MySQL查询执行（六）：join查询
到底可不可以使用join
假设存在如下表结构：
-- 创建表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;-- 向t2写入1000条数据
drop procedure idata;
delimiter ;;
create procedure idata()
begindeclare i int;set i=1;while(i<=1000)doinsert into t2 values(i, i, i);set i=i+1;end while;
end;;
delimiter ;
call idata();-- 创建表t1，写入100条数据
create table t1 like t2;
insert into t1 (select * from t2 where id<=100)Index Nested-Loop Join
查询语句：
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， 这样会影响我们分析SQL语句的执行过程。
所以， 为了便于分析执行过程中的性能问题， 我改用straight_join让MySQL使用固定的连接方式执行查询， 这样优化器只会按照我们指定的方式去join。
在这个语句里， t1 是驱动表， t2是被驱动表。
来看一下这条语句的explain结果：
在这条语句里， 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：
- 从表t1中读入一行数据 R。
- 从数据行R中， 取出a字段到表t2里去查找。
- 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。
- 重复执行步骤1到3， 直到表t1的末尾循环结束。
这个过程是先遍历表t1， 然后根据从表t1中取出的每行数据中的a值， 去表t2中查找满足条件的记录。
且在表t2中查找满足条件的记录时，可以使用t2表的索引，所以称之为索引嵌套循环（IndexNested-Loop Join），简称NLJ。
对应流程图如下：
在这个流程中：
- 对驱动表t1做了全表扫描， 这个过程需要扫描100行。
- 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。
- 所以， 整个执行流程， 总扫描行数是200（加上回表）。
假设不使用join，只能用单表查询，则单表查询流程：
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。
除此之外，客户端还要自己拼接SQL语句和结果。
显然，直接join比较好。
问：驱动表是如何选择的？
答：在这个join语句执行过程中，驱动表是走全表扫描，而被驱动表是走树搜索。
1）驱动表时间复杂度：假设驱动表的行数是N， 执行过程就要扫描驱动表N行， 然后对于每一行， 到被驱动表上匹配一次。因此时间复杂度为：N + N*被驱动表时间复杂度。
2）被驱动表时间复杂度：假设被驱动表的行数是M。 每次在被驱动表查一行数据， 要先搜索索引a， 再搜索主键索引。 每次搜索一棵树近似复杂度是以2为底的M的对数， 记为log M， 所以在被驱动表上查一行的时间复杂度是 2*log M（加上回表）。
3）整体时间复杂度：N + N*2*log M。
因此，N对扫描行数的影响更大，应当让小表来做驱动表。
在被驱动表可以使用索引的情况下，有如下结论：
1）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。
2）如果使用join语句的话， 需要让小表做驱动表。
Simple Nested-Loop Join
查询语句：
select * from t1 straight_join t2 on (t1.a=t2.b);由于表t2的字段b上没有索引， 因此在使用上图的执行流程时， 每次到t2去匹配的时候， 就要做一次全表扫描。
这样算来， 这个SQL请求就要扫描表t2多达100次， 总共扫描100*1000=10万行。
因此，该算法时间复杂度过高。
Block Nested-Loop Join
基于Simple Nested-Loop Join算法做了改进。
在被驱动表上没有索引可用时，算法流程如下：
1）把表t1的数据读入线程内存join_buffer中， 由于我们这个语句中写的是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中的数据做对比， 满足join条件的， 作为结果集的一部分返回。
这个过程流程图如下：
这条SQL语句的explain结果如下所示：
在这个过程中， 对表t1和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。
如果使用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。
问1：在这种情况下，应该选择哪个表做驱动表？
答：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。
因此，调换这两个算式中的M和N没差别， 因此这时候选择大表还是小表做驱动表， 执行耗时是一样的。
问2：要是表t1是一个大表， join_buffer放不下怎么办呢？
