深入了解MySQL中的join語句演算法（最佳化方法介紹）

這篇文章帶大家深入了解MySQL中的join語句演算法，聊聊join語句的最佳化方法，希望對大家有幫助！

一、join語句演算法

建立兩個表t1和t2

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;

CREATE DEFINER=`root`@`%` PROCEDURE `idata`()
BEGIN
	declare i int;
  set i=1;
  while(i<p>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。預存程序idata()往表t2插入了1000行數據，在表t1裡插入的是100行數據</p><h3><strong>1、Index Nested-Loop Join</strong></h3>#<pre class="brush:php;toolbar:false">select * from t1 straight_join t2 on (t1.a=t2.a);

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，透過straight_join讓MySQL使用固定的連接方式執行查詢，在這個語句裡，t1是驅動表，t2是被驅動表

被驅動表t2的欄位a上有索引，join程序用上了這個索引，因此這個語句的執行流程是這樣的：

1.從表t1讀入一行資料R

2.從資料行R中，取出a字段到表t2裡去查找

3.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

4.重複執行步驟1到3，直到表t1的末尾循環結束

這個程序可以用上被驅動表的索引，稱為Index Nested-Loop Join ，簡稱NLJ

在這個流程裡：

#1.對驅動程式表t1做了全表掃描，這個過程需要掃描100行

2.而對於每一行R，根據a字段去表t2查找，走的是樹搜尋過程。由於我們建構的資料都是一一對應的，因此每次的搜尋過程都只掃描一行，也是總共掃描100行

3.所以，整個執行流程，總掃描行數是200

假設不使用join，只能用單表查詢：

1.執行select * from t1，查出表t1的所有數據，這裡有100行

2.循環遍歷這100行資料：

• 從每一行R取出欄位a的值$R.a
• 執行select * from t2 where a= $R.a
• 把傳回的結果和R構成結果集的一行

這個查詢過程，也是掃描了200行，但是總共執行了101個語句，比直接join多了100次互動。客戶端還要自己拼接SQL語句和結果。這麼做還不如直接join好

在可以使用被驅動表的索引的情況下：

• 使用join語句，效能比強行拆成多個單表執行SQL語句的效能要好
• 如果使用join語句的話，需要讓小表做驅動表

2、Simple Nested-Loop Join

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

由於表t2的欄位b上沒有索引，因此每次到t2去匹配的時候，就要做一次全表掃描。這個演算法叫做Simple Nested-Loop Join

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

MySQL沒有使用這個Simple Nested-Loop Join演算法，而是使用了另一個叫作Block Nested-Loop Join的演算法，簡稱BNL

3、Block Nested-Loop Join

#被驅動表上沒有可用的索引，演算法的流程如下：

1.把表t1的資料讀入線程記憶體join_buffer中，由於這個語句中寫的是select *，因此是把整個表t1放入了記憶體

2.掃描表t2，把表t2中的每一行取出來，跟join_buffer中的資料作比對，滿足join條件的，作為結果集的一部分回傳

在這個過程中，對錶t1和表t2都做了一次全表掃描，因此總的掃描行數是1100。由於join_buffer是以無序數組的方式組織的，因此對錶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

使用Simple Nested-Loop Join演算法進行查詢，掃描行數也是10萬行。因此，從時間複雜度上來說，這兩個演算法是一樣的。但是，Block Nested-Loop Join演算法的這10萬次判斷是記憶體操作，速度會快很多，效能也更好

假設小表的行數是N，大表的行數是M ，那麼在這個演算法裡：

1）兩個表格都做一次全表掃描，所以總的掃描行數是M N 

2）記憶體中的判斷次數是M ∗ N

這時候選擇大表還是小表做驅動表，執行耗時是一樣的

join_buffer的大小是由參數join_buffer_size設定的，預設值是256k。如果放不下表t1的所有資料話，策略很簡單，就是分段放

1）扫描表t1，顺序读取数据行放入join_buffer中，假设放到第88行join_buffer满了

2）扫描表t2，把t2中的每一行取出来，跟join_buffer中的数据做对比，满足join条件的，作为结果集的一部分返回

3）清空join_buffer

4）继续扫描表t1，顺序读取最后的12行放入join_buffer中，继续执行第2步

由于表t1被分成了两次放入join_buffer中，导致表t2会被扫描两次。虽然分成两次放入join_buffer，但是判断等值条件的此时还是不变的

假设，驱动表的数据行数是N，需要分成K段才能完成算法流程，被驱动表的数据行数是M 。这里的K不是常数，N越大K 就会越大，因此把K表示为λ ∗ N ，λ的取值范围是(0,1)。所以，在这个算法的执行过程中：

