神奇的 SQL 之 联表细节 → MySQL JOIN 的执行过程（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：

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？

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 ？

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

正经图1 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（6级没学大！）

　　　　

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 正经图1 中的顺序还有待商榷，ON 和 WHERE 的生效时间也有待商榷

如果你对上述问题都了如指掌，那请你走开，别妨碍我装逼；如果你对上述问题还不是特别清楚，那么请坐好，我要开始装逼了

前提准备

正式开讲之前了，先给大家预备一些花生、瓜子和啤酒，装逼就得有装逼的氛围，不然怎么看的下去，你说是吧 ？（楼主，你个骗子，货了？）

 

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。

 

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

　　

数据准备

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

 View Code

　　

单表查询

单表查询的过程比较好理解，大致如下

关于单表查询就不细讲了，主要涉及到：聚集索引，覆盖索引、回表操作，知道这 3 点，上图就好理解了（不知道的赶快去查资料，暴露了就丢人了！）。

 

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;　　

Simple Nested-Loop

简单嵌套循环，简称 SNL；逐条逐条匹配，就像这样

 View Code

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

　　

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，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

 View Code

　　　　

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

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

 

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 INDEXidx_user_name (user_name); ，我们再来看联表执行计划

 

可以看到 tbl_user_login_log 的索引生效了，我们再往下看

 

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？

　　

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； 鉴于篇幅原因，BKA 我们放到下期讲解，希望各位老哥见谅！实在是不行，你来打我呀！

总结

　　1、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

　　2、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；

　　3、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

　　4、关于 ON 和 WHERE，我们下篇详细讲解，大家可以先考虑下它们的区别，以及生效时间

本文作者：youzhibing2904

原文链接：https://www.cnblogs.com/youzhibing/p/12004986.html