答：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。 我把join_buffer_size改成1200， 再执行：
select * from t1 straight_join t2 on (t1.a=t2.b);执行过程就变成了：
1）扫描表t1， 顺序读取数据行放入join_buffer中， 放完第88行join_buffer满了， 继续第2步。
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行数据放入join_buffer中， 继续执行第2步。
执行流程图如下：
这个流程才体现出了这个算法名字中“Block”的由来， 表示“分块去join”。
可以看到， 这时候由于表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次数还是不变的， 依然是(88+12)*1000=10万次。
思考：这种情况下，驱动表该如何选择呢？
假设， 驱动表的数据行数是N， 需要分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， 显然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次。
显然， 内存判断次数是不受选择哪个表作为驱动表影响的。 而考虑到扫描行数， 在M和N大小确定的情况下， N小一些， 整个算式的结果会更小。
因此，应该让小表当驱动表。
影响扫描行数的因素：
1）K（λ*N）越小，被驱动表的全表扫描次数就越少。
2）当N固定的时候，join_buffer_size越大，一次可以放入的行数越多，K也就越小，被驱动表的扫描次数也就越少。
所以，当join语句很慢的时候，可以是当调大join_buffer_size。
小结：思考题
思考1：能不能使用join语句？
1）如果可以使用IndexNested-Loop Join算法， 则可以使用join。
2）如果使用Block Nested-Loop Join算法， 扫描行数就会过多。 尤其是大表的join，这样可能要扫描被驱动表很多次，会占用大量的系统资源，尽量不使用join。
所以，在判断要不要使用join语句时，可以通过观察explain结果里面，Extra字段里面有没有出现“Block Nested Loop”字样。
思考2：如果要使用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IndexNested-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（这种情况更常见） ， 应该选择小表做驱动表。
所以，应该尽可能的都是用小表做驱动表。
思考3：什么样的表算是小表？
查询语句如下：
select * from t1 straight_join t2 on (t1.b=t2.b) where t2.id<=50;
select * from t2 straight_join t1 on (t1.b=t2.b) where t2.id<=50;如果用第二个语句的话， join_buffer只需要放入t2的前50行， 显然是更好的。 所以这里， “t2的前50行”是那个相对小的表， 也就是“小表”。
另一组查询语句：
select t1.b,t2.* from t1 straight_join t2 on (t1.b=t2.b) where t2.id<=100;
select t1.b,t2.* from t2 straight_join t1 on (t1.b=t2.b) where t2.id<=100;这个例子里， 表t1 和 t2都是只有100行参加join。 但是， 这两条语句每次查询放入join_buffer中的数据是不一样的：
1）表t1只查字段b， 因此如果把t1放到join_buffer中， 则join_buffer中只需要放入b的值。
2）表t2需要查所有的字段， 因此如果把表t2放到join_buffer中的话， 就需要放入三个字段id、 a和b。
此时，应该选择表t1作为驱动表。 也就是说在这个例子里， “只需要一列参与join的表t1”是那个相对小的表。
结论：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， 过滤完成之后， 计算参与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。
思考4：如果被驱动表是一个大表，并且是一个冷数据表，除了查询过程中可能会导致IO压力大以外，你觉得对这个MySQL服务还有什么更严重的影响吗？
答：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。
1）如果冷表的数据量小于整个Buffer Pool的3/8，能够完全放入old区域，则不会影响young区域。
2）如果这个冷表很大，则业务正常访问的数据页，没有机会进入young区域。
解决办法：调整join_buffer_size，减少对被驱动表的扫描次数。
join语句怎么优化
针对Index Nested-Loop Join（NLJ）和Block Nested-Loop Join（BNL）算法都存在一定的优化空间。
假设存在表t1、t2：
-- 创建表t1，t2
create table t1(id int primary key,a int, b int, index(a));
