你了解MySQL中的多表联合查询吗？

Posted 2020-11-29 Java后端进阶指南

前言：

多表联合查询，其实就是我们mysql中的join语句，经常会看到有人说join非常影响性能，不建议使用，你知道这是为什么呢？我们究竟可不可以用呢？

测试数据：

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)

上述SQL创建了2个表，两张表都有主键索引id，普通索引a。存储过程是往表t2里插入1000行数据，在表t1里插入的是100行数据。

如果直接使用join语句，优化器可能会选择表t1或者表t2作为驱动表，这样会影响分析SQL执行过程。所以为了分析执行过程中的性能问题，我们可以使用straight_join让MySQL使用固定的连接方式查询，下述语句就是让t1作为驱动表，t2作为被驱动表。

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

我们通过explain来看一下这条语句的执行结果。

这里可以看出，在这条语句汇总，被驱动表t2字段a上有索引，join过程用上了这个索引，该语句的执行流程如下；

1. 从表t1中读取一行数据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。

上述的过程和我们写程序时的循环查找类似，并且可以使用被驱动表中的索引

在这个流程里，对驱动表t1做了全表扫描，这个过程扫描了1000行数据。由于被驱动表使用了索引，我们构造的数据都是11对应的，所以每次只扫描1行数据，总扫描也是100行，扫描总行数为200

如果不使用join会怎样呢？

如果不使用join，那么我们需要将t1的数据全部取出，然后取出a的值，记为$R.a在执行select * from t2 where a= $R.a，再讲结果和R构成结果集的一行。

这样做虽然也是扫描了100行数据，但是总共执行了101条语句，与MySQL服务器多了100次交互，而且还需要自己去构建结果集。这么做显然没有直接join要好。

Simple-Nested-Loop join

在上述SQL执行的过程中，驱动表走的是全表扫描，被驱动表走的是数搜索，所以整个过程的时间复杂度可以近似表示为：O(n*log2m)，所以我们应该尽量使用小表来做驱动表

当n扩大1000倍的时候，时间复杂度扩大1000倍，m扩大1000倍的时候，这个数值只扩大10不到10倍。

结论：

1. 使用join语句，性能比强拆成多个单表执行SQL语句的性能要好
2. 如果使用join语句的话，需要让小表做驱动表

当然，这个结论是建立在“可以使用被驱动表的索引”的前提下的。

Block Nested-Loop Join：

这个时候，按照我们上面的分析，会不会取笛卡尔积，扫描100*1000次呢？我们可以使用explain来查看一下下面的SQL执行结果：

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

 

可以看到这里采用了一种Block Nested-Loop Join的算法。

具体的运算流程是这样的：

1. 把表t1的数据读入到线程内存join_buffer中，由于我们这个语句中写的是select * 因此会讲整个表t1放入内存。
2. 扫描表t2，把t2中的每一行数据取出来，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。

我们可以看到，该算法的计算次数是：100*1000=10万次。但是Block Nested-Loop Join虽然在时间复杂度上和Simple-Nested-Loop join算法一致，但是由于是内存计算，所以速度上会快很多，性能也更好。

这里还是应该选择小表作为驱动表，因为如果驱动表太大，那么就需要将驱动表分段载入内存，将驱动表分成多少段，那么就需要扫描被驱动表多少次。所以这里还是推荐使用小表作为的驱动表。

结论：

如果可以使用被驱动表的索引，join语句非常有优势

不能使用被驱动表的索引，只能使用Block Nested-Loop Join算法，尽量不要使用

在使用join的时候，应选择小表作为驱动表