMARY KEY(oid)
    )ENGINE=INNODB DEFAULT CHARSET=UTF8;

### 插入数据 ###

INSERT INTO table1(uid,name) 
    VALUES('aaa','mike'),
    ('bbb','jack'),('ccc','mike'),
    ('ddd','mike');
    
    INSERT INTO table2(uid) VALUES('aaa'),
    ('aaa'),('bbb'),('bbb'),
    ('bbb'),('ccc'),(NULL);

### 最后想要的结果 ###

SELECT    a.uid,    count(b.oid) AS total 
    FROM table1 AS aLEFT 
    JOIN table2 AS b ON a.uid = b.uid
    WHERE    a. NAME = 'mike'
    GROUP BY    a.uid
    HAVING    count(b.oid) < 2
    ORDER BY    total DESC
    LIMIT 1;

下面我们现在开始 SQL 解析之旅吧！

### FROM ###

当涉及多个表的时候，左边表的输出会作为右边表的输入，之后会生成一个虚拟表  VT1。

### (1-J1)笛卡尔积 ###

计算两个相关联表的笛卡尔积 (CROSS JOIN) ，生成虚拟表 VT1-J1。

mysql> select * from table1,table2;
    +-----+------+-----+------+
    | uid | name | oid | uid  |
    +-----+------+-----+------+
    | aaa | mike |   1 | aaa  |
    | bbb | jack |   1 | aaa  |
    | ccc | mike |   1 | aaa  |
    | ddd | mike |   1 | aaa  |
    | aaa | mike |   2 | aaa  |
    | bbb | jack |   2 | aaa  |
    | ccc | mike |   2 | aaa  |
    | ddd | mike |   2 | aaa  |
    | aaa | mike |   3 | bbb  |
    | bbb | jack |   3 | bbb  |
    | ccc | mike |   3 | bbb  |
    | ddd | mike |   3 | bbb  |
    | aaa | mike |   4 | bbb  |
    | bbb | jack |   4 | bbb  |
    | ccc | mike |   4 | bbb  |
    | ddd | mike |   4 | bbb  |
    | aaa | mike |   5 | bbb  |
    | bbb | jack |   5 | bbb  |
    | ccc | mike |   5 | bbb  |
    | ddd | mike |   5 | bbb  |
    | aaa | mike |   6 | ccc  |
    | bbb | jack |   6 | ccc  |
    | ccc | mike |   6 | ccc  |
    | ddd | mike |   6 | ccc  |
    | aaa | mike |   7 | NULL |
    | bbb | jack |   7 | NULL |
    | ccc | mike |   7 | NULL |
    | ddd | mike |   7 | NULL |
    +-----+------+-----+------+
    28 rows in set (0.00 sec)

### (1-J2) ON过滤 ###

基于虚拟表 VT1-J1 这一个虚拟表进行过滤，过滤出所有满足 ON 谓词条件的列，生成虚拟表 VT1-J2。

注意：这里因为语法限制，使用了`WHERE`代替，从中读者也可以感受到两者之间微妙的关系。

mysql> SELECT
        -> *
        -> FROM
        -> table1,
        -> table2
        -> WHERE
        -> table1.uid = table2.uid
        -> ;
    +-----+------+-----+------+
    | uid | name | oid | uid  |
    +-----+------+-----+------+
    | aaa | mike |   1 | aaa  |
    | aaa | mike |   2 | aaa  |
    | bbb | jack |   3 | bbb  |
    | bbb | jack |   4 | bbb  |
    | bbb | jack |   5 | bbb  |
    | ccc | mike |   6 | ccc  |
    +-----+------+-----+------+
    6 rows in set (0.00 sec)