create table t2 like t1;-- t1写入1000数据，字段a值为 1001-id；
-- t2写入100w数据，字段a值等于id值；
drop procedure idata;
delimiter ;;
create procedure idata()
begindeclare i int;set i=1;while(i<=1000)doinsert into t1 values(i, 1001-i, i);set i=i+1;end while;set i=1;while(i<=1000000)doinsert into t2 values(i, i, i);set i=i+1;end while;end;;
delimiter ;call idata();Multi-Range Read优化
Multi-Range Read优化又称MRR，该优化的主要目的是尽量使用顺序读盘。
思考：回表过程是一行行地查数据，还是批量地查数据？
答：主键索引是一棵B+树，在B+树上，每次只能根据一个主键id查到一行数据，因此，回表肯定是一行行搜索主键索引的。
假设执行如下语句：
select * from t1 where a>=1 and a<=100;基本流程如下：
如果随着a的值递增顺序查询的话， 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。 虽然“按行查”这个机制不能改， 但是调整查询的顺序， 还是能够加速的。
因为大多数的数据都是按照主键递增顺序插入得到的， 所以我们可以认为， 如果按照主键的递增顺序查询的话， 对磁盘的读比较接近顺序读， 能够提升读性能。
这也正是MRR优化的设计思路。此时，语句的执行流程：
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。
注1：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。
注2：如果想稳定地使用MRR优化的话，需要设置set optimizer_switch="mrr_cost_based=off"（官方文档的说法， 是现在的优化器策略， 判断消耗的时候， 会更倾向于不使用MRR， 把mrr_cost_based设置为off， 就是固定使用MRR了。）
使用MRR优化的执行流程和explain结果：
从图的explain结果中， 我们可以看到Extra字段多了Using MRR， 表示的是用上了MRR优化。而且， 由于我们在read_rnd_buffer中按照id做了排序， 所以最后得到的结果集也是按照主键id递增顺序的， 也就是与未使用MRR的结果集中行的顺序相反。
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（也就是说， 这是一个多值查询） ， 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。
Batched Key Access
Batched Key Access算法是MySQL 5.6版本后开始引入的。
Batched Key Access优化又称BKA，该算法是针对BNL算法做出的优化。
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。 也就是说， 对于表t2来说， 每次都是匹配一个值。 这时， MRR的优势就用不上了。
问1：如何一次性地多传一些值给表t2呢？
答：从表t1中一次性多拿一些行出来，先放到一个临时内存（join_buffer）。即BNL中用到的join_buffer。
NLJ算法优化后的BKA算法流程：
图中， 我在join_buffer中放入的数据是P1~P100， 表示的是只会取查询需要的字段。 当然， 如果join buffer放不下P1~P100的所有数据， 就会把这100行数据分成多段执行上图的流程。
感觉优化不是很明显！！！
问2：BKA算法要怎么启用呢？
答：如果要使用BKA优化算法的话， 你需要在执行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要启用MRR。 这么做的原因是， BKA算法的优化要依赖于MRR。
BNL算法的性能问题
影响Buffer Pool正常工作的两种情景：
1）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，就会导致业务正常访问的数据页，没有机会进入young区域。因为冷表循环读磁盘和淘汰内存页，导致业务正常访问的数据页还没来得及进入young区域就被淘汰了。
2）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1s内就被淘汰了。这样就会导致这个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以下三个方面：
1）可能会多次扫描被驱动表，占用IO资源。
2）判断join条件需要执行N*M次对比（N、M分别是两张表的行数），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，影响内容命中率。
我们执行语句之前， 需要通过理论分析和查看explain结果的方式， 确认是否要使用BNL算法。 如果确认优化器会使用BNL算法， 就需要做优化。 优化的常见做法是， 给被驱动表的join字段加上索引， 把BNL算法转成BKA算法。
