Join语句优化方式

来源：世旅网

前言

工作中，大部分业务场景，都是多张表关联才会满足，很少有单张表的操作，这篇文章将会介绍多表关联种join的一些优化方法

为了方便理解，首先创建测试表并写入测试数据，语句如下：

CREATE DATABASE muke; /* 创建测试使用的database，名为muke */
use muke; /* 使用muke这个database */
drop table if exists t1; /* 如果表t1存在则删除表t1 */
CREATE TABLE `t1` ( /* 创建表t1 */
`id` int(11) NOT NULL auto_increment,
`a` int(11) DEFAULT NULL,
`b` int(11) DEFAULT NULL,
`create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '记录创建时间',
`update_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP
COMMENT '记录更新时间',
PRIMARY KEY (`id`),
KEY `idx_a` (`a`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

drop procedure if exists insert_t1; /* 如果存在存储过程insert_t1，则删除 */

delimiter ;;
create procedure insert_t1() /* 创建存储过程insert_t1 */
begin
declare i int; /* 声明变量i */
set i=1; /* 设置i的初始值为1 */
while(i<=10000)do /* 对满足i<=10000的值进行while循环 */
insert into t1(a,b) values(i, i); /* 写入表t1中a、b两个字段，值都为i当前的值 */
set i=i+1; /* 将i加1 */
end while;
end;;
delimiter ; /* 创建批量写入10000条数据到表t1的存储过程insert_t1 */
call insert_t1(); /* 运行存储过程insert_t1 */
drop table if exists t2; /* 如果表t2存在则删除表t2 */
create table t2 like t1; /* 创建表t2，表结构与t1一致 */
insert into t2 select * from t1 limit 100; /* 将表t1的前100行数据导入到t2 */

关联查询的算法

Nested-Loop Join（NLJ）算法
Block Nested-Loop Join （）算法
Batched Key Access 算法（）

select * from t1 inner join t2 on t1.a = t2.a;       /* sql1 */

怎么确定这条 SQL 使用的是 NLJ 算法？
我们先来看下 sql1 的执行计划：

所以使用 inner join 时，前面的表并不一定就是驱动表。

sql1 的大致流程如下：

1 从表 t2 中读取一行数据；
2 从第 1 步的数据中，取出关联字段 a，到表 t1 中查找；
3 取出表 t1 中满足条件的行，跟 t2 中获取到的结果合并，作为结果返回给客户端；
4 重复上面 3 步。

在这个过程中会读取 t2 表的所有数据，因此这里扫描了 100 行，然后遍历这 100 行数据中字段 a 的值，根据 t2 表中 a 的值索引扫描 t1 表中的对应行，这里也扫描了 100 行。因此整个过程扫描了 200 行。

表 t1 和表 t2 中的 b 字段都没有索引

select * from t1 inner join t2 on t1.b = t2.b;       /* sql2 */

我们再看下 sql2 的执行流程：

1 把 t2 的所有数据放入到 join_buffer 中
2 把表 t1 中每一行取出来，跟 join_buffer 中的数据做对比
3 返回满足 join 条件的数据

在这个过程中，对表 t1 和 t2 都做了一次全表扫描，因此扫描的总行数为10000(表 t1 的数据总量) + 100(表 t2 的数据总量) = 10100。并且 join_buffer 里的数据是无序的，因此对表 t1 中的每一行，都要做 100 次判断，所以内存中的判断次数是 100 * 10000= 100 万次。

下面我们来回答上面提出的一个问题：

如果被驱动表的关联字段没索引，为什么会选择使用 BNL 算法而不继续使用 Nested-Loop Join 呢？

在被驱动表的关联字段没索引的情况下，比如 sql2：

如果使用 Nested-Loop Join，那么扫描行数为 100 * 10000 = 100万次，这个是磁盘扫描。

如果使用 BNL，那么磁盘扫描是 100 + 10000=10100 次，在内存中判断 100 * 10000 = 100万次。

因此对于 MySQL 的关联查询，如果被驱动表的关联字段没索引，会使用 BNL 算法。

NLJ 的关键思想是：被驱动表的关联字段有索引。
BNL 的关键思想是：把驱动表的数据批量提交一部分放到 join_buffer 中。

BKA
其原理是：

1 将驱动表中相关列放入 join_buffer 中
2 批量将关联字段的值发送到 Multi-Range Read(MRR) 接口
3 MRR 通过接收到的值，根据其对应的主键 ID 进行排序，然后再进行数据的读取和操作
4 返回结果给客户端

