【MySQL45讲】一条SQL查询语句如何执行

有个最简单的表，表里只有一个ID字段，在执行下面这个查询语句：

mysql> select * from T where ID=10；

输入一条语句，返回一个结果，那这条语句在MySQL内部的执行过程是怎么样的呢？

一、MySQL基本架构示意图

从中可以清楚地看到SQL语句在MySQL的各个功能模块中的执行过程

二、MySQL架构分层

大体来说，MySQ分为Server层和存储引擎层两部分

Server层

包括连接器、查询缓存、分析器、优化器、执行器等
涵盖MySQL的大多数核心服务功能，以及所有的内置函数(如日期、时间、数字和加密函数等)，所有跨存储引擎的功能都在这一层实现，比如存储过程、触发器、视图等

存储引擎

负责数据的存储和提取
其架构模式是插件式的，支持InnoDB、MyISAM、Memory等多个存储引擎
现在最常用的存储引擎是InnoDB，它从MySQL5.5.5版本开始成为默认存储引擎

也就是说，在执行create table建表的时候，如果不指定引擎类型，默认使用的就是InnoDB
不过，也可以通过指定存储引擎的类型选择别的引擎，比如在create
table语句中使用engine=memory，来指定使用内存引擎创建表。 不同存储引擎的表数据存储方式不同，支持的功能也不同

从图中不难看出，不同的存储引擎共用一个Server层，也就是从连接器到执行器的部分
现在先依次看看每个组件的作用

三、Server层组成

3.1 连接器

第一步，首先需要连接到这个数据库上，这时候接待你的就是连接器
连接器主要负责客户端与数据库服务的连接、获取权限、维持和管理连接

• 连接命令

连接命令一般为：

mysql -h$ip -P$port -u$user -p

• 连接状态

连接完成后，如果后续没有任何的动作，这个连接就处于空闲状态，可以通过show processlist命令查询当前可用的连接进程的状态

show processlist

其中Command这一列显示为"Sleep"的行，表示现在系统中有一个空闲连接

• 连接保持

如果客户端太长时间没有任何操作，连接器就会自动断开
这个时间是由参数wait_timeout控制的，默认值为8小时

如果在连接被断开之后，客户端再次发送请求的话，就会收到一个错误提醒： Lost
connection to MySQL server during query
如果要继续，需要重连，然后再执行请求

• 长短连接

长连接：指连接成功后，如果客户端持续有请求，则一直使用同一个连接
短连接：指每次执行完很少的几次查询就断开连接，下次查询再重新建立一个

• 长连接问题

全部使用长连接后，可能会出现有时候MySQL占用内存涨得特别快，这是因为 MySQL在执行过程中临时使用的内存是管理在连接对象里面
这些资源会在连接断开的时候才释放，所以如果长连接累积下来，可能导致内存占用太大，被系统强行杀掉(OOM)，从现象看就是MySQL异常重启了

怎么解决这个问题呢？可以考虑以下两种方案

1. 定期断开长连接
   使用一段时间或者程序里面判断执行过一个占用内存的大查询后，断开连接，之后要查询再重连
2. 如果用的是MySQL5.7或更新版本，可以在每次执行一个比较大的操作后，通过执行mysql_reset_connection来重新初始化连接资源，这个过程不需要重连和重新做权限验证，但是会将连接恢复到刚刚创建完时的状态

3.2 查询缓存

连接建立完成后，就可以执行select语句了，执行逻辑就会来到第二步：查询缓存，查询缓存顾名思义是用来缓存结果数据

• 处理逻辑

MySQL拿到查询请求后的处理：

1. 查询缓存看看之前是不是执行过这条语句(之前执行过的语句及其结果以key-value对的形式直接缓存在内存中，key是查询的语句，value是查询的结果)
2. 如果查询直接在缓存中找到key，那么将value直接返回给客户端
3. 如果语句不在查询缓存中，继续后面的执行阶段(执行完成后，执行结果会被存入查询缓存中)

