MySQL优化器_MySQL查询优化器

╰半夏微凉° 2023-09-30 13:36 18阅读 0赞

## MySQL优化器 ##

MySQL架构图  
![img][]

讲到MySQL，就绕不开他的架构图。MySQL是一个经典的C/S架构。服务器这边分两层：第一层是Server层，第二层是存储引擎。Server层处理主要的业务操作流程，但不关心具体的存储逻辑。存储逻辑由存储引擎层去实现，常见的存储引擎有InnoDB（默认的）、MyISAM、Memory等。  
Server层的连接器负责管理Client的连接、权限检证。客户端的查询请求过来的时，会将查询的SQL语句作为key，去看一下查询缓存里有没有，如果有的话，就直接返回了。如果没有的话，再走正常查询路径。查询缓存用处不是很大，因为如果对表有任何的更新操作，对这个表的所有缓存都有失效，所以这个模块在MySQL8.0之后就直接删掉了。  
分析器主要是对SQL语句做一些词法分析、语法分析。判断SQL语句是否合法。  
优化器是通过一些计算，生成最佳的执行计划，后面会再细讲。  
执行器根据上一步生成的执行计划，调用引擎的API，得出结果，然后返回。

优化器  
![img][img 1]

优化器主要分为两个阶段，首先是逻辑查询优化，这个阶段主要是使用关系代数对SQL语句做一些等价变换，对条件表达式进行等价谓词重写、条件简化，对视图进行重写，对子查询进行优化，对连接语义进行了外连接消除、嵌套连接消除等。  
其次是物理查询优化。物理查询优化一般分为两种：  
基于规则的优化（RBO，Rule-Based Optimizer）  
这种方式主要是基于一些预置的规则对查询进行优化。  
基于代价的优化（CBO，Cost-Based Optimizer）  
这种方式会根据模型计算出各个可能的执行计划的代价，然后选择代价最少的那个。它会利用数据库里面的统计信息来做判断，因此是动态的。

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

## MySQL查询优化器 ##

## 一、查询语句的执行过程简介 ##

MySQL查询语句在数据库中的执行分为5个阶段，具体如下:

### 1.1 SQL输入 ###

数据库接收用户输入的SQL语句，准备执行。

### 1.2 语法分析 ###

对输入的SQL语句进行词法分析、语法分析，得到语法分析树。在这个阶段，输入的是一条SQL语句，输出的是一棵多叉树。

### 1.3 语义检查 ###

根据语法树和系统的元信息进行语义检查，本阶段是对语法分析树进行逻辑判断，树的结构不发生变化。对语法分析树上的各个节点进行语义分析，判断对象是否存在、是否重名等，对不合语义的地方报告错误。

### 1.4 SQL优化 ###

SQL优化通常包括两项工作:一是逻辑优化、二是物理优化。这两项工作都要对语法分析树的形态进行修改，把语法分析树变为查询树。其中，逻辑查询优化将生成逻辑查询执行计划。在生成逻辑查询执行计划过程中，根据关系代数的原理，把语法分析树变为关系代数语法树的样式，原先SQL语义中的一些谓词变化为逻辑代数的操作符等样式，这些样式是一个临时的中间状态，经过进一步的逻辑查询优化，如执行常量传递、选择下推等(如一些节点下移，一些节点上移)，从而生成逻辑查询执行计划。  
在生成逻辑查询计划后，查询优化器会进一步对查询树进行物理查询优化。物理优化会对逻辑查询进行改造，改造的内容主要是对连接的顺序进行调整。SQL语句确定的连接顺序经过多表连接算法的处理，可能导致表之间的连接顺序发生变化，所以树的形态有可能调整。  
物理查询优化除了进行表的连接顺序调整外，还会使用代价估算模型对单个表的扫描方式、两表连接的连接算法进行评估，选择每一项操作中代价最小的操作为下一步优化的基础。  
物理查询优化的最终结果是生成最终物理查询执行计划。

### 1.5 SQL执行 ###

在SQL执行阶段，依据物理查询计划执行查询，逐步调用相关算法进行执行。算法包括一趟算法、嵌套循环连接、基于排序的两趟算法、基于散列的两趟算法、基于索引的算法、使用超过两趟的算法等。