### (1-J3) 添加外部列 ###

如果使用了外连接 (LEFT,RIGHT,FULL)，主表（保留表）中的不符合 ON 条件的列也会被加入到 VT1-J2 中，作为外部行，生成虚拟表 VT1-J3。

mysql> SELECT
        -> *
        -> FROM
        -> table1 AS a
        -> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid;
    +-----+------+------+------+
    | uid | name | oid  | uid  |
    +-----+------+------+------+
    | aaa | mike |    1 | aaa  |
    | aaa | mike |    2 | aaa  |
    | bbb | jack |    3 | bbb  |
    | bbb | jack |    4 | bbb  |
    | bbb | jack |    5 | bbb  |
    | ccc | mike |    6 | ccc  |
    | ddd | mike | NULL | NULL |
    +-----+------+------+------+
    7 rows in set (0.00 sec)

下面从网上找到一张很形象的关于`SQL JOINS`的解释图，如若侵犯了你的权益，请劳烦告知删除，谢谢。

![aaa294e08daf1701bd29970dd940d227.png][]

### WHERE    ###

对 VT1 过程中生成的临时表进行过滤，满足 WHERE 子句的列被插入到 VT2 表中。

注意：此时因为分组，不能使用聚合运算；也不能使用 SELECT 中创建的别名；

### 与 ON 的区别 ###

*  如果有外部列，ON 针对过滤的是关联表，主表（保留表）会返回所有的列；
 *  如果没有添加外部列，两者的效果是一样的。

**「应用」**：

*  对主表的过滤应该放在 WHERE；
 *  对于关联表，先条件查询后连接则用 ON，先连接后条件查询则用 WHERE。

mysql> SELECT
        -> *
        -> FROM
        -> table1 AS a
        -> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid
        -> WHERE
        -> a. NAME = 'mike';
    +-----+------+------+------+
    | uid | name | oid  | uid  |
    +-----+------+------+------+
    | aaa | mike |    1 | aaa  |
    | aaa | mike |    2 | aaa  |
    | ccc | mike |    6 | ccc  |
    | ddd | mike | NULL | NULL |
    +-----+------+------+------+
    4 rows in set (0.00 sec)

### GROUP BY ###

这个子句会把 VT2 中生成的表按照 GROUP BY 中的列进行分组，生成 VT3 表。

注意：其后处理过程的语句，如 SELECT、HAVING，所用到的列必须包含在 GROUP BY 中，对于没有出现的，得用聚合函数；

**「原因」**：GROUP BY 改变了对表的引用，将其转换为新的引用方式，能够对其进行下一级逻辑操作的列会减少。

**「我的理解是」**：根据分组字段，将具有相同分组字段的记录归并成一条记录，因为每一个分组只能返回一条记录，除非是被过滤掉了，而不在分组字段里面的字段可能会有多个值，多个值是无法放进一条记录的，所以必须通过聚合函数将这些具有多值的列转换成单值；

mysql> SELECT
        -> *
        -> FROM
        -> table1 AS a
        -> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid
        -> WHERE
        -> a. NAME = 'mike'
        -> GROUP BY
        -> a.uid;
    +-----+------+------+------+
    | uid | name | oid  | uid  |
    +-----+------+------+------+
    | aaa | mike |    1 | aaa  |
    | ccc | mike |    6 | ccc  |
    | ddd | mike | NULL | NULL |
    +-----+------+------+------+
    3 rows in set (0.00 sec)

### HAVING ###

这个子句对 VT3 表中的不同的组进行过滤，只作用于分组后的数据，满足 HAVING 条件的子句被加入到 VT4 表中。

mysql> SELECT
        -> *
        -> FROM
        -> table1 AS a
        -> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid
        -> WHERE
        -> a. NAME = 'mike'
        -> GROUP BY
        -> a.uid
        -> HAVING
        -> count(b.oid) < 2;
    +-----+------+------+------+
    | uid | name | oid  | uid  |
    +-----+------+------+------+
    | ccc | mike |    6 | ccc  |
    | ddd | mike | NULL | NULL |
    +-----+------+------+------+
    2 rows in set (0.00 sec)