BNL转BKA
一些情况下，可以直接在被驱动表上建立索引，这时就可以直接把BNL转成BKA算法了。
但是，有时也会遇到一些不适合在被驱动表上建索引的情况。如：
select * from t1 join t2 on (t1.b=t2.b) where t2.b>=1 and t2.b<=2000;表t2中有100万行数据，但经过where条件过滤后，需要参与join的只有2000行数据。如果这条语句同时又是一个低频的SQL语句，那么再为这个语句在表t2的字段b上创建一个索引就很浪费了。
使用BNL算法进行join，语句执行流程如下：
1）把表t1的所有字段取出来， 存入join_buffer中。 这个表只有1000行， join_buffer_size默认值是256k， 可以完全存入。
2）扫描表t2， 取出每一行数据跟join_buffer中的数据进行对比：
- 如果不满足t1.b=t2.b， 则跳过。
- 如果满足t1.b=t2.b, 再判断其他条件， 也就是是否满足t2.b处于[1,2000]的条件， 如果是， 就作为结果集的一部分返回， 否则跳过。
对于表t2的每一行， 判断join是否满足的时候， 都需要遍历join_buffer中的所有行。 因此判断等值条件的次数是1000*100万=10亿次， 这个判断的工作量很大。
从图中可以看到，explain结果里Extra字段显示使用了BNL算法。 在我的测试环境里， 这条语句需要执行1分11秒。
问：既然在t2的字段b上创建索引浪费资源，但不创建索引的话这个语句的等值条件要判断10亿次，也是浪费资源。有两全其美的方法么？
答：可以使用临时表。使用临时表的大致思路：
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。
此时， 对应的SQL语句的写法如下：
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);语句序列的执行效果：
可以看到， 整个过程3个语句执行时间的总和还不到1秒， 相比于前面的1分11秒， 性能得到了大幅提升。
这个过程的消耗：
1）执行insert语句构造temp_t表并插入数据的过程中， 对表t2做了全表扫描， 这里扫描行数是100万。
2）之后的join语句， 扫描表t1， 这里的扫描行数是1000； join比较过程中， 做了1000次带索引的查询。 相比于优化前的join语句需要做10亿次条件判断来说， 这个优化效果还是很明显的。
不论是在原表上加索引， 还是用有索引的临时表， 我们的思路都是让join语句能够用上被驱动表上的索引， 来触发BKA算法， 提升查询性能。
扩展-hash join
思考：如果join_buffer里面维护的不是一个无序数组，而是一个哈希表的话，那么就不是10亿次判断，而是100万次hash查找。那么整条语句执行速度就快很多了吧？
答：是的。
这个优化思路，实际上可以在业务端实现，实现流程如下：
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， 比如C++里的set、 PHP的dict这样的数据结构。
2）select * from t2 where b>=1 and b
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。
理论上，这个过程闭临时表方案的执行速度还要快一些。
小结：思考题
优化方法总结：
1）BKA优化是MySQL已经内置支持的， 建议你默认使用。
2）BNL算法效率低， 建议你都尽量转成BKA算法。 优化的方向就是给被驱动表的关联字段加上索引。
3）基于临时表的改进方案， 对于能够提前过滤出小数据的join语句来说， 效果还是很好的。
4）MySQL目前的版本还不支持hash join（MySQL 8.0.18开始支持hash join）， 但你可以配合应用端自己模拟出来， 理论上效果要好于临时表的方案。
思考：对于下面这三个表的join语句，如果改写成straight_join，要怎么指定连接顺序，以及怎么给这三个表创建索引？
select * from t1 join t2 on(t1.a=t2.a) join t3 on (t2.b=t3.b) where t1.c>=X and t2.c>=Y and t3.c>=Z;第一原则是要尽量使用BKA算法。 需要注意的是， 使用BKA算法的时候， 并不是“先计算两个表join的结果， 再跟第三个表join”， 而是直接嵌套查询的。
具体实现是： 在t1.c>=X、 t2.c>=Y、 t3.c>=Z这三个条件里， 选择一个经过过滤以后， 数据最少的那个表， 作为第一个驱动表。 此时， 可能会出现如下两种情况。
1）如果选出来是表t1或者t3， 那剩下的部分就固定了。
- 如果驱动表是t1， 则连接顺序是t1->t2->t3， 要在被驱动表字段创建上索引， 也就是t2.a 和t3.b上创建索引。
- 如果驱动表是t3， 则连接顺序是t3->t2->t1， 需要在t2.b 和 t1.a上创建索引。
注：同时还需要在第一个驱动表的字段c上创建索引。
2）如果选出来的第一个驱动表是表t2的话， 则需要评估另外两个条件的过滤效果。
总之， 整体的思路就是， 尽量让每一次参与join的驱动表的数据集， 越小越好， 因为这样我们的驱动表就会越小。