1.扫描行数是N + λ ∗ N ∗ M

2.内存判断N ∗ M

考虑到扫描行数，N 小一些，整个算式的结果会更小。所以应该让小表当驱动表

4、能不能使用join语句？

1.如果可以使用Index Nested-Loop Join算法，也就是说可以用上被驱动表上的索引，其实是没问题的

2.如果使用Block Nested-Loop Join算法，扫描行数就会过多。尤其是在大表上的join操作，这样可能要扫描被驱动表很多次，会占用大量的系统资源。所以这种join尽量不要用

5、如果使用join，应该选择大表做驱动表还是选择小表做驱动表

1.如果是Index Nested-Loop Join算法，应该选择小表做驱动表

2.如果是Block Nested-Loop Join算法：

• 在join_buffer_size足够大的时候，是一样的
• 在join_buffer_size不够大的时候，应该选择小表做驱动表

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，过滤完成以后，计算参数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

二、join语句优化

创建两个表t1、t2

create table t1(id int primary key, a int, b int, index(a));
create table t2 like t1;

CREATE DEFINER = CURRENT_USER PROCEDURE `idata`()
BEGIN
	declare i int;
  set i=1;
  while(i<=1000)do
    insert into t1 values(i, 1001-i, i);
    set i=i+1;
  end while;
  
  set i=1;
  while(i<=1000000)do
    insert into t2 values(i, i, i);
    set i=i+1;
  end while;

END;

在表t1中，插入了1000行数据，每一行的a=1001-id的值。也就是说，表t1中字段a是逆序的。同时，在表t2中插入了100万行数据

1、Multi-Range Read优化

Multi-Range Read（MRR）优化主要的目的是尽量使用顺序读盘

select * from t1 where a>=1 and a<p>主键索引是一棵B+树，在这棵树上，每次只能根据一个主键id查到一行数据。因此，回表是一行行搜索主键索引的</p><p><img src="https://img.php.cn/upload/article/000/000/024/5c16d719738fb23caf97d38d00c1644b-5.png" alt="深入了解MySQL中的join語句演算法（最佳化方法介紹）"></p><p>如果随着a的值递增顺序查找的话，id的值就变成随机的，那么就会出现随机访问，性能相对较差</p><p><strong>因为大多数的数据都是按照主键递增顺序插入得到的，所以如果按照主键的递增顺序查询，对磁盘的读比较接近顺序读，能够提升读性能</strong></p><p>这就是MRR优化的设计思路，语句的执行流程如下：</p><p>1.根据索引a，定位到满足条件的记录，将id值放入read_rnd_buffer中</p><p>2.将read_rnd_buffer中的id进行递增排序</p><p>3.排序后的id数组，依次到主键id索引中查记录，并作为结果返回</p><p>read_rnd_buffer的大小是由read_rnd_buffer_size参数控制的。如果步骤1中，read_rnd_buffer放满了，就会先执行完步骤2和3，然后清空read_rnd_buffer。之后继续找索引a的下个记录，并继续循环</p><p>如果想要稳定地使用MRR优化的话，需要设置<code>set optimizer_switch="mrr_cost_based=off"</code></p><p><img src="https://img.php.cn/upload/article/000/000/024/5c16d719738fb23caf97d38d00c1644b-6.png" alt="深入了解MySQL中的join語句演算法（最佳化方法介紹）"></p><p><img src="https://img.php.cn/upload/article/000/000/024/3833cfce76c7a34447aff9e3973bd58a-7.png" alt="深入了解MySQL中的join語句演算法（最佳化方法介紹）"><br> explain结果中，Extra字段多了Using MRR，表示的是用上了MRR优化。由于在read_rnd_buffer中按照id做了排序，所以最后得到的结果也是按照主键id递增顺序的</p><p><strong>MRR能够提升性能的核心在于，这条查询语句在索引a上做的是一个范围查询，可以得到足够多的主键id。这样通过排序以后，再去主键索引查数据，才能体现出顺序性的优势</strong></p><h3><strong>2、Batched Key Access</strong></h3><p>MySQL5.6引入了Batched Key Access（BKA）算法。这个BKA算法是对NLJ算法的优化</p><p>NLJ算法流程图：</p><p><img src="https://img.php.cn/upload/article/000/000/024/3833cfce76c7a34447aff9e3973bd58a-8.png" alt="深入了解MySQL中的join語句演算法（最佳化方法介紹）"></p><p>NLJ算法执行的逻辑是从驱动表t1，一行行地取出a的值，再到被驱动表t2去做join</p><p>BKA算法流程图：</p><p><img src="https://img.php.cn/upload/article/000/000/024/3833cfce76c7a34447aff9e3973bd58a-9.png" alt="深入了解MySQL中的join語句演算法（最佳化方法介紹）"></p><p>BKA算法执行的逻辑是把表t1的数据取出来一部分，先放到一个join_buffer，一起传给表t2。在join_buffer中只会放入查询需要的字段，如果join_buffer放不下所有数据，就会将数据分成多段执行上图的流程</p><p>如果想要使用BKA优化算法的话，执行SQL语句之前，先设置</p><pre class="brush:php;toolbar:false">set optimizer_switch='mrr=on,mrr_cost_based=off,batched_key_access=on';