下面尝试开启 BKA ：

set optimizer_switch='mrr=on,mrr_cost_based=off,batched_key_access=on';

这里对上面几个参数做下解释：

mrr=on 开启 mrr
mrr_cost_based=off 不需要优化器基于成本考虑使用还是不使用 MRR，也就是一直使用 MRR
batched_key_access=on 开启 BKA

然后再看 sql1 的执行计划：

explain select * from t1 inner join t2 on t1.a = t2.a;

优化关联查询

关联字段添加索引
通过上面的内容，我们知道了 BNL、NLJ 和 BKA 的原理，因此让 BNL变成 NLJ 或者 BKA，可以提高 join 的效率

因此建议在被驱动表的关联字段上添加索引，让 BNL变成 NLJ 或者 BKA ，可明显优化关联查询。

小表做驱动表

所以在写 SQL 时，如果确定被关联字段有索引的情况下，建议用小表做驱动表。
我们来看下以 t2 为驱动表的 SQL：

select * from t2 straight_join t1 on t2.a = t1.a;

这里使用 straight_join 可以固定连接方式，让前面的表为驱动表。

再看下以 t1 为驱动表的 SQL：

select * from t1 straight_join t2 on t1.a = t2.a;

多数情况我们可以通过在被驱动表的关联字段上加索引来让 join 使用 NLJ 或者 BKA，但有时因为某条关联查询只是临时查一次，如果再去添加索引可能会浪费资源，那么有什么办法优化呢？

这里提供一种创建临时表的方法。

我们一起测试下：

比如下面这条关联查询：

select * from t1 join t2 on t1.b= t2.b;

我们看下执行计划：

现在用临时表的方法对这条 SQL 进行优化：

首先创建临时表 t1_tmp，表结构与表 t1 一致，只是在关联字段 b 上添加了索引。

CREATE TEMPORARY TABLE `t1_tmp` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `a` int(11) DEFAULT NULL,
  `b` int(11) DEFAULT NULL,
  `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '记录创建时间',
  `update_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '记录更新时间',
  PRIMARY KEY (`id`),
  KEY `idx_a` (`a`),
  KEY `idx_b` (b)
) ENGINE=InnoDB ;

把 t1 表中的数据写入临时表 t1_tmp 中：

insert into t1_tmp select * from t1;

执行 join 语句：

select * from t1_tmp join t2 on t1_tmp.b= t2.b;

我们再看下执行计划：

所以当遇到 BNL 的 join 语句，如果不方便在关联字段上添加索引，不妨尝试创建临时表，然后在临时表中的关联字段上添加索引，然后通过临时表来做关联查询。

总结

本节首先讲到了 NLJ 、BNL、和 BKA 这几种 join 算法的原理，然后通过认识这些算法，从而引申出 join 语句的一些优化技巧，比如关联字段添加索引、小表做驱动表和创建临时表等方法。

该文为本人学习的笔记，方便以后自己复习。参考《MySQL 5.7 Reference Manual》 8.2.1.6
Nested-Loop Join
Algorithms:https://dev.mysql.com/doc/refman/5.7/en/nested-loop-joins.html
8.2.1.10 Multi-Range Read
Optimization:https://dev.mysql.com/doc/refman/5.7/en/mrr-optimization.html
8.2.1.11 Block Nested-Loop and Batched Key Access
Joins:https://dev.mysql.com/doc/refman/5.7/en/bnl-bka-optimization.html
慕课网专栏：https://www.imooc.com/read/43 取其精华整合而成。

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文