## 二、 逻辑查询优化 ##

### 2.1 逻辑查询优化思路 ###

查询优化器在逻辑优化阶段主要解决的问题是: 如何找出SQL语句等价的变换形式，使得SQL执行更高效。  
一条SQL查询语句结构复杂，包含多种类型的字句，优化操作依赖于表的一些属性(如索引和约束等)。可用于优化的思路包括:

*  字句局部优化: 每种类型字句都可能存在优化方式，如等价谓词重写、where和having条件化简中的大部分情况，都属于这种字句范围内的优化。
 *  字句间关联优化: 字句与字句之间关联的语义存在优化的可能，如外连接消除、连接消除、子查询优化、视图重写等都属于字句间的关联优化，因为他们的优化都需要借助其他字句、表定义或列属性等信息进行。
 *  局部与整体的优化: 需要协同考虑局部表达式和整体的关系，如OR重写并集规则需要考虑UNION操作(UNION师变换后的整体的形式)的花费和OR操作(OR是局部表达式)的花费。
 *  形式变化优化: 多个字句存在嵌套，可以通过形式的变化完成优化，如嵌套连接消除。
 *  语义优化:根据完整性约束、SQL表达的含义等信息对语句进行语义优化。

### 2.2 查询重写规则 ###

传统的联机事务处理(OLTP)使用基于选择(SELECT)、投影(PROJECT)、连接(JOIN)3种基本操作相结合的查询，这种查询称为SPJ查询。  
数据库在查询优化的过程中，会对这3种基本操作进行优化。优化的方式如下:

*  选择操作: 对应的是限制条件(格式类似field consant，field表示列对象，op是操作符，如=，>等)，优化方式是选择操作下推，目的是尽量减少连接操作前的远组数，使得中间临时关系尽量少(元组数少，连接得到的远组数就少)，这样可减少IO和CPU的消耗，节约内存空间。
 *  投影操作: 对应的SELECT查询的目的列对象，优化方式是投影操作下推，目的是尽量减少连接操作前的列数，使得中间临时关系尽量小(特别注意差别:选择操作是使元组的个数"尽量少"，投影操作是使一条元组"尽量小")，这样虽然不能减少IO(多数数据库存储方式是行存储，元组是读取的最基本单位，所以要想操作列则必须读取一行数据)，但可以减少连接后中间关系的元组大小，节约内存空间)。
 *  连接关系: 对应的是连接条件(格式类似field\_1, field\_2，field\_1和field\_2表示不同表上的列对象，op是操作符，如=，>等)，表示两个表连接的条件。这里涉及以下两个子问题:
    
     *  多表连接中每个表被连接的顺序决定着效率。如果一个查询语句只有一个表，则这样的语句很简单；但如果有多个表，则会涉及表之间以什么样的顺序连接效率最高效(如A、B、C三表连接，如果ABC、ACB、BCA等连接后的结果集一样，则计算哪种连接次序的效率最高，是需要考虑的问题)。
     *  多表连接每个表被连接的顺序由用户语义决定。查询语句多表连接有着不同的语义(如笛卡尔积、内连接 、还是外连接中的左外连接等)，这决定着表之间的额前后连接次序是不能随意更换的，否则结果集中数据是不同的。因此，表的前后连接次序是不能随意交换的。
 *  根据SQL语句的形式特点，可以针对SPJ的查询优化，如基于选择、投影、连接3种基本操作相结合的查询。

### 2.3 启发式规则再逻辑优化阶段的应用 ###

逻辑优化阶段使用的启发式规则通常包括如下两类:

#### 2.3.1 一定能带来优化效果的，主要包括: ####

*  优先做选择和投影(选择条件在查询树上下推)
 *  子查询的消除
 *  嵌套连接的消除
 *  外连接的消除
 *  连接的消除
 *  使用等价谓词重写，对条件化简
 *  语义优化
 *  剪掉冗余操作(一些剪枝优化技术)、最小化查询块。

#### 2.3.2 变换未必会带来性能的提高，需根据代价选择，主要包括: ####

*  分组的合并
 *  借用索引优化分组、排序、DISTINCT等操作
 *  对视图的查询变为基于表的查询
 *  连接条件的下推
 *  分组的下推
 *  连接提取公共表达式
 *  谓词的上拉
 *  用连接取代集合操作
 *  用UNIONALL取代OR操作

## 三、物理优化 ##

查询优化器在物理优化阶段，主要解决的问题如下:

