深入了解MySQL中的join语句算法及优化方法

---

本篇文章带大家了解mysql中的join语句算法，并介绍一下join语句优化的方法。

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);

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

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

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

Python精要参考 pdf版

这本书给出了一份关于python这门优美语言的精要的参考。作者通过一个完整而清晰的入门指引将你带入python的乐园，随后在语法、类型和对象、运算符与表达式、控制流函数与函数编程、类及面向对象编程、模块和包、输入输出、执行环境等多方面给出了详尽的讲解。如果你想加入 python的世界，D*id M beazley的这本书可不要错过哦。 (封面是最新英文版的,中文版貌似只译到第二版)

1 查看详情

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

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

相关学习推荐：mysql教程(视频)

以上就是深入了解MySQL中的join语句算法及优化方法的详细内容，更多请关注其它相关文章！

# join语句  # 在这里  # 行数  # 镜像  # 的是  # 主键  # 插入图片  # MySQL  # 嘉兴海外网站推广公司  # 亚冷国际供应链推广营销  # 推广微信文案的网站  # 梅州seo网站优化排名  # 隐溪茶馆网站建设  # 搭建网站网站建设  # 苏州seo专家  # 美团怎么优化关键词排名  # 中山百度seo机构  # seo张勇博客  # 两次  # 表上  # 在这个  # 就会 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 在Django单元测试中优雅处理信号：基于环境的条件执行策略  J*aScript装饰器_元编程实战  荣耀Magic7拍照夜景噪点处理_荣耀Magic7相机优化  在Peewee中处理PostgreSQL记录重复：一站式数据摄取教程  PHP odbc_fetch_array 返回值处理：如何正确访问嵌套数组元素  Golang如何使用log记录日志信息_Golang log日志记录方法总结  猫眼电影app怎么查询电影院的营业时间_猫眼电影影院营业时间查询教程  PHP中获取HTTP响应状态消息：方法与限制  《下一站江湖2》武器获取方法  《随手记》启用语音备注方法  VBA Outlook邮件自动化：高效集成Excel数据与列标题的策略  食品生产用水只要符合国家规定的生活饮用水卫生标准就可以吗  J*aScript事件处理：优化键盘输入与表单提交的实践指南  Python实时数据流中高效查找最大最小值  解决PHP MySQL数据库更新无响应：SQL查询语法错误解析  sublime怎么快速在浏览器中预览HTML_sublime配置View in Browser教程  蜻蜓FM如何设置移动流量播放  AO3官方镜像链接 | 最新防走失网址永久收藏  TikTok视频播放中断怎么办 TikTok播放异常修复方法  解决J*aScript动态图片上传中ID重复问题：在同一页面显示多张独立图片  汽车之家网页版免费登录_汽车之家官网首页直接进入  J*aScript与HTML元素交互：图片点击事件与链接处理教程  微博网页版入口链接 微博网页版在线互动平台  GBA模拟器手柄按键设置  Dash应用多值文本输入处理与类型转换教程  《浙里办》电子发票开具方法  顺丰速运官网查询入口 顺丰物流查询官网入口链接  在XML中嵌入二进制数据（如图片）的最佳实践是什么？ Base64编码与解析注意事项  Sublime怎么自动添加CSS前缀_Sublime安装Autoprefixer插件  鼠标没反应了怎么办 无线/有线鼠标失灵的解决方法【详解】  oppo手机如何通过下拉通知栏截图_oppo手机通知栏快捷截图方法  poki官网最新入口 poki小游戏大全入口  英国搜索：多数英国人认为语言搜索是未来搜索  全球各国上班时间表外贸邮件时间  《大学搜题酱》官网地址登录  顺丰快递收费标准查询_如何查看顺丰最新收费价格  歌词怎么展示在|直播|间视频号？有什么注意事项？  PHP utf8_encode 字符编码转换疑难解析与最佳实践  如何解决Casbin日志与应用日志不统一的问题，使用casbin/psr3-bridge实现无缝集成  PHP与SQL实践：高效实现数据复制与特定列值修改  申通快件单号查询平台 申通包裹物流动态跟踪  我居然低估了 DeepSeek，这次更新它做到了这些！  微信注销后银行卡解绑了吗_微信注销后银行卡解绑状态  《大周列国志》皇帝律令功能介绍  猫眼电影app如何筛选支持退改签的影院_猫眼电影退改签影院筛选方法  《procreate》绘制渐变效果教程  自定义你的VS Code状态栏，监控关键信息  C++ switch case字符串_C++如何实现字符串switch匹配  解决CSS布局中意外顶部空白问题的教程  Eclipse开发J*a快速入门 

 2021-08-27