MySQL之Join語句執行流程是什么

本文小編為大家詳細介紹“MySQL之Join語句執行流程是什么”，內容詳細，步驟清晰，細節處理妥當，希望這篇“MySQL之Join語句執行流程是什么”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

Join語句執行流程

在實際生產中，關于 join 語句使用的問題，一般會集中在以下兩類：

• 不讓使用 join，使用 join 有什么問題呢？

• 如果有兩個大小不同的表做 join，應該用哪個表做驅動表呢？

創建兩個表 t1 和 t2 來說明。

CREATE TABLE `t2` (
  `id` int(11) NOT NULL,
  `a` int(11) DEFAULT NULL,
  `b` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `a` (`a`)
) ENGINE=InnoDB;

drop procedure idata;
delimiter ;;
create procedure idata()
begin
  declare i int;
  set i=1;
  while(i<=1000)do
    insert into t2 values(i, i, i);
    set i=i+1;
  end while;
end;;
delimiter ;
call idata();

create table t1 like t2;
insert into t1 (select * from t2 where id<=100)

可以看到，這兩個表都有一個主鍵索引 id 和一個索引 a，字段 b 上無索引。

存儲過程 idata() 往表 t2 里插入了 1000 行數據，在表 t1 里插入的是 100 行數據。

一、Index Nested-Loop Join

如果直接使用 join 語句，MySQL 優化器可能會選擇表 t1 或 t2 作為驅動表，這樣會影響分析 SQL 語句的執行過程。

所以，為了便于分析執行過程中的性能問題，改用 straight_join 讓 MySQL 使用固定的連接方式執行查詢，這樣優化器只會按照指定的方式去 join。

來看一下這個語句：

select * from t1 straight_join t2 on (t1.a=t2.a);

在這個語句里，t1 是驅動表，t2 是被驅動表。

現在，來看一下這條語句的 explain 結果。

可以看到，在這條語句里，被驅動表 t2 的字段 a 上有索引，join 過程用上了這個索引，因此這個語句的執行流程是這樣的：

從表 t1 中讀入一行數據 R；從數據行 R 中，取出 a 字段到表 t2 里去查找；取出表 t2 中滿足條件的行，跟 R 組成一行，作為結果集的一部分；重復執行步驟 1 到 3，直到表 t1 的末尾循環結束。

這個過程是先遍歷表 t1，然后根據從表 t1 中取出的每行數據中的 a 值，去表 t2 中查找滿足條件的記錄。

在形式上，這個過程就跟寫程序時的嵌套查詢類似，并且可以用上被驅動表的索引，所以稱之為“Index Nested-Loop Join”，簡稱 NLJ。它對應的流程圖如下所示：

在這個流程里：

對驅動表 t1 做了全表掃描，這個過程需要掃描 100 行；而對于每一行 R，根據 a 字段去表 t2 查找，走的是樹搜索過程。由于構造的數據都是一一對應的，因此每次的搜索過程都只掃描一行，也是總共掃描 100 行；所以，整個執行流程，總掃描行數是 200。

能不能使用 join?

假設不使用 join，那就只能用單表查詢。

看看上面這條語句的需求，用單表查詢怎么實現。

• 執行select * from t1，查出表 t1 的所有數據，這里有 100 行；

• 循環遍歷這 100 行數據：

• 從每一行 R 取出字段 a 的值 $R.a；

• 執行select * from t2 where a=$R.a；

• 把返回的結果和 R 構成結果集的一行。

可以看到，在這個查詢過程，也是掃描了 200 行，但是總共執行了 101 條語句，比直接 join 多了 100 次交互。

除此之外，客戶端還要自己拼接 SQL 語句和結果。

顯然，這么做還不如直接 join 好。

怎么選擇驅動表？

在這個 join 語句執行過程中，==驅動表是走全表掃描，而被驅動表是走樹搜索。==假設被驅動表的行數是 M。

每次在被驅動表查一行數據，要先搜索索引 a，再搜索主鍵索引。

每次搜索一棵樹近似復雜度是以 2 為底的 M 的對數，記為 log2M，所以在被驅動表上查一行的時間復雜度是 2*log2M。

假設驅動表的行數是 N，執行過程就要掃描驅動表 N 行，然后對于每一行，到被驅動表上匹配一次。

因此整個執行過程，近似復雜度是 N + N*2*log2M。

顯然，N 對掃描行數的影響更大，因此應該讓小表來做驅動表。

如果沒覺得這個影響有那么“顯然”， 可以這么理解：
N 擴大 1000 倍的話，掃描行數就會擴大 1000 倍；
而 M 擴大 1000 倍，掃描行數擴大不到 10 倍。

