共计 5702 个字符，预计需要花费 15 分钟才能阅读完成。
本篇内容主要讲解“MySQL 中的 join 语句算法如何优化”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让丸趣 TV 小编来带大家学习“MySQL 中的 join 语句算法如何优化”吧!
一、join 语句算法
创建两个表 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 =1000)do
insert into t2 values(i, i, i);
set i=i+1;
end while;
create table t1 like t2;
insert into t1 (select * from t2 where id =100);这两个表都有一个主键索引 id 和一个索引 a，字段 b 上无索引。存储过程 idata() 往表 t2 里插入了 1000 行数据，在表 t1 里插入的是 100 行数据
1、Index Nested-Loop Join
select * from t1 straight_join t2 on (t1.a=t2.a);如果直接使用 join 语句，MySQL 优化器可能会选择表 t1 或 t2 作为驱动表，通过 straight_join 让 MySQL 使用固定的连接方式执行查询，在这个语句里，t1 是驱动表，t2 是被驱动表
被驱动表 t2 的字段 a 上有索引，join 过程用上了这个索引，因此这个语句的执行流程是这样的：
1. 从表 t1 中读入一行数据 R
2. 从数据行 R 中，取出 a 字段到表 t2 里去查找
3. 取出表 t2 中满足条件的行，跟 R 组成一行，作为结果集的一部分
4. 重复执行步骤 1 到 3，直到表 t1 的末尾循环结束
这个过程可以用上被驱动表的索引，称之为 Index Nested-Loop Join，简称 NLJ
在这个流程里：
1. 对驱动表 t1 做了全表扫描，这个过程需要扫描 100 行
2. 而对于每一行 R，根据 a 字段去表 t2 查找，走的是树搜索过程。由于我们构造的数据都是一一对应的，因此每次的搜索过程都只扫描一行，也是总共扫描 100 行
3. 所以，整个执行流程，总扫描行数是 200
假设不使用 join，只能用单表查询：
1. 执行 select * from t1，查出表 t1 的所有数据，这里有 100 行
2. 循环遍历这 100 行数据：
从每一行 R 取出字段 a 的值 $R.a
执行 select * from t2 where a=$R.a
把返回的结果和 R 构成结果集的一行
这个查询过程，也是扫描了 200 行，但是总共执行了 101 条语句，比直接 join 多了 100 次交互。客户端还要自己拼接 SQL 语句和结果。这么做还不如直接 join 好
在可以使用被驱动表的索引的情况下：
使用 join 语句，性能比强行拆成多个单表执行 SQL 语句的性能要好
如果使用 join 语句的话，需要让小表做驱动表
2、Simple Nested-Loop Join
select * from t1 straight_join t2 on (t1.a=t2.b);由于表 t2 的字段 b 上没有索引，因此每次到 t2 去匹配的时候，就要做一次全表扫描。这个算法叫做 Simple Nested-Loop Join
这样算来，这个 SQL 请求就要扫描表 t2 多达 100 次，总共扫描 100*100=10 万行
MySQL 没有使用这个 Simple Nested-Loop Join 算法，而是使用了另一个叫作 Block Nested-Loop Join 的算法，简称 BNL
3、Block Nested-Loop Join
被驱动表上没有可用的索引，算法的流程如下：
1. 把表 t1 的数据读入线程内存 join_buffer 中，由于这个语句中写的是 select *，因此是把整个表 t1 放入了内存
2. 扫描表 t2，把表 t2 中的每一行取出来，跟 join_buffer 中的数据作比对，满足 join 条件的，作为结果集的一部分返回
在这个过程中，对表 t1 和表 t2 都做了一次全表扫描，因此总的扫描行数是 1100。由于 join_buffer 是以无序数组的方式组织的，因此对表 t2 中的每一行，都要做 100 次判断，总共需要在内存中做的判断次数是 100*1000=10 万次
使用 Simple Nested-Loop Join 算法进行查询，扫描行数也是 10 万行。因此，从时间复杂度上来说，这两个算法是一样的。但是，Block Nested-Loop Join 算法的这 10 万次判断是内存操作，速度上会快很多，性能也更好
假设小表的行数是 N，大表的行数是 M，那么在这个算法里：
1）两个表都做一次全表扫描，所以总的扫描行数是 M + N
2）内存中的判断次数是 M ∗ N
这时候选择大表还是小表做驱动表，执行耗时是一样的
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 t1 的所有数据话，策略很简单，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 =100;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
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
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
这就是 MRR 优化的设计思路，语句的执行流程如下：
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
2. 将 read_rnd_buffer 中的 id 进行递增排序
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
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
如果想要稳定地使用 MRR 优化的话，需要设置 set optimizer_switch= mrr_cost_based=off
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
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
2、Batched Key Access
MySQL5.6 引入了 Batched Key Access（BKA）算法。这个 BKA 算法是对 NLJ 算法的优化
NLJ 算法流程图：
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
BKA 算法流程图：
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
如果想要使用 BKA 优化算法的话，执行 SQL 语句之前，先设置
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∗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 =2000;1）把表 t2 中满足条件的数据放在临时表 tmp_t 中
2）为了让 join 使用 BKA 算法，给临时表 tmp_t 的字段 b 加上索引
3）让表 t1 和 tmp_t 做 join 操作
SQL 语句写法如下：
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 =2000;select * from t1 join temp_t on (t1.b=temp_t.b);5、扩展 hash join
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：
1.select * from t1; 取得表 t1 的全部 1000 行数据，在业务端存入一个 hash 结构
2.select * from t2 where b =1 and b =2000; 获取表 t2 中满足条件的 2000 行数据
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
到此，相信大家对“MySQL 中的 join 语句算法如何优化”有了更深的了解，不妨来实际操作一番吧！这里是丸趣 TV 网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