### SELECT ###

这个子句对 SELECT 子句中的元素进行处理，生成 VT5 表。

(5-J1) 计算表达式 计算 SELECT 子句中的表达式，生成 VT5-J1。

(5-J2) DISTINCT

寻找 VT5-1 中的重复列，并删掉，生成 VT5-J2。

如果在查询中指定了 DISTINCT 子句，则会创建一张内存临时表（如果内存放不下，就需要存放在硬盘了）。这张临时表的表结构和上一步产生的虚拟表 VT5 是一样的，不同的是对进行 DISTINCT 操作的列增加了一个唯一索引，以此来除重复数据。

mysql> SELECT
        -> a.uid,
        -> count(b.oid) AS total
        -> FROM
        -> table1 AS a
        -> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid
        -> WHERE
        -> a. NAME = 'mike'
        -> GROUP BY
        -> a.uid
        -> HAVING
        -> count(b.oid) < 2;
    +-----+-------+
    | uid | total |
    +-----+-------+
    | ccc |     1 |
    | ddd |     0 |
    +-----+-------+
    2 rows in set (0.00 sec)

### ORDER BY ###

从 VT5-J2 中的表中，根据 ORDER BY 子句的条件对结果进行排序，生成 VT6 表。

注意：唯一可使用 SELECT 中别名的地方。

mysql> SELECT
        -> a.uid,
        -> count(b.oid) AS total
        -> FROM
        -> table1 AS a
        -> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid
        -> WHERE
        -> a. NAME = 'mike'
        -> GROUP BY
        -> a.uid
        -> HAVING
        -> count(b.oid) < 2
        -> ORDER BY
        -> total DESC;
    +-----+-------+
    | uid | total |
    +-----+-------+
    | ccc |     1 |
    | ddd |     0 |
    +-----+-------+
    2 rows in set (0.00 sec)

### LIMIT ###

LIMIT 子句从上一步得到的 VT6 虚拟表中选出从指定位置开始的指定行数据。

注意：

*  offset 和 rows 的正负带来的影响；
 *  当偏移量很大时效率是很低的，可以这么做；
 *  采用子查询的方式优化，在子查询里先从索引获取到最大 id，然后倒序排，再取 N 行结果集；
 *  采用 INNER JOIN 优化，JOIN 子句里也优先从索引获取 ID 列表，然后直接关联查询获得最终结果。

mysql> SELECT
        -> a.uid,
        -> count(b.oid) AS total
        -> FROM
        -> table1 AS a
        -> LEFT JOIN table2 AS b ON a.uid = b.uid
        -> WHERE
        -> a. NAME = 'mike'
        -> GROUP BY
        -> a.uid
        -> HAVING
        -> count(b.oid) < 2
        -> ORDER BY
        -> total DESC
        -> LIMIT 1;
    +-----+-------+
    | uid | total |
    +-----+-------+
    | ccc |     1 |
    +-----+-------+
    1 row in set (0.00 sec)

至此 SQL 的解析之旅就结束了，上图总结一下：

![de5a3412cd7d6d3dab21868cadd3a639.png][]

**「参考书籍」**

*  《MySQL性能调优与架构实践》
 *  《MySQL技术内幕：SQL编程》

**「尾声」**

嗯，到这里这一次的深入了解之旅就差不多真的结束了，虽然也不是很深入，只是一些东西将其东拼西凑在一起而已，参考了一些以前看过的书籍，大师之笔果然不一样。而且在这过程中也是 get 到了蛮多东西的。

![9bef1f0d06a4ee4e7d246700fe2b542e.png][]

[544de3c7a854e7a73275715d8c36f0a2.png]: /images/20220829/27c9afc03d62416bbfd1a0fc0066da04.png
[b7a41e14b70e1d8b23e7d316e7d2fc33.png]: /images/20220829/7676769cf14a4bd1b132e3bb50727363.png
[aaa294e08daf1701bd29970dd940d227.png]: /images/20220829/ef7282ecc2134d6a96ab417e57d8ad32.png
[de5a3412cd7d6d3dab21868cadd3a639.png]: /images/20220829/60560226098545eeb26dcafd1b5dddf3.png
[9bef1f0d06a4ee4e7d246700fe2b542e.png]: /images/20220829/197e61c1700046af9ca79a49e6b3f6c8.png