神奇的SQL之联表细节——MySQL JOIN的执行过程(一)

挖数网精选
挖数网精选
挖数网精选
352
文章
0
评论
2020-04-2902:05:00 评论 107 5527字
摘要

对于 MySQL 的 JOIN,不知道大家有没有去想过它的执行流程,亦或有没有怀疑过自己的理解(自信满满的自我认为!);如果大家不知道怎么检验,可以看看这篇文章所描述的相关问题。

一. 问题背景对于 MySQL 的 JOIN,不知道大家有没有去想过他的执行流程,亦或有没有怀疑过自己的理解(自信满满的自我认为!);如果大家不知道怎么检验,可以试着回答如下的问题:1. 驱动表的选择MySQL 会如何选择驱动表,按从左至右的顺序选择第一个?

2. 多表连接的顺序

假设我们有 3 张表:A、B、C,和如下 SQL

    -- 伪 SQL,不能直接执行

    A LEFT JOIN B ON B.aId = A.id

    LEFT JOIN C ON C.aId = A.id

    WHERE A.name = "666" AND B.state = 1 AND C.create_time > "2019-11-22 12:12:30"

    是 A 和 B 联表处理完之后的结果再和 C 进行联表处理,还是 A、B、C 一起联表之后再进行过滤处理 ,还是说这两种都不对,有其他的处理方式 ?

    3. ON、WHERE 的生效时机

    楼主无意之间逛到了一篇博文,它里面有如下介绍

    神奇的SQL之联表细节——MySQL JOIN的执行过程(一)

    摘自 Mysql - JOIN详解

    看完这个,楼主第一时间有发现新大陆的感觉,原来 JOIN 的执行顺序是这样的(不是颠覆了楼主之前的认知,因为楼主之前就没想过这个问题,而是有种新技能获取的满足),可后面越想越不对,感觉像是学错了技能。

    如果两表各有几百上千万的数据,那这两张表做笛卡尔积,结果不敢想象!也就是说上图中的顺序还有待商榷,ON 和 WHERE 的生效时间也有待商榷。

    二. 前提准备

    1. 驱动表

    何谓驱动表,指多表关联查询时,第一个被处理的表,亦可称之为基表,然后再使用此表的记录去关联其他表。驱动表的选择遵循一个原则:在对最终结果集没影响的前提下,优先选择结果集最少的那张表作为驱动表。这个原则说的不好懂,结果集最少,这个也许我们能估出来,但对最终结果集不影响,这个就不好判断了,难归难,但还是有一定规律的:

    • LEFT JOIN 一般以左表为驱动表(RIGHT JOIN一般则是右表 ),INNER JOIN 一般以结果集少的表为驱动表,如果还觉得有疑问,则可用 EXPLAIN 来找驱动表,其结果的第一张表即是驱动表。

    • 你以为 EXPLAIN 就一定准吗 ?执行计划在真正执行的时候是可能改变的!

    • 绝大多少情况下是适用的,特别是 EXPLAIN

    LEFT JOIN 某些情况下会被查询优化器优化成 INNER JOIN;结果集指的是表中记录过滤后的结果,而不是表中的所有记录,如果无过滤条件则是表中所有记录

    2. SQL 执行的流程图

    当我们向 MySQL 发送一个请求的时候,MySQL 到底做了些了什么

    SQL 执行路径,摘自《高性能MySQL》

    可以看到,执行计划是查询优化器的输出结果,执行引擎根据执行计划来查询数据

    3. 数据准备

    MySQL 5.7.1,InnoDB 引擎;建表 SQL 和 数据初始 SQL

      -- 表创建与数据初始化DROP TABLE IF EXISTS tbl_user;CREATE TABLE tbl_user (

      id INT(11) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT "自增主键", user_name VARCHAR(50) NOT NULL COMMENT "用户名",

      sex TINYINT(1) NOT NULL COMMENT "性别, 1:男,0:女",

      create_time datetime NOT NULL COMMENT "创建时间",

      update_time datetime NOT NULL COMMENT "更新时间",

      remark VARCHAR(255) NOT NULL DEFAULT "" COMMENT "备注", PRIMARY KEY (id)

      ) COMMENT="用户表";DROP TABLE IF EXISTS tbl_user_login_log;CREATE TABLE tbl_user_login_log (

      id INT(11) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT "自增主键", user_name VARCHAR(50) NOT NULL COMMENT "用户名",

      ip VARCHAR(15) NOT NULL COMMENT "登录IP",

      client TINYINT(1) NOT NULL COMMENT "登录端, 1:android, 2:ios, 3:PC, 4:H5",

      create_time datetime NOT NULL COMMENT "创建时间", PRIMARY KEY (id)

