mysql--join

最新推荐文章于 2024-05-28 17:10:36 发布

风舞红叶

最新推荐文章于 2024-05-28 17:10:36 发布

阅读量908

点赞数 10

分类专栏： mysql 文章标签： mysql 数据库

本文链接：https://blog.csdn.net/weixin_46488959/article/details/138637400

版权

mysql 专栏收录该内容

12 篇文章 0 订阅

订阅专栏

Join

两个表都有一个主键索引 id 和一个索引 a，字段 b 上无索引，表 t2 里插入了 1000 行数据，在表 t1 里插入的是 100 行数据

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;
 
drop procedure idata;
delimiter ;;
create procedure idata()
begin
  declare i int;
  set i=1;
  while(i<=1000)do
    insert into t2 values(i, i, i);
    set i=i+1;
  end while;
end;;
delimiter ;
call idata();
 
create table t1 like t2;
insert into t1 (select * from t2 where id<=100)

straight_join 让 MySQL 使用固定的连接方式执行查询,前表驱动后表

Index Nested-Loop Join

前提是“可以使用被驱动表的索引”

-- t1 是驱动表，t2 是被驱动表
-- 被驱动表 t2 的字段 a 上有索引，join 过程用上了这个索引
select * from t1 straight_join t2 on (t1.a=t2.a);
执行流程:
1、从表 t1 中读入一行数据 R；
2、从数据行 R 中，取出 a 字段到表 t2 里去查找；
3、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；
4、重复执行步骤 1 到 3，直到表 t1 的末尾循环结束。

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。与嵌套查询类似，并且可以用上被驱动表的索引，所以我们称之为“Index Nested-Loop Join”，简称 NLJ。

分析：

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。

复杂度:

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。
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 log2M，所以在被驱动表上查一行的时间复杂度是 2log2M。
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。
因此整个执行过程，近似复杂度是 N + N2*log2M。N 对扫描行数的影响更大，因此应该让小表来做驱动表。

结论:

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；
如果使用 join 语句的话，需要让小表做驱动表

Block Nested-Loop Join

被驱动表上没有可用的索引

-- 由于表 t2 的字段 b 上没有索引，每次到 t2 去匹配的时候，就要做一次全表扫描。
select * from t1 straight_join t2 on (t1.a=t2.b);
执行流程:

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。

复杂度：

假设小表的行数是 N，大表的行数是 M
两个表都做一次全表扫描，所以总的扫描行数是 M+N；
内存中的判断次数是 M*N。
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。

join_buffer 的大小是由参数 join_buffer_size 设定的，默认值是 256k。

如果 join_buffer 放不下表 t1 的所有数据话，策略很简单，就是分段放

执行过程:

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。

分析：

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。
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)。

复杂度：

扫描行数是 N+λNM；
内存判断 N*M 次。
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。

使用 join 语句

1、如果可以使用 Index Nested-Loop Join 算法，也就是说可以用上被驱动表上的索引，其实是没问题的；
2、如果使用 Block Nested-Loop Join 算法，扫描行数就会过多。尤其是在大表上的 join 操作，这样可能要扫描被驱动表很多次，会占用大量的系统资源。所以这种 join 尽量不要用。

join 使用“小表”做驱动表

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。

join优化

Multi-Range Read 优化 (MRR)

优化的主要目的是尽量使用顺序读盘

回表是指，InnoDB 在普通索引 a 上查到主键 id 的值后，再根据一个个主键 id 的值到主键索引上去查整行数据的过程。
主键索引是一棵 B+ 树，在这棵树上，每次只能根据一个主键 id 查到一行数据。回表是一行行搜索主键索引的

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。
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
MRR 优化的设计思路:

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。

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。

想要稳定地使用 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。)

Batched Key Access

BKA 算法，其实就是对 NLJ 算法的优化

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。

要使用 BKA 优化算法的话，需要在执行 SQL 语句之前，先设置
-- 前两个参数的作用是要启用 MRR。BKA 算法的优化要依赖于 MRR。
set optimizer_switch='mrr=on,mrr_cost_based=off,batched_key_access=on';

BNL 算法的性能问题

Block Nested-Loop Join(BNL) 算法对系统的影响

1、可能会多次扫描被驱动表，占用磁盘 IO 资源；
2、判断 join 条件需要执行 M*N 次对比（M、N 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，影响内存命中率。

影响 Buffer Pool

由于 InnoDB 对 Bufffer Pool 的 LRU 算法做了优化，即：第一次从磁盘读入内存的数据页，会先放在 old 区域。如果 1 秒之后这个数据页不再被访问了，就不会被移动到 LRU 链表头部，这样对 Buffer Pool 的命中率影响就不大。

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，就会出现另外一种情况：业务正常访问的数据页，没有机会进入 young 区域。

由于优化机制的存在，一个正常访问的数据页，要进入 young 区域，需要隔 1 秒后再次被访问到。但是，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 1 秒之内就被淘汰了。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。

也就是说，这两种情况都会影响 Buffer Pool 的正常运作。

BNL 优化

1、BNL 转 BKA

1、一些情况下，我们可以直接在被驱动表上建索引，这时就可以直接转成 BKA 算法了
2、不适合在被驱动表上建索引的情况
select * from t1 join t2 on (t1.b=t2.b) where t2.b>=1 and t2.b<=2000;
在表 t2 中插入了 100 万行数据，但是经过 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。

这时候，我们考虑使用临时表
  -- 把表 t2 中满足条件的数据放在临时表 tmp_t 中；
  -- 为了让 join 使用 BKA 算法，给临时表 tmp_t 的字段 b 加上索引；
   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;
  -- 让表 t1 和 tmp_t 做 join 操作。
  select * from t1 join temp_t on (t1.b=temp_t.b);
业务端自己实现在

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
2、select * from t2 where b>=1 and b<=2000; 获取表 t2 中满足条件的 2000 行数据。
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。