MySQL：如果用left join的话，左边的表一定是驱动表吗

一、前言

  在日常开发过程中关于MySQL的优化方面，我们知道小表驱动大表原理。例如left join，放在左边的表作为驱动表。但是用left join的话，左边的表一定是驱动表吗，本文将通过案例分析给出详细分析。

二、概念

  在MySQL中，JOIN操作涉及到两个或多个表的连接，其中一个表被称为驱动表（也称为外表），另一个表或多个表被称为被驱动表（也称为内表或从表）。

  驱动表（外表）：在JOIN操作中，首先被访问的表称为驱动表。

  被驱动表（内表或从表）：在JOIN操作中，与驱动表进行匹配的表称为被驱动表。

三、优化策略(小表驱动大表原理)

  在MySQL的JOIN操作中，当涉及到两个或多个表的连接时，其中一个表被选为驱动表（小表），另一个表作为被驱动表（大表）。小表驱动大表的原理就是尽量让数据量较小的表作为驱动表，通过其数据去匹配大数据量的表，以减少循环匹配的次数，从而提高查询性能。

示例：
  假设我们有两个表A和B，其中A表有1000行数据，B表有100万行数据。如果以A表作为驱动表去连接B表，那么最多只需要循环1000次；而如果以B表作为驱动表去连接A表，则需要循环100万次。显然，选择A表作为驱动表将大大提高查询性能。

选择小表作为驱动表的好处：

  减少循环次数：当驱动表的数据量较小时，循环的次数会相应减少，从而减少了整体的计算量。反之，如果大表作为驱动表，则需要多次循环遍历大表的数据去匹配小表，这将大大增加计算量。

  利用索引：如果小表上有合适的索引，MySQL可以更快地定位到需要的数据行，进一步减少扫描的行数。同时，索引的使用也可以提高JOIN操作的效率。

  优化器决策：MySQL的优化器会根据表的统计信息、索引情况、查询条件等因素来自动选择最佳的驱动表。优化器的目标是找到一种执行计划，使得查询的代价（如I/O操作、CPU时间等）最小。

四、案例分析

  我们在编写SQL的时候，通常情况下是这样子的
  LEFT JOIN：在左连接中，左边的表通常作为驱动表。
  RIGHT JOIN：在右连接中，右边的表作为驱动表。
  INNER JOIN：对于内连接，MySQL会自动选择数据量较小的表作为驱动表。

这是通常情况下，下面我们准备一些测试数据：

1. 准备数据：

a1表

a2表

2.准备查询语句1和查询语句2

语句1
select * from a1 left join a2 on(a1.f1=a2.f1) and (a1.f2=a2.f2); 

语句2
select* from a1 left join a2 on(a1.f1=a2.f1)where (a1.f2=a2.f2);

3. 查询语句1的执行结果

4. 查询语句2的执行结果

5. 语句1的EXPLAIN执行结果分析

从EXPLAIN执行计划中看的出来

  驱动表是表a1，被驱动表是表a2。

  由于表a2的f1字段上没有索引，所以使用的是 Block Nested Loop Join（简称 BNL） 算法。

BNL算法基本原理

  将外层循环的结果集存入join buffer：在BNL算法中，外层循环（通常是较小的表或结果集）的行或结果集会被存储在一个称为join buffer的内存区域中。

  内层循环与buffer中的记录做比较：内层循环（通常是较大的表或结果集）的每一行数据会与整个buffer中的记录进行比较，而不是像传统的Nested Loop Join（NLJ）算法那样，每次只与外层循环的一行进行比较。

结合算法与执行计划语句1的执行过程如下：

  ①. 把表a1的内容读入join_buffer 中

  ②. 顺序扫描表a2，对于每一行数据，判断条件(a1.f1=a2.f1) and (a1.f2=a2.f2)是否满足，满足条件的记录, 作为结果集的一行返回。如果语句中有 where 子句，需要先判断 where 部分满足条件后，再返回。

  ③. 表a2扫描完成后，对于没有被匹配的表a1的行，把剩余字段补上 NULL，再放入结果集中。

6. 语句2的EXPLAIN执行结果分析

从EXPLAIN执行计划中看的出来

  以表a2为驱动表的。

语句2的执行过程
  顺序扫描表a2，每一行用a2.f1到表a1中去查，匹配到记录后判断a1.f2=a2.f2 是否满足，满足条件的话就作为结果集的一部分返回。

为什么呢，我们执行一下show warnings；看看优化器是怎么做的。
语句1

语句2

  在 MySQL 里，NULL 跟任何值执行等值判断和不等值判断的结果，都是 NULL。这里包括， select NULL = NULL 的结果，也是返回 NULL。

  因此，语句2里面 where a1.f2=a2.f2 就表示，查询结果里面不会包含 a2.f2是NULL的行，这样这个left join的语义就是“找到这两个表里面，f1、f2 对应相同的行。

  对于表a1中存在，而表a2中匹配不到的行，就放弃。这样，这条语句虽然用的是 left join，但是语义跟 join 是一致的。

  因此，优化器就把这条语句的 left join 改写成了 join，然后因为表 a1 的 f1 上有索引，就把表 a2 作为驱动表。

五、结论

1、即使我们在SQL语句中写成left join，执行过程还是有可能不是从左到右连接的。也就是说，使用left join时，左边的表不一定是驱动表。

2、如果需要left join的语义，就不能把被驱动表的字段放在where条件里面做等值判断或不等值判断，必须都写在on里面。

六、总结

通过对案例的分析，我们在写sql的时候，就有了优化方案：

1. 用小结果集驱动大结果集，减少外层循环的数据量

2. 如果小结果集和大结果集连接的列都是索引列，mysql在join时也会选择用小结果集驱动大结果集，因为索引查询的成本是比较固定的，这时候外层的循环越少，join的速度便越快。

3. 为匹配的条件增加索引：争取使用Index Nested-Loop Join，减少内层表的循环次数

4. 增大join buffer size的大小：当使用Block Nested-Loop Join时，一次缓存的数据越多，那么外层表循环的次数就越少，减少不必要的字段查询。

5. 当用到Block Nested-Loop Join时，字段越少，join buffer 所缓存的数据就越多，外层表的循环次数就越少。