JOIN方式连接多个表,本质上就是各个表之间数据的循环匹配。MySQL5.5之前,MySQL只支持一种表间关联方式,就是嵌套循环。如果关联表的数据量很大,则JOIN关联的执行时间会很长。在MySQL5.5以后的版本中,MySQL通过引入BNLJ算法来优化嵌套循环。
1. 驱动表和被驱动表
对内连接来说
select * from A inner join B ON ...
A不一定是驱动表,优化器会根据你查询语句做优化,决定先查哪张表。先查询的那张表就是驱动表,反之就是被驱动表。通过explain关键字可以查看。
如果是内连接,expalin select * from type INNER JOIN book ON type.card = book.card;
- 如果表的连接条件中只有一个字段有索引,则有索引的字段所在的表会被当做被驱动表。因为该表有索引查询成本低。
- 如果表的连接条件中两个字段都有索引,则小表会被当作是驱动表。(即小表驱动大表)
对于外连接来说,外连接可能会被优化器改写为内连接,再对内连接进行上述优化。
2. Simple Nested-Loop Join(简答嵌套循环连接)
即从表A中取出一条数据1,遍历表B,将匹配到的数据放到result。以此类推,驱动表A的每一条记录与被驱动表B的记录进行判断。
3. Index Nested-Loop Join(索引嵌套循环连接)
Index Nested-Loop Join其优化的思路是主要为了减少内层表数据的匹配次数,所以要求被驱动表上必须有索引才行。通过外层表匹配条件直接与内层表索引进行匹配,避免和内层表的每条记录去进行比较,这样极大的减少了对内层表的匹配次数。
驱动表中每条记录通过被驱动表的索引进行访问,因为索引查询的成本是比较固定的,故MySQL优化器都倾向于使用记录数较少的表作为驱动表。
如果被驱动表加索引,效率是非常高的,但如果索引不是主键索引,所以还得进行一次回表查询。相比,被驱动表的索引是主键索引的话,效率会更高。
4. Block Nested-Loop Join(块嵌套循环连接)
如果存在索引,那么会使用index的方式进行join,如果join的列没有索引,被驱动表要扫描的次数太多了。每次访问被驱动表,其表中的记录都会被加载到内存中,然后再从驱动表中取一条于其匹配,匹配结束后清除内存,然后再从驱动表中加载一条记录,然后把被驱动表的记录再加载到内存匹配,这样周而复始,大大增加了被驱动表的IO次数,就出现了Block Nested-Loop Join。
不再是逐条获取驱动表的数据,而是一块一块的获取,引入了join buffer缓冲区。将驱动表join相关的部分数据列(大小受join buffer的限制)缓存到join buffer中,然后全表扫描被驱动表,被驱动表的每一条记录一次性和join buffer中的所有驱动表记录进行匹配(内存中操作),将简单嵌套循环中多次比较合并成一次,降低了被驱动表的访问频率。
注意:
- 这里缓存的不只是关联表的列,select后面的列也要缓存起来。
- 在一个有N个join关联的sql会 分配N-1个join buffer。所以查询的时候尽量不要减少不必要的字段,可以让join buffer中可以存储更多的列。
驱动表能不能一次加载完,要看join buffer能不能存储所有的数据,默认情况下join_buffer_size=256。
5. Join小结
- 整体效率:INLJ>BNLJ>SNLJ。
- 永远用小结果集驱动大结果集(其本质就是减少外层循环的数据数量)
- 为被驱动表匹配的条件增加索引(减少内层表的循环匹配次数)
- 增大join buffer size的大小(一次缓存的数据越多,那么内层包的扫表次数就会很少)。
- 减少驱动表不必要的字段查询(字段越少,join buffer所缓存的数据就越多)。
6. Hash Join
Nested Loop:
对于被连接的数据子集较小的情况,Nested Loop是个比较好的选择。
Hash Join:
其是做大数据集连接时的常用方式,优化器使用两个表中较小的表利用join key在内存中建立散列表,然后扫描较大的表并探测散列表,找出于hash表匹配的行。
- 这种方式适用于较小的表完全可以放在内存中的情况,这样总成本就是访问两个表的成本之和。
- 在表很大的情况下并不能完全放入内存中,这时优化器会将他们分割成若干不同的分区,不能放入内存的部分就把该分区写入磁盘的临时段,此时要求有较大的临时段从而尽量提高IO的性能。
- 它能够很好的工作于没有索引的大表和并行查询的环境中,并提高很好的性能。hash join智能应用于等值连接 (如WHERE A.COL1=B.COL2),这是由于hash的特点决定的。