      ) COMMENT="登录日志";INSERT INTO tbl_user(user_name,sex,create_time,update_time,remark) VALUES("何天香",1,NOW(), NOW(),"朗眉星目,一表人材"),

      ("薛沉香",0,NOW(), NOW(),"天星楼的总楼主薛摇红的女儿,也是天星楼的少总楼主,体态丰盈,乌发飘逸,指若春葱,袖臂如玉,风姿卓然,高贵典雅,人称"天星绝香"的武林第一大美女"),

      ("慕容兰娟",0,NOW(), NOW(),"武林东南西北四大世家之北世家慕容长明的独生女儿,生得玲珑剔透,粉雕玉琢,脾气却是刚烈无比,又喜着火红,所以人送绰号"火凤凰",是除天星楼薛沉香之外的武林第二大美女"),

      ("苌婷",0,NOW(), NOW(),"当今皇上最宠爱的侄女,北王府的郡主,腰肢纤细,遍体罗绮,眉若墨画,唇点樱红;虽无沉香之雅重,兰娟之热烈,却别现出一种空灵"),

      ("柳含姻",0,NOW(), NOW(),"武林四绝之一的添愁仙子董婉婉的徒弟,体态窈窕,姿容秀丽,真个是秋水为神玉为骨,芙蓉如面柳如腰,眉若墨画,唇若点樱,不弱西子半分,更胜玉环一筹; 摇红楼、听雨轩,琵琶一曲值千金!"),

      ("李凝雪",0,NOW(), NOW(),"李相国的女儿,神采奕奕,英姿飒爽,爱憎分明"),

      ("周遗梦",0,NOW(), NOW(),"音神传人,湘妃竹琴的拥有者,云髻高盘,穿了一身黑色蝉翼纱衫,愈觉得冰肌玉骨,粉面樱唇,格外娇艳动人"),

      ("叶留痕",0,NOW(), NOW(),"圣域圣女,肤白如雪,白衣飘飘,宛如仙女一般,微笑中带着说不出的柔和之美"),

      ("郭疏影",0,NOW(), NOW(),"扬灰右使的徒弟,秀发细眉,玉肌丰滑,娇润脱俗"),

      ("钟钧天",0,NOW(), NOW(),"天界,玄天九部 - 钧天部的部主,超凡脱俗,仙气逼人"),

      ("王雁云",0,NOW(), NOW(),"尘缘山庄二小姐,刁蛮任性"),

      ("许侍霜",0,NOW(), NOW(),"药王谷谷主女儿,医术高明"),

      ("冯黯凝",0,NOW(), NOW(),"桃花门门主,娇艳如火,千娇百媚");INSERT INTO tbl_user_login_log(user_name, ip, client, create_time) VALUES("薛沉香", "10.53.56.78",2, "2019-10-12 12:23:45"),

      ("苌婷", "10.53.56.78",2, "2019-10-12 22:23:45"),

      ("慕容兰娟", "10.53.56.12",1, "2018-08-12 22:23:45"),

      ("何天香", "10.53.56.12",1, "2019-10-19 10:23:45"),

      ("柳含姻", "198.11.132.198",2, "2018-05-12 22:23:45"),

      ("冯黯凝", "198.11.132.198",2, "2018-11-11 22:23:45"),

      ("周遗梦", "198.11.132.198",2, "2019-06-18 22:23:45"),

      ("郭疏影", "220.181.38.148",3, "2019-10-21 09:45:56"),

      ("薛沉香", "220.181.38.148",3, "2019-10-26 22:23:45"),

      ("苌婷", "104.69.160.60",4, "2019-10-12 10:23:45"),

      ("王雁云", "104.69.160.61",4, "2019-10-16 20:23:45"),

      ("李凝雪", "104.69.160.62",4, "2019-10-17 20:23:45"),

      ("许侍霜", "104.69.160.63",4, "2019-10-18 20:23:45"),

      ("叶留痕", "104.69.160.64",4, "2019-10-19 20:23:45"),

      ("王雁云", "104.69.160.65",4, "2019-10-20 20:23:45"),

      ("叶留痕", "104.69.160.66",4, "2019-10-21 20:23:45");

      SELECT * FROM tbl_user;

      SELECT * FROM tbl_user_login_log;

      4. 单表查询

      单表查询的过程比较好理解,大致如下

      神奇的SQL之联表细节——MySQL JOIN的执行过程(一)

