1 定义 Mysql查询优化器的工作是为查询语句选择合适的执行路径。查询优化器的代码一般是经常变动的,这和存储引擎不太一样。因此,需要理解最新版本的查询优化器是如何组织的,请参考相应的源代码。整体而言,优化器有很多相同性,对mysql一个版本的优化器做
1 定义
Mysql查询优化器的工作是为查询语句选择合适的执行路径。查询优化器的代码一般是经常变动的,这和存储引擎不太一样。因此,需要理解最新版本的查询优化器是如何组织的,请参考相应的源代码。整体而言,优化器有很多相同性,对mysql一个版本的优化器做到整体掌握,理解起mysql新版本以及其他数据库的优化器都是类似的。
优化器会对查询语句进行转化,转化等价的查询语句。举个例子,优化器会将下面语句进行转化:
SELECT … WHERE 5=a;
转化后的等价语句为:
SELECT … WHERE a=5;
因为这两个语句的结果集是一致的,所以这两个语句是等价的。
这里我需要提出一点需要注意的,如果查询语句没带order by。查询语句1出现的结果为(1,1),(2,2),查询语句2出现的结果为(2,2),(1,1),我们会认为这是等价的,因为不带order by的查询语句是无序的,怎么排序都行。
2 代码组织
在内核当中handle_select()函数是处理查询语句的顶层函数,里面有两个分支,一个是处理带union的情况,另外一个是处理不带union的情况,这里我们只是列出一个简单的路径便于说明,调用层次见下图。
handle_select() mysql_select() JOIN::prepare() setup_fields() JOIN::optimize() /* optimizer is from here ... */ optimize_cond() opt_sum_query() make_join_statistics() get_quick_record_count() choose_plan() /* Find the best way to access tables */ /* as specified by the user. */ optimize_straight_join() best_access_path() /* Find a (sub-)optimal plan among all or subset */ /* of all possible query plans where the user */ /* controlls the exhaustiveness of the search. */ greedy_search() best_extension_by_limited_search() best_access_path() /* Perform an exhaustive search for an optimal plan */ find_best() make_join_select() /* ... to here */ JOIN::exec() |
上面的缩进表示函数的相互调用关系,因此可以看出handle_select()调用函数mysql_select(),mysql_select()调用JOIN::prepare(),等等。
mysql_select()首先调用函数JOIN::prepare()进行语句分析、元数据设置、子查询转化等等。然后调用函数JOIN::optimize()进行优化,选出最后的执行计划。最后调用函数JOIN::exec()执行该执行计划。
尽管出现了单词“JOIN”,这些优化函数是为所有的查询语句服务的,不管你是什么查询类型。
函数optimize_cond()和函数opt_sum_query()是执行一些转化操作。函数make_join_statistics()对所有可用索引统计信息进行分析。
3 常量转化
对类似下面的表达式可以进行转化:
WHERE column1 = column2 AND column2 = 'x';
因为我们知道:如果A=B and B=C,那么A=C。所以上面的表达式可以转化为:
WHERE column1 = 'x' AND column2 = 'x';
对于column1
=,,=,,,LIKE
从中我们也可以看出,对于BETWEEN的情况是不进行转换的。
4 无效代码的排除
见如下表达式:
WHERE 0=0 AND column1='y'
因为第一个条件是始终为true的,所以可以移除该条件,变为:
WHERE column1='y'
再见如下表达式:
WHERE (0=1 AND s1=5) OR s1=7
因为前一个括号内的表达式始终为false,因此可以移除该表达式,变为:
WHERE s1=7
一些情况下甚至可以将整个WHERE子句去掉,见下面的表达式:
WHERE (0=1 AND s1=5)
我们可以看到,WHERE子句始终为FALASE,那么WHERE条件是不可能发生的。当然我们也可以讲,WHERE条件被优化掉了。
如果一个列的定义是不允许为NULL,那么:
WHERE not_null_column IS NULL
该条件是始终为false的,再看:
WHERE not_null_column IS NOT NULL
该条件是始终为true的,因此这样的表达式也是可以从条件表达式中删除的。
当然,也是有特殊情况的,比如在out join中,被定义为NOT NULL的列也可能包含NULL值。在这种情况下,IS NULL条件是被保留的。
当然优化器没有对所有的情况进行检测,因为这实在太复杂了。举个例子:
CREATE TABLE Table1(column1 CHAR(1));
…
SELECT * FROM Table1 WHERE column1 = 'Canada';
尽管该条件是无效条件,优化器也不会将它移除。
5 常量计算
如下表达式:
WHERE columb1 = 1 + 2
转化为:
WHERE columb1 = 3
6 常量以及常量表
常量表的定义如下:
1) 一个表只有0行或者1行数据。
2) 在WHERE子句中包含条件column = constant,并且这些列是primary key,或者这些列是UNIQUE(假设该UNIQUE同时被定义为NOT NULL)。这样生成的查询结果也可以成为常量表。
如果表Table0定义中包含:
… PRIMARY KEY(column1,column2)
再看下面的语法:
FROM Table0 … WHERE column1=5 AND column2=7 …
那么该语句返回的就是常量表。
举个更简单的情况,建设Table1定义中包含:
… unique_not_null_column INT NOT NULL UNIQUE
再看下面的语法:
FROM Table1 ... WHERE unique_not_null_column=5
该语句返回的也是常量表。
从例子中我们可以看出常量表最多只有1个行值。MySQL会预先评估常量表,找出这个值,然后将这个值引入到查询语句中进行优化,举例如下:
SELECT Table1.unique_not_null_column, Table2.any_column
FROM Table1, Table2
WHERE Table1.unique_not_null_column = Table2.any_column
AND Table1.unique_not_null_column = 5;
在评估这个查询语句时,MySQL首先发现通过Table1.unique_not_null_column条件的限制,Table1会变成一个常量表。然后,取回该值。
如果取回操作失败(Table1中没有行满足条件unique_not_null_column = 5),那么该常量表就包含0行,那么如果对该语句执行EXPLAIN操作,会得到提示信息:
Impossible WHERE noticed after reading const tables
另外一种情况是取回操作成功(Table1中严格只有一行满足条件unique_not_null_column = 5),那么常量表中包含一条数据,并且MySQL会将查询语句转化为:
SELECT 5, Table2.any_column
FROM Table1, Table2
WHERE 5 = Table2.any_column
AND 5 = 5;
实际上,这个例子是个复杂的例子,这里面也用到了上文所说的常量转化。
7 存取类型
当我们评估一个条件表达式,MySQL判断该表达式的存取类型。下面是一些存取类型,按照从最优到最差的顺序进行排列:
system … 系统表,并且是常量表
const … 常量表
eq_ref … unique/primary索引,并且使用的是'='进行存取
ref … 索引使用'='进行存取
ref_or_null … 索引使用'='进行存取,并且有可能为NULL
range … 索引使用BETWEEN、IN、>=、LIKE等进行存取
index … 索引全扫描
ALL … 表全扫描
优化器根据存取类型选择合适的驱动表达式。考虑如下的查询语句:
以下是引用片段: SELECT * FROM Table1 WHERE indexed_column = 5 AND unindexed_column = 6 |
因为indexed_column拥有更好的存取类型,所以更有可能使用该表达式做为驱动表达式。这里只考虑简单的情况,不考虑特殊的情况。
那么驱动表达式的意思是什么呢?考虑到这个查询语句有两种可能的执行方法:
1) 不好的执行路径:读取表的每一行(称为“全表扫描”),对于读取到的每一行,检查相应的值是否满足indexed_column以及unindexed_column对应的条件。
2) 好的执行路径:通过键值indexed_column=5查找B树,对于符合该条件的每一行,判断是否满足unindexed_column对应的条件。
一般情况下,索引查找比全表扫描需要更少的存取路径,尤其当表数据量很大,并且索引的类型是UNIQUE的时候。因此称它为好的执行路径,使用indexed_column列作为驱动表达式。