*  从可选的单表扫描方式中，挑选什么样的单表扫描方式是最优的？
 *  对于两个表连接时，如何选择是最优的？
 *  对多个表连接，连接顺序有多种组合，是否要对每种组合都探索？如果不全部探索，怎么找到最优的一种组合？  
    在查询优化器实现的早期，使用的是逻辑优化技术，即使用关系代数规则和启发式规则对查询进行优化后，认为生成的执行计划就是最优的。

在引入了基于代价的查询优化方式后，对查询执行计划做了定量的分析，对每一个可能的执行方式进行评估，挑出代价最小的作为最优的计划。  
目前数据库的查询优化器通常融合这两种方式。

### 3.1 查询代价估算 ###

查询代价估算的重点是代价估算模型，这是物理查询优化的依据。除了代价模型外，选择率对代价求解也起着重要作用。

### 3.2 单表扫描算法 ###

单表扫描需要从表上获取元组，直接关联到物理IO的读取，所以不同的单表扫描方式，有不同的代价。

### 3.3 索引 ###

索引是 建立在表上的，本质上是通过索引直接定位表的物理元组，加快数据获取的方式，所以索引优化的手段应该归属到物理查询优化阶段。

### 3.4 两表连接算法 ###

关系代数的一项重要操作是连接运算，多个表连接是建立在两表之间连接的基础上的。研究两表连接的方式，对连接效率的提高有着直接的影响。

### 3.5 多表连接算法 ###

多表连接算法实现的是在查询路径生成的过程中，根据代价估算，从各种可能的候选路径中找出最优的路径(最优路径是代价最小的路径)。  
多表连接算法需要解决两个问题:

*  多表连接的顺序: 表的不同连接顺序，会产生许多不同的连接路径；不同的连接路径有不同的效率。
 *  多表连接的搜索空间:因为多表连接的顺序不同，产生的连接组合会有多种，如果这个组合的数据巨大，连接次数会达到一个很高的数量级，最大可能的连接次数是N！(N的阶乘)。比如N=5，连接次数是120；N=10，连接次数是362880。所有的连接可能构成一个巨大的"搜索空间"。如何将搜索空间限制在一个可接受的时间范围内，并高效地生成查询执行计划将成为一个难点。

## 四、查询优化器与其他模块的关系 ##

在数据库内部，根据功能不同，可以划分出多个模块，不同模块之间有的关系紧密，有的关系松散。查询优化器是其中的一个功能模块，是实现查询优化技术的模块。下面介绍数据库中与查询优化器相关的模块:

### 4.1 查询优化器与语法分析器 ###

语法分析器是查询优化器的输入。理解查询优化器，从语法分析器开始，将是个好的开端。因为不同对象有着不同的数据结构，数据结构成员是对象属性的载体，而语法分析器把一个SQL分解为众多数据结构体并给数据结构赋值，这样才能被查询优化器逐项获取并用与计算，比如逻辑查询优化有一条"常量传递"规则，如果没有语法分析器分解条件，也不可能推知列值是常量，也不可能有此优化。

### 4.2 优化器与执行器 ###

查询优化器是执行器的前端输入部分。查询优化器计划一条SQL的具体执行方式和步骤 ，执行器具体去完成计划中的每一步。  
在实践中，一条SQL最耗时的阶段多发生在执行阶段。如果查询计划做得不好，则执行起来非常耗时。

### 4.3 优化器与缓冲区 ###

缓冲区有多种多样，比如与数据相关的缓冲区(如从存储设备加载数据到内存)、与实现过程相关的辅助缓冲区(如排序用到的临时表或内存块)，与功能模块相关的缓冲区(如日志缓冲区)等。  
优化器主要是对SQL输入进行逻辑方式的变换，没有涉及数据部分，只涉及对数据量的估计。当估算排序空间的时候，会涉及排序缓冲区；当估算数据IO的时候，需要考虑数据是否在数据缓存中。所以，查询优化器与数据缓冲区有一定的关系。

### 4.4 优化器与统计 ###

MySQL数据库的查询优化器使用了基于代价的查询执行计划估算，所以依赖于被查对象的各种数据，而数据是动态变化的，如表的元组数。如果实时获取这些数据，系统计算的开销会比较大。为了避免这样的问题，定期或者根据需要统计这些数据，则比较切合实际。  
优化器在物理优化阶段，需要对单表读取开销，两表连接开销，多表连接顺序开销等进行比较，比较基于的就是一些基础数据的值，这些数据通常不会被实时更新，所以优化器有时做出的计划未必是最合适的。

