深入了解MySQL中的join语句算法（优化方法介绍）-mysql教程-PHP中文网

本篇文章带大家深入了解一下MySQL中的join语句算法，并聊聊join语句的优化方法，希望对大家有所帮助！

深入了解MySQL中的join语句算法（优化方法介绍）

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;
END

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

登录后复制

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);

登录后复制

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
在这里插入图片描述
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

在这里插入图片描述

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);

登录后复制

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

在这里插入图片描述

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

在这里插入图片描述
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

544f4f136c25faf126a7565bf18b4f77

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

【相关推荐：mysql视频教程】

以上是深入了解MySQL中的join语句算法（优化方法介绍）的详细内容。更多信息请关注PHP中文网其他相关文章！