MySQL - Join关联查询优化 --- NLJ及BNL 算法初探

悠悠 2022-11-25 11:45 188阅读 0赞

### 文章目录 ###

*  生猛干货
 *  Demo Table
 *  表关联常见有两种算法
 *   *  嵌套循环连接 Nested-Loop Join(NLJ) 算法 （NLP）
     *   *  定义
         *  示例
         *  执行过程
         *  规律
     *  基于块的嵌套循环连接 Block Nested-Loop Join(BNL)算法
     *   *  定义
         *  示例
         *  执行过程
         *  join\_buffer 放不下怎么办？
 *  被驱动表的关联字段没索引为什么要选择使用 BNL 算法而不使用 Nested-Loop Join 呢？
 *  如何界定大表 小表
 *  关联sql的优化的两个核心点
 *  搞定MySQL

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70]

# 生猛干货 #

[带你搞定MySQL实战，轻松对应海量业务处理及高并发需求，从容应对大场面试][MySQL]

--------------------

# Demo Table #

CREATE TABLE `t1` (
      `id` int(11) NOT NULL AUTO_INCREMENT,
      `a` int(11) DEFAULT NULL,
      `b` int(11) DEFAULT NULL,
      PRIMARY KEY (`id`),
      KEY `idx_a` (`a`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
    
    create table t2 like t1;

两个表 t1 和 t2 ， 一样的，包括索引信息 **a 字段有索引 b字段没有索引。**

数据量 t1 ，t2 如下

mysql> select count(1) from t1;
    +----------+
    | count(1) |
    +----------+
    |    10000 |
    +----------+
    1 row in set
    
    mysql> select count(1) from t2;
    +----------+
    | count(1) |
    +----------+
    |      100 |
    +----------+
    1 row in set
    
    mysql>

--------------------

# 表关联常见有两种算法 #

## 嵌套循环连接 Nested-Loop Join(NLJ) 算法 （NLP） ##

### 定义 ###

一次一行循环地从第一张表（称为**驱动表**）中读取行，在这行数据中取到关联字段，根据关联字段在另一张表（**被驱动表**）里取出满足条件的行，然后取出两张表的结果合集。

--------------------

### 示例 ###

举个例子来说明一下

**【关联字段a有索引】**

从执行计划中可以看出

*  驱动表是 t2，被驱动表是 t1 。 **从执行顺序上来看，先执行的就是驱动表，所以id=1 的是t2 ,如果id相同，从上到下顺序执行。 （id越大，优先级越高越先执行）**
 *  使用了 NLJ算法 . **一般 join 语句中，如果执行计划 Extra 中未出现 Using join buffer 则表示使用的 join 算法是 NLJ。**

--------------------

### 执行过程 ###

执行过程如下

1.  先从t2 驱动表里 取出一条记录（如果有where条件，则按where条件过滤后的结果集中取出一行 ）
2.   拿到t2 结果集中的一条记录中的关联字段 a , 去t1表中查找
3.  取出 t1 中满足条件的行，跟 t2 中获取到的结果合并，作为结果返回给客户端
4.  重复上述步骤

我们来算一下这个操作MySQL要读取多少行数据

**首先读取 t2 表的所有数据 100条记录 ，然后遍历这每行数据中字段 a 的值，根据 t2 表中 a 的值索引扫描 t1 表中的对应行(扫描100次 t1 表的索引(idx\_a )，1次扫描可以认为最终只扫描 t1 表一行完整数据，也就是总共 t1 表也扫描了100行)， 因此整个过程扫描了 200 行。 （估算的）**

**如果被驱动表的关联字段没索引，使用NLJ算法性能会比较低 ，mysql会选择Block Nested-Loop Join算法。**

--------------------

### 规律 ###

*  优化器一般会优先选择小表做驱动表。所以使用 inner join 时，排在前面的表并不一定就是驱动表。
 *  当使用left join时，左表是驱动表，右表是被驱动表
 *  当使用right join时，右表时驱动表，左表是被驱动表
 *  当使用join时，mysql会选择数据量比较小的表作为驱动表，大表作为被驱动表。