### 4.5 优化器与索引 ###

优化器做物理查询优化需要利用索引提高单表扫描效率，进而减少了多表连接时的元组数，所以确定哪些索引可用、怎么有效利用索引等都在查询优化器中得到体现。

## 五、 MySQL查询优化器概述 ##

MySQL 查询优化器的主要功能是完成SELECT语句的执行，在保证SELECT语句正确执行之外，还有一个重要的功能，就是使用关系代数、启发式规则、代价估值模型等不同种类的技术，提高SELECT语句的执行效率。

MySQL 查询 优化 器 实现 第 2 章介绍 的 大多数查询优化技术，这些 技术， 用于 对 SPJ 和 非 SPJ 类型 的 查询 语句 进行 优化。

下面将从整体上介绍MySQL查询优化器， 分别对MySQL 查询优化器的执行过程、架构、层次、设计 思想、主要概念、代码结构上宏观探讨MySQL查询优化器的实现。

### 5.1 MySQL查询执行过程 ###

MySQL查询执行过程分为4个阶段，如下所示:

*  语法分析阶段: 将SQL查询语句经词法和语法分析后变换成为一棵查询树st\_select\_lex传给优化器，并对SQL表达的语义进行检查。
 *  生成逻辑查询执行计划阶段: 优化器在查询树中遍历每个关系，确定关系是否是常量表、为每个关系查找可用的索引、运用关系代数原理和启发式规则进行逻辑上的查询优化(如消除子查询、消除外连接等)。
 *  生成物理查询执行计划阶段: 优化器对各个连接的表进行排序，然后求解多表连接最优路径，对于每个关系尽量利用索引计算其代价，找出代价最小的路径后保存到JOIN类的bets\_positions
 *  执行查询执行计划阶段: 把查询执行计划传到执行器进行执行。

![mysql-exe.png][]

MySQL查询优化器在逻辑查询执行计划阶段，机遇关系代数规则和启发式规则，把用户指定的SQL经过"等价"的代数转换，变为一种更节省IO的执行序列，执行起来更为高效。

MySQL查询优化器在物理查询执行计划阶段，在解决多表连接的问题时，有两套算法:一是用户指定表连接次序的算法；二是混杂了贪婪和穷举思想的算法，解决的是较多表的连接和非用户指定连接次序的多表连接，但不能保证得到最优的查询执行计划。

### 5.2 MySQL查询优化器的架构和设计思想 ###

MySQL查询优化器设计精巧，但层次不够清晰，V5.6之后的版本，混乱状态有所改善，但MySQL查询优化器实用而高效，在充分利用索引的基础上，实现了很多查询优化技术，有很多精巧之处值得学习探索。

MySQL查询优化过程中，查询优化器通过JOIN对象的方法，如JOIN.prepare()、JOIN.optimize()，完成优化工作。JOIN.prepare()完成的查询优化主要包括：子查询的冗余子句消除、IN类型子查询优化、将ALL/ANY等类型的子查询转换为MIN/MAX等操作，这是对简单子查询进行的优化；JOIN.optimize()函数完成的查询优化主要包括：子查询上拉，把外连接优>化为内连接，把嵌套连接消除，WHRER子句、JOIN/ON子句、HAVING子句条件表达式的化简（尤其是对含有常量的表达式的化简、等式合并），优化没有GROUPBY子句情况下的COUNT(\*)、MIN()、MAX()，裁剪分区partition（如果查询的表是分区表），确定多表的连接路径（单表是多表的特例，统计join的代价，两种多表连接算法选其一搜索最优的join顺序、生成执行计划）、优化等式谓词、优化DISTINCT、创建临时表存储临时结果优化分组排序等操作。在这样的过程中，MySQL没有把优化过程明显地分为逻辑查询优化阶段和物理查询优化阶段，而是互为混杂，在物理查询优化之后，继续进行了部分逻辑查询优化。这是MySQL查询优化器的一大特点。

### 5.3 MySQL查询优化器架构 ###

MySQL查询优化器为SQL查询语句求解最优的执行方式。MySQL查询优化器架构和执行过程如下图所示。

![MySQL-opimize-structure.png][]