如果查询命中缓存，MySQL不需要执行后面的复杂操作，就可以直接返回结果，效率很高

• 弊大于利

大多数情况下建议不要使用查询缓存，为什么呢？因为查询缓存往往弊大于利

缓存失效机制：
只要有对一个表的更新，这个表上所有的查询缓存都会被清空

问题点：
由于缓存失效机制，查询缓存的失效非常频繁，很可能费劲地把结果存起来还没使用，就被一个更新全清空，对于更新压力大的数据库来说，查询缓存的命中率会非常低

使用场景：
除非业务中的静态表，很长时间才会更新一次
如一个系统配置表，那这张表上的查询才适合使用查询缓存

按需使用方式
MySQL提供了按需使用的方式，可以将参数query_cache_type设置成 DEMAND，这样对于默认的SQL语句都不使用查询缓存
而对于确定要使用查询缓存的语句，可以用SQL_CACHE显式指定，如：

mysql> select SQL_CACHE * from T where ID=10；

• 功能废弃

MySQL8.0版本直接将查询缓存整块功能删掉，即从8.0版本开始彻底没有这个功能

3.3 分析器

如果没有命中查询缓存，就要开始真正执行语句
首先，MySQL需要知道你要做什么，因此需要对SQL语句做解析

• 作用

分析器会做"词法分析"，输入的是由多个字符串和空格组成的一条SQL语句，MySQL需要识别出里面的字符串分别是什么，代表什么

• 分析逻辑

MySQL遍历识别：

1. 从输入的select这个关键字识别出来，这是一个查询语句
2. 把字符串T识别成表名T，把字符串ID识别成列ID

MySQL语法分析：

完成遍历识别后，根据词法分析的结果，语法分析器会根据语法规则，判断输入的SQL语句是否满足MySQL语法

• 语法错误异常

如果SQL语句不对，就会收到You have an error in your SQL syntax的错误提醒，比如下面这个语句select少打了开头的字母s

mysql> elect * from t where ID=1;

异常：

ERROR 1064 (42000): You have an error in your SQL syntax; check the manual that corresponds 

一般语法错误会提示第一个出现错误的位置，所以需要关注紧接use near的内容

3.4 优化器

经过了分析器，MySQL就知道要做什么了，但在开始执行之前，还要先经过优化器的处理

• 作用：

1. 在表里面有多个索引的时候，决定使用哪个索引
2. 在一个语句有多表关联(join)的时候，决定各个表的连接顺序

栗子：
执行下面这样的语句，这个语句是执行两个表的join：

mysql> select * from t1 join t2 using(ID) where t1.a=10 and t2.b=20;

• 可以先从表t1里面取出a=10的记录的ID值，再根据ID值关联到表t2，再判断t2里面b的值是否等于20
• 可以先从表t2里面取出b=20的记录的ID值，再根据ID值关联到t1，再判断t1里面a的值是否等于10

这两种执行方法的逻辑结果是一样的，但是执行的效率会有不同，而优化器的作用就是决定选择使用哪一个方案

• 优化效率

不同的优化方式对于SQL语句的执行效率影响很大

1. RBO：基于规则的优化
2. CBO：基于成本的优化

3.5 执行器

MySQL通过分析器知道了要做什么，通过优化器知道了该怎么做，于是就进入了执行器阶段，开始执行语句

• 权限校验

开始执行的时候，要先判断一下你对这个表T有没有执行查询的权限，如果没有，就会返回没有权限的错误，如果有权限，就打开表继续执行

如下所示：

mysql> select * from T where ID=10;

没有权限时抛异常

ERROR 1142 (42000): SELECT command denied to user 'b'@'localhost' for table 'T'

在工程实现上，如果命中查询缓存，会在查询缓存返回结果的时候，做权限验证，查询也会在优化器之前调用precheck验证权限

打开表的时候，执行器就会根据表的引擎定义，去使用这 个引擎提供的接口

• 没有索引的执行

表T中，ID字段没有索引，那么执行器的执行流程是这样的：

1. 调用InnoDB引擎接口取这个表的第一行，判断ID值是不是10，如果不是则跳过，如果是则将这行存在结果集中
2. 调用引擎接口取"下一行"，重复相同的判断逻辑，直到取到这个表的最后一行
3. 执行器将上述遍历过程中所有满足条件的行组成的记录集作为结果集返回给客户端

至此，这个语句就执行完成

• 有索引的执行

1. 调用的是“取满足条件的第一行”这个接口
2. 循环取"满足条件的下一行"这个接口

这些接口都是引擎中已经定义好的

• rows_examined

在数据库的慢查询日志中可以看到rows_examined的字段，表示这个语句执行过程中扫描了多少行，这个值就是在执行器每次调用引擎获取数据行的时候累加的