小結一下，通過上面的分析得到了兩個結論：

• 使用 join 語句，性能比強行拆成多個單表執行 SQL 語句的性能要好；

• 如果使用 join 語句的話，需要讓小表做驅動表。

但是，需要注意，這個結論的前提是“可以使用被驅動表的索引”。

二、Simple Nested-Loop Join

再看看被驅動表用不上索引的情況。

現在，把 SQL 語句改成這樣：

select * from t1 straight_join t2 on (t1.a=t2.b);

由于表 t2 的字段 b 上沒有索引，因此再用圖 2 的執行流程時，每次到 t2 去匹配的時候，就要做一次全表掃描。

你可以先設想一下這個問題，繼續使用圖 2 的算法，是不是可以得到正確的結果呢？

如果只看結果的話，這個算法是正確的，而且這個算法也有一個名字，叫做“Simple Nested-Loop Join”。

但是，這樣算來，這個 SQL 請求就要掃描表 t2 多達 100 次，總共掃描 100*1000=10 萬行。

這還只是兩個小表，如果 t1 和 t2 都是 10 萬行的表（當然了，這也還是屬于小表的范圍），就要掃描 100 億行，這個算法看上去太“笨重”了。

三、Block Nested-Loop Join

當然，MySQL 也沒有使用這個 Simple Nested-Loop Join 算法，而是使用了另一個叫作“Block Nested-Loop Join”的算法，簡稱 BNL。

這時候，被驅動表上沒有可用的索引，算法的流程是這樣的：

• 把表 t1 的數據讀入線程內存 join_buffer 中，由于我們這個語句中寫的是 select *，因此是把整個表 t1 放入了內存；

• 掃描表 t2，把表 t2 中的每一行取出來，跟 join_buffer 中的數據做對比，滿足 join 條件的，作為結果集的一部分返回。

這個過程的流程圖如下：

對應地，這條 SQL 語句的 explain 結果如下所示：

可以看到，在這個過程中，對表 t1 和 t2 都做了一次全表掃描，因此總的掃描行數是 1100。

由于 join_buffer 是以無序數組的方式組織的，因此對表 t2 中的每一行，都要做 100 次判斷，總共需要在內存中做的判斷次數是：100*1000=10 萬次。

前面我們說過，如果使用 Simple Nested-Loop Join 算法進行查詢，掃描行數也是 10 萬行。因此，從時間復雜度上來說，這兩個算法是一樣的。但是，Block Nested-Loop Join 算法的這 10 萬次判斷是內存操作，速度上會快很多，性能也更好。

在這種情況下，應該選擇哪個表做驅動表。

假設小表的行數是 N，大表的行數是 M，那么在這個算法里：

• 兩個表都做一次全表掃描，所以總的掃描行數是 M+N；

• 內存中的判斷次數是 M*N。

可以看到，調換這兩個算式中的 M 和 N 沒差別，因此這時候選擇大表還是小表做驅動表，執行耗時是一樣的。

這個例子里表 t1 才 100 行，要是表 t1 是一個大表，join_buffer 放不下怎么辦呢？

join_buffer 的大小是由參數 join_buffer_size 設定的，默認值是 256k。如果放不下表 t1 的所有數據話，策略很簡單，就是分段放。

join_buffer_size 改成 1200，再執行：

select * from t1 straight_join t2 on (t1.a=t2.b);