其中前两个参数的作用是启用MRR，原因是BKA算法的优化要依赖与MRR

3、BNL算法的性能问题

InnoDB对Buffer Pool的LRU算法做了优化，即：第一次从磁盘读入内存的数据页，会先放在old区域。如果1秒之后这个数据页不再被访问了，就不会被移动到LRU链表头部，这样对Buffer Pool的命中率影响就不大

如果一个使用BNL算法的join语句，多次扫描一个冷表，而且这个语句执行时间超过1秒，就会在再次扫描冷表的时候，把冷表的数据页移到LRU链表头部。这种情况对应的，是冷表的数据量小于整个Buffer Pool的3/8，能够完全放入old区域的情况

如果这个冷表很大，就会出现另外一种情况：业务正常访问的数据页，没有机会进入young区域。

由于优化机制的存在，一个正常访问的数据页，要进入young区域，需要隔1秒后再次被访问到。但是，由于join语句在循环读磁盘和淘汰内存页，进入old区域的数据页，很可能在1秒之内就被淘汰了。这样就会导致MySQL实例的Buffer Pool在这段时间内，young区域的数据页没有被合理地淘汰

BNL算法对系统的影响主要包括三个方面：

1.可能会多次扫描被驱动表，占用磁盘IO资源

2.判断join条件需要执行$M\ast N$次对比，如果是大表就会占用非常多的CPU资源

3.可能会导致Buffer Pool的热数据被淘汰，影响内存命中率

4、BNL转BKA

一些情况下，我们可以直接在被驱动表上建索引，这时就可以直接转成BKA算法了

如果碰到一些不适合在被驱动表上建索引的情况，可以考虑使用临时表。大致思路如下：

select * from t1 join t2 on (t1.b=t2.b) where t2.b>=1 and t2.b<p>1）把表t2中满足条件的数据放在临时表tmp_t中</p><p>2）为了让join使用BKA算法，给临时表tmp_t的字段b加上索引</p><p>3）让表t1和tmp_t做join操作</p><p>SQL语句写法如下：</p><pre class="brush:php;toolbar:false">create temporary table temp_t(id int primary key, a int, b int, index(b))engine=innodb;insert into temp_t select * from t2 where b>=1 and b<h3><strong>5、扩展hash join</strong></h3><p>MySQL的优化器和执行器不支持哈希join，可以自己实现在业务端，实现流程大致如下：</p><p>1.<code>select * from t1;</code>取得表t1的全部1000行数据，在业务端存入一个hash结构</p><p>2.<code>select * from t2 where b>=1 and b获取表t2中满足条件的2000行数据</code></p><p>3.把这2000行数据，一行一行地取到业务端，到hash结构的数据表中寻找匹配的数据。满足匹配的条件的这行数据，就作为结果集的一行</p><p>【相关推荐：<a href="https://www.php.cn/course/list/51.html" target="_blank" textvalue="mysql视频教程">mysql视频教程</a>】</p>

以上是深入了解MySQL中的join語句演算法（最佳化方法介紹）的詳細內容。更多資訊請關注PHP中文網其他相關文章！