MySQL系列5 - 一文讲透 join语句

Posted 2021-03-28 栋总侃技术

我们还是从一个例子开始，有两张表t1、t2，建表语句如下：

CREATE TABLE `t1` ( `id` int(11) NOT NULL, `c1` int(11) DEFAULT NULL, `c2` int(11) DEFAULT NULL, PRIMARY KEY (`id`), KEY `idx_c1` (`c1`)) ENGINE=InnoDB;
CREATE TABLE `t2` ( `id` int(11) NOT NULL, `c1` int(11) DEFAULT NULL, `c2` int(11) DEFAULT NULL, PRIMARY KEY (`id`), KEY `idx_c1` (`c1`)) ENGINE=InnoDB;

给t1插入100条数据，t2插入10000条数据

for i:=1;i<=100;i++ {  insert into t1 values(i, i, i);}
for i:=1;i<=10000;i++ {  insert into t2 values(i, i, i);}

Simple Nested-Loop Join

有一条查询语句如下：

select * from t1 straight_join t2 on (t1.c1=t2.c1);

为避免mysql的优化器作出选择驱动表的优化，影响我们分析该语句的执行过程，我们这里使用straight_join来指定驱动表为t1。我们通过如下图来看这条sql是如何执行的：

1. 从t1表取出一行数据L

2. 取出L的c1字段到表t2的索引表找到c1

3. 根据从t2表取出的行到t2主键表取这一行数据 
   

4. t1表的行和t2表的行组合成一行存到结果集
   

5. 重复1，2，3，直到t1表循环结束

根据以上的步骤，我们可以分析得出t1表需要做全表扫描（100行），每一行L都要到t2表通过树索引查找一行。所以一共要扫描200行。

在被驱动表使用索引的情况下，我们选择小表作为驱动表性能更好。

如果表t2的c1字段并没有创建索引，将会怎样呢？

我们可以推测出，在第2步做一次t2表的扫描，那么这条语句扫描的行数是100*10000=100万条。这样这种算法就效率太低了。

Simple Nested-Loop Join

当被驱动表没有命中索引时，join语句的执行过程是这样的：

1. 把t1表需要返回的结果（这里是*，所以存的是整行）存入join_buffer中。

2. 扫描t2，把满足join条件的行和join_buffer中的t1的行存入结果集中。

这个时候对t1和t2都完成了一次全表扫描，总共扫描的行数为10000+100行。这个时候无论哪张表作为驱动表都是一样的。

join_buffer的空间大小是由join_buffer_size决定的，有可能join_buffer放不下t1表，这种情况又是怎么处理的呢？

1. 把t1表 n 行需要返回的结果（这里是*，所以存的是整行）存入join_buffer中。

2. 扫描t2，把满足join条件的行和join_buffer中的t1的行存入结果集

3. 清空join_buffer

4. 把t1表 n+1到2n的行放入到join_buffer中，再扫描t2表把满足join条件的行和join_buffer中的t1的行存入结果集。

5. 重复前面的步骤。

   
   

这样t2表会全表扫描多次。为了减少t2表全表扫描的次数，我们一样的也要用小表作为驱动表。怎样定义小表呢？

1. 查询驱动表的字段尽可能少，把*替换成需要返回的字段

2. 扫描的行尽可能小的表，例如如下两条语句,sql2的效率会更高，虽然表t2更大，但是条件限制t2满足条件的表只有10行。

// sql1select * from t1 straight_join t2 on (t1.c2=t2.c2) where t2.id<10;
//sql2select * from t2 straight_join t1 on (t1.c2=t2.c2) where t2.id<10;

所以，小表的定义是按照限定条件过滤后总占空间更小的表。

留个思考题，当被驱动表是一张非常大的冷表，且没有命中索引时。我们该如何做优化呢？给被驱动表的字段加上索引吗？在下一张，结合着实际场景我将给您带来优化的方法，您也不妨先思考下。

往期回顾：