執行過程就變成了：

• 掃描表 t1，順序讀取數據行放入 join_buffer 中，放完第 88 行 join_buffer 滿了，繼續第 2 步；

• 掃描表 t2，把 t2 中的每一行取出來，跟 join_buffer 中的數據做對比，滿足 join 條件的，作為結果集的一部分返回；

• 清空 join_buffer；

• 繼續掃描表 t1，順序讀取最后的 12 行數據放入 join_buffer 中，繼續執行第 2 步。

執行流程圖也就變成這樣：

圖中的步驟 4 和 5，表示清空 join_buffer 再復用。

這個流程才體現出了這個算法名字中“Block”的由來，表示“分塊去 join”。

可以看到，這時候由于表 t1 被分成了兩次放入 join_buffer 中，導致表 t2 會被掃描兩次。

雖然分成兩次放入 join_buffer，但是判斷等值條件的次數還是不變的，依然是 (88+12)*1000=10 萬次。

在這種情況下驅動表的選擇問題。

假設，驅動表的數據行數是 N，需要分 K 段才能完成算法流程，被驅動表的數據行數是 M。

注意，這里的 K 不是常數，N 越大 K 就會越大，因此把 K 表示為λ*N，顯然λ的取值范圍是 (0,1)。

所以，在這個算法的執行過程中：

• 掃描行數是 N+λNM；

• 內存判斷 N*M 次。

顯然，內存判斷次數是不受選擇哪個表作為驅動表影響的。

而考慮到掃描行數，在 M 和 N 大小確定的情況下，N 小一些，整個算式的結果會更小。所以結論是，應該讓小表當驅動表。

在 N+λNM 這個式子里，λ才是影響掃描行數的關鍵因素，這個值越小越好。

剛剛我們說了 N 越大，分段數 K 越大。那么，N 固定的時候，什么參數會影響 K 的大小呢？（也就是λ的大小）答案是 join_buffer_size。

join_buffer_size 越大，一次可以放入的行越多，分成的段數也就越少，對被驅動表的全表掃描次數就越少。

如果你的 join 語句很慢，就把 join_buffer_size 改大。

第一個問題：能不能使用 join 語句？

• 如果可以使用 Index Nested-Loop Join 算法，也就是說可以用上被驅動表上的索引，其實是沒問題的；

• 如果使用 Block Nested-Loop Join 算法，掃描行數就會過多。尤其是在大表上的 join 操作，這樣可能要掃描被驅動表很多次，會占用大量的系統資源。所以這種 join 盡量不要用。

所以在判斷要不要使用 join 語句時，就是看 explain 結果里面，Extra 字段里面有沒有出現“Block Nested Loop”字樣。

第二個問題是：如果要使用 join，應該選擇大表做驅動表還是選擇小表做驅動表？

• 如果是 Index Nested-Loop Join 算法，應該選擇小表做驅動表；

• 如果是 Block Nested-Loop Join 算法：

• 在 join_buffer_size 足夠大的時候，是一樣的；

• 在 join_buffer_size 不夠大的時候（這種情況更常見），應該選擇小表做驅動表。

所以，這個問題的結論就是，總是應該使用小表做驅動表。

當然了，這里我需要說明下，什么叫作“小表”。

如果我在語句的 where 條件加上 t2.id<=50 這個限定條件，再來看下這兩條語句：

select * from t1 straight_join t2 on (t1.b=t2.b) where t2.id<=50;
select * from t2 straight_join t1 on (t1.b=t2.b) where t2.id<=50;

注意，為了讓兩條語句的被驅動表都用不上索引，所以 join 字段都使用了沒有索引的字段 b。

但如果是用第二個語句的話，join_buffer 只需要放入 t2 的前 50 行，顯然是更好的。

所以這里，“t2 的前 50 行”是那個相對小的表，也就是“小表”。

再來看另外一組例子：

select t1.b,t2.* from  t1  straight_join t2 on (t1.b=t2.b) where t2.id<=100;
select t1.b,t2.* from  t2  straight_join t1 on (t1.b=t2.b) where t2.id<=100;

這個例子里，表 t1 和 t2 都是只有 100 行參加 join。

但是，這兩條語句每次查詢放入 join_buffer 中的數據是不一樣的：

• 表 t1 只查字段 b，因此如果把 t1 放到 join_buffer 中，則 join_buffer 中只需要放入 b 的值；

• 表 t2 需要查所有的字段，因此如果把表 t2 放到 join_buffer 中的話，就需要放入三個字段 id、a 和 b。

應該選擇表 t1 作為驅動表。也就是說在這個例子里，“只需要一列參與 join 的表 t1”是那個相對小的表。

所以，更準確地說，在決定哪個表做驅動表的時候，應該是兩個表按照各自的條件過濾，過濾完成之后，計算參與 join 的各個字段的總數據量，數據量小的那個表，就是“小表”，應該作為驅動表。

讀到這里，這篇“MySQL之Join語句執行流程是什么”文章已經介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內容的文章，歡迎關注億速云行業資訊頻道。