--------------------

## 基于块的嵌套循环连接 Block Nested-Loop Join(BNL)算法 ##

### 定义 ###

把驱动表的数据读入到 join\_buffer 中，然后扫描被驱动表，把被驱动表每一行取出来跟 join\_buffer 中的数据做对比。

--------------------

### 示例 ###

**【关联字段b无索引】**

![在这里插入图片描述][20200808202700601.png]

从执行计划中可以看出

*  驱动表是 t2，被驱动表是 t1 。 **从执行顺序上来看，先执行的就是驱动表，所以id=1 的是t2 ,如果id相同，从上到下顺序执行。**
 *  使用了**BNL**算法 . Extra 中 的Using join buffer (Block Nested Loop)说明该关联查询

--------------------

### 执行过程 ###

1.  把 t2 的所有数据放入到 join\_buffer 中
2.  把表 t1 中每一行取出来，跟 join\_buffer 中的数据做对比
3.  返回满足 join 条件的数据

我们来算一下这个操作MySQL要读取多少行数据

整个过程对表 t1 和 t2 都做了一次全表扫描，因此扫描的总行数为10000(表 t1 的数据总量) + 100(表 t2 的数据总量) = 10100。

join\_buffer 里的数据是无序的，极端情况下对表 t1 中的每一行，都要做 100 次判断，所以内存中的判断次数是 100 \* 10000= 100 万次。

--------------------

### join\_buffer 放不下怎么办？ ###

我们这个例子里表 t2 才 100 行，要是表 t2 是一个大表，join\_buffer 放不下怎么办呢

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 t2 的所有数据话，策略很简单，就是**分段放**。

举个例子

**比如 t2 表有1000行记录， join\_buffer 一次只能放800行数据，那么执行过程就是先往 join\_buffer 里放800行记录，然后从 t1 表里取数据跟 join\_buffer 中数据对比得到部分结果，然后清空 join\_buffer ，再放入 t2 表剩余200行记录，再次从 t1 表里取数据跟 join\_buffer 中数据对比。所以就多扫了一次 t1 表。**

--------------------

# 被驱动表的关联字段没索引为什么要选择使用 BNL 算法而不使用 Nested-Loop Join 呢？ #

如果上面第二条sql使用 Nested-Loop Join，那么扫描行数为 100 \* 10000 = 100万次，因为没有索引，所以这个100万磁盘扫描。

虽然BNL也是100万，但是是内存中计算 ，肯定要快

所以，用BNL磁盘扫描次数少很多，相比于磁盘扫描，BNL的内存计算会快得多。

**因此MySQL对于被驱动表的关联字段没索引的关联查询，一般都会使用 BNL 算法。如果有索引一般选择 NLJ 算法，有索引的情况下 NLJ 算法比 BNL算法性能更高**

--------------------

# 如何界定大表 小表 #

不是按照表中的数量来决定大表小表，而是根据参与计算的表的数量来决定大表还是小表。

在决定哪个表做驱动表的时候，应该是两个表按照各自的条件过滤，过滤完成之后，计算参与 join 的各个字段的总数据量，数据量小的那个表，就是“小表”，应该作为驱动表。

--------------------

# 关联sql的优化的两个核心点 #

*  **关联字段加索引，让mysql做join操作时尽量选择NLJ算法**
 *  **小表驱动大表**，写多表连接sql时如果明确知道哪张表是小表可以用straight\_join写法固定连接驱动方式，省去mysql优化器自己判断的时间.

举个例子

比如`：select * from t2 straight_join t1 on t2.a = t1.a;` 代表指定mysql选着 t2 表作为驱动表。

*  **straight\_join只适用于inner join，并不适用于left join，right join**。 因为left join，right join已经代表指定了表的执行顺序
 *  **尽可能让优化器去判断，因为大部分情况下mysql优化器是比人要聪明的。使用straight\_join一定要慎重，因为部分情况下人为指定的执行顺序并不一定会比优化引擎好。**

--------------------

# 搞定MySQL #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 1]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70]: /images/20221124/62efaa7b51bc4a0fac3f9d8991b06f51.png
[MySQL]: https://marketing.csdn.net/poster/3766
[20200808202700601.png]: /images/20221124/572ba7eb937440fcb7306c8830c6783c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3lhbmdzaGFuZ3dlaQ_size_16_color_FFFFFF_t_70 1]: /images/20221124/981dd8882a174cdaaf9f0ea345533c99.png