MSQL查询语句的执行主要历经4个过程，分别如下:

1.  P1过程：SQL语句输入变为语法查询树。
2.  P2过程：查询预处理，优化相关的内容主要是子查询优化。
3.  P3过程：语法树变为逻辑关系查询树，进而变为物理查询执行计划，挑出最优计划。
4.  P4过程：依据最优查询执行计划得到查询结果。

MySQL查询语句的执行，主要历经以下4个模块。

1.  M1模块：语法分析模块，执行过程P1的任务。
2.  M2模块：查询 预处理模块，执行过程P2的任务。
3.  M3模块：查询优化模块，执行过程P3的任务。
4.  M4模块：查询执行模块，执行过程P4的任务。

实现MySQL查询优化器功能的主要是M3模块，其主要有以下两个子阶段的工作。

*  M3-S1逻辑查询优化阶段：把语法查询树通过关系代数原理，优化为关系代数查询树，关系代数的原理在这个阶段运用；
 *  M3-S2物理查询优化阶段：把关系代数查询树用于贪婪算法，生成最优执行计划。

### 5.4 MySQL查询优化器的层次 ###

MySQL整个查询优化器从代码层面看，逻辑结构不是很清晰，但是从技术层面看，还是能够分为两个阶段，一是逻辑查询优化阶段，二是物理查询优化阶段。

*  逻辑查询优化阶段主要依据关系代数可以推知的规则和启发式规则，对SQL语句进行等价变换。MySQL淋漓尽致地使用了关系代数中可推定的各项规则，对投影、选择等操作进行句式的优化；对条件表达式进行了谓词的优化、条件化简；对连接语义进行了外连接、嵌套连接的优化；对集合、GROUPBY等尽量利用索引、排序算法进行优化。另外还利用子查询优化、视图重写、语义优化等技术对查询语句进行了优化。
 *  在物理查询优化阶段，通过贪婪算法，并依据代价估算模型，在求解多表连接顺序的过程中，对多个连接的表进行排序并探索连接方式，找出花费最小的路径，据此生成查询执行计划。在这个阶段，对于单表扫描和两表连接的操作，高效地使用了索引，提高了查询语句的执行速度。

## 六 、 从功能角度看MySQL查询优化 ##

MySQL的查询优化技术的实现，基本也可以分为逻辑优化和物理优化两个阶段，只是和PostgreSQL相比，界线没有那么清晰。MySQL的查询优化过程概述如下:

1.  优先处理集合操作，把集合操作分解为普通的SPJ和非SPJ操作。
2.  应用子查询优化技术，去除子查询中冗余部分，转换为半连接、用物化操作优化子查询、执行In向EXISTS转换、优化ALL/ANY等类型的子查询向MIN/MAX转换等。
3.  消除外连接、消除嵌套连接。
4.  利用等价谓词重写优化技术，优化WHERE、JOIN/ON、 HAVING等条件中的表达式，尤其是常量表达式和多重等式。
5.  利用索引优化count(\*)，MIN()，MAX()。
6.  进行多表连接的顺序确定。
    
     *  找出常量表，求解多表连接的过程中不使用常量表作为连接的表(减少搜索空间)。
     *  尽量利用索引优化GROUP BY、DISTINCT结合的操作
     *  利用代价估算模型，评估连接的花费，找出最优连接。
     *  用物化优化半连接嵌套的形式。
     *  从两种多表连接的算法中任选其一: 一是用户指定连接顺序 ，二是使用贪婪和穷尽结合的方式。
     *  “选择”、"投影"操作下推
     *  利用索引对ORDER BY进行优化
     *  对GROUP BY/DISTINCT的组合情况进行优化
     *  确定半连接优化策略，从5种备选策略选择其中之一。
     *  对没有GROUP BY和ORDER BY字句的IN子查询进行优化。

[img]: https://img-blog.csdnimg.cn/img_convert/bb546c5eb5928c80c70377650b9c65ca.png
[img 1]: https://img-blog.csdnimg.cn/img_convert/8ae02e26970a02bf4e4484b223aaed26.png
[mysql-exe.png]: https://img-blog.csdnimg.cn/img_convert/43b26515135284482ff2b64c3fbc459e.png
[MySQL-opimize-structure.png]: https://img-blog.csdnimg.cn/img_convert/8ea7950fa14e0b7a8ac8582aea4d266e.png