      关于单表查询就不细讲了,主要涉及到:聚簇索引,覆盖索引、回表操作,知道这 3 点,上图就好理解了

      三. 联表算法

      MySQL 的联表算法是基于嵌套循环算法(nested-loop algorithm)而衍生出来的一系列算法,根据不同条件而选用不同的算法

      • 在使用索引关联的情况下,有 Index Nested-Loop join 和 Batched Key Access join 两种算法

      • 在未使用索引关联的情况下,有 Simple Nested-Loop join 和 Block Nested-Loop join 两种算法

      1. Simple Nested-Loop

      简单嵌套循环,简称 SNL;逐条逐条匹配,就像这样

      for each row in t1 matching range {

      for each row in t2 matching reference key {

      for each row in t3 {

      if row satisfies join conditions, send to client

      }

      }

      }

      神奇的SQL之联表细节——MySQL JOIN的执行过程(一)

      这种算法简单粗暴,但毫无性能可言,时间性能上来说是 n(表中记录数) 的 m(表的数量) 次方,所以 MySQL 做了优化,联表查询的时候不会出现这种算法,即使在无 WHERE 条件且 ON 的连接键上无索引时,也不会选用这种算法

      2. Block Nested-Loop

      缓存块嵌套循环连接,简称 BNL,是对 INL 的一种优化;一次性缓存多条驱动表的数据到 Join Buffer,然后拿 Join Buffer 里的数据批量与内层循环读取的数据进行匹配,就像这样

        for each row in t1 matching range { for each row in t2 matching reference key {

        store used columns from t1, t2 in join buffer if buffer is full { for each row in t3 { for each t1, t2 combination in join buffer { if row satisfies join conditions, send to client

        }

        }

        empty join buffer

        }

        }

        }if buffer is not empty { for each row in t3 { for each t1, t2 combination in join buffer { if row satisfies join conditions, send to client

        }

        }

        }

        将内部循环中读取的每一行与缓冲区中的所有记录进行比较,这样就可以减少内层循环的读表次数。举个例子,如果没有 Join Buffer,驱动表有 30 条记录,被驱动表有 50 条记录,那么内层循环的读表次数应该是 30 * 50 = 1500,如果 Join Buffer 可用并可以存 10 条记录(Join Buffer 存储的是驱动表中参与查询的列,包括 SELECT 的列、ON 的列、WHERE 的列,而不是驱动表中整行整行的完整记录),那么内层循环的读表次数应该是 30 / 10 * 50 = 150,被驱动表必须读取的次数减少了一个数量级。

        当被驱动表在连接键上无索引且被驱动表在 WHERE 过滤条件上也没索引时,常常会采用此种算法来完成联表,如下所示

        神奇的SQL之联表细节——MySQL JOIN的执行过程(一)

        神奇的SQL之联表细节——MySQL JOIN的执行过程(一)

        4. Index Nested-Loop

        索引嵌套循环,简称 INL,是基于被驱动表的索引进行连接的算法;驱动表的记录逐条与被驱动表的索引进行匹配,避免和被驱动表的每条记录进行比较,减少了对被驱动表的匹配次数,大致流程如下图

        神奇的SQL之联表细节——MySQL JOIN的执行过程(一)

        我们来看看实际案例,先给 tbl_user_login_log 添加索引 ALTER TABLE tbl_user_login_log ADD INDEX idx_user_name (user_name); ,我们再来看联表执行计划

        神奇的SQL之联表细节——MySQL JOIN的执行过程(一)

        可以看到 tbl_user_login_log 的索引生效了,我们再往下看

        神奇的SQL之联表细节——MySQL JOIN的执行过程(一)

        有趣的事发生了,驱动表变成了 tbl_user_login_log ,而 tbl_user 成了被驱动表, tbl_user_login_log 走索引过滤后得到结果集,再通过 BNL 算法将结果集与 tbl_user 进行匹配。这其实是 MySQL进行了优化,因为 tbl_user_login_log 走索引过滤后得到的结果集比 tbl_user 记录数要少,所以选择了tbl_user_login_log 作为驱动表,后面的也就理所当然了,是不是感觉 MySQL 好强大?

        5. Batched Key Access

        批量key访问,简称 BKA,是对 INL 算法的一种优化;BKA 对 INL 的优化类似于 BNL 对 SNL 的优化,但又有不同。

        四. 总 结

        • 驱动表的选择有它的一套算法,有兴趣的可以去专研下;比较靠谱的确定方法是用 EXPLAIN

        • 联表顺序,不是两两联合之后,再去联合第三张表,而是驱动表的一条记录穿到底,匹配完所有关联表之后,再取驱动表的下一条记录重复联表操作

        • MySQL 的连接算法基于嵌套循环算法,基于不同的情况而采用不同的衍生算法

        End.

        作者:青石路

        来源:博客园

        本文已和作者授权,如转载请联系原作者

        • 我的微信公众号
        • 微信扫一扫
        • weinxin
        • 我的微信公众号
        • 微信扫一扫
        • weinxin
        匿名

        发表评论

        匿名网友 填写信息

        :?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: