MySQL连接查询驱动表被驱动表以及性能优化

Posted 2020-12-13 阿伟

准备我们需要的表结构和数据

两张表 studnet(学生)表和score(成绩)表， 创建表的SQL语句如下

CREATE TABLE `student` (
  `id` int(11) NOT NULL,
  `no` varchar(20) DEFAULT NULL,
  `name` varchar(20) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

CREATE TABLE `score` (
  `id` int(11) NOT NULL,
  `no` varchar(20) DEFAULT NULL,
  `chinese` double(4,0) DEFAULT NULL,
  `math` double(4,0) DEFAULT NULL,
  `engilsh` double(4,0) DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

mysql连接查询分为以下三种

left join 左连接，用法如下，这种查询会把左表(student)所有数据查询出来，右表不存在的用空表示，结果图如下

select * from student s1 left join score  s2 on  s1.on = s2. on

right join 右连接, 用法如下，这种查询会把右表(score)所有数据查询出来，左表不存在的用空表示，结果图如下

select * from student s1 right join score s2 on s1.no = s2.no

inner join 内连接，用法如下，这种查询会把左右表都存在的数据查询出来，不存在数据忽略，结果图如下

select * from student s1 inner join score s2 on s1.no = s2.no

连接查询中需要注意的点

什么是驱动表，什么是被驱动表，这两个概念在查询中有时容易让人搞混，有下面几种情况，大家需要了解。

1. 当连接查询没有where条件时，左连接查询时，前面的表是驱动表，后面的表是被驱动表，右连接查询时相反，内连接查询时，哪张表的数据较少，哪张表就是驱动表
2. 当连接查询有where条件时，带where条件的表是驱动表，否则是被驱动表

怎么确定我们上面的两种情况呢，执行计划是不会骗人的，我们针对上面情况分别看看执行计划给出的答案

首先第一种情况，student表中3条数据，score表中2条数据，但两张表中只有一条数据是关联的(编号是1),看如下SQL查询

//左连接查询
explain select * from student s1 left join score s2 on s1.no = s2.no
//右连接查询
explain select * from student s1 right join score s2 on s1.no = s2.no
//内连接查询
explain select * from student s1 inner join score s2 on s1.no = s2.no

执行计划中靠前的表是驱动表，我们看下面三种图中，是不是全部符合情况一，第一张图中s1是驱动表，第二张图中s2是驱动表，第三种图中s2是驱动表

其次第二种情况，还是上面三种SQL语句，我们分别加上where条件，再来看看执行计划的结果是什么样呢？

//左连接查询
explain select * from student s1 left join score s2 on s1.no = s2.no 
where s2. no = 1
//右连接查询
explain select * from student s1 right join score s2 on s1.no = s2.no 
where s1.no = 1
//内连接查询
explain select * from student s1 inner join score s2 on s1.no = s2.no 
where s1.no = 1

我们看下面三种执行计划结果，全都以where条件为准了，而且跟上面情况一的都相反了,因此情况二也是得到了验证.

连接查询优化

要理解连接查询优化，得先理解连接查询的算法，连接查询常用的一共有两种算法，我们简要说明一下

Simple Nested-Loop Join Algorithms （简单嵌套循环连接算法）

比如上面的查询中，我们确定了驱动表和被驱动表，那么查询过程如下,很简单，就是双重循环，从驱动表中循环获取每一行数据，再在被驱动表匹配满足条件的行。

for (row1 : 驱动表) {
    for (row2 : 被驱动表){
        if (conidtion == true){
            send client
        }
    }
}

Index Nested-Loop Join Algorithms （索引嵌套循环连接算法）

上面双重for循环的查询中，相信很多研发人员看到这种情况第一个想法就是性能问题，是的，join查询的优化思路就是小表驱动大表,而且在大表上创建索引(也就是被动表创建索引)，如果驱动表创建了索引,MySQL是不会使用的

for (row1 : 驱动表) {
    索引在被驱动表中命中，不用再遍历被驱动表了
}

Block Nested-Loop Join Algorithm(基于块的连接嵌套循环算法)

其实很简单就是把一行变成了一批，块嵌套循环（BNL）嵌套算法使用对在外部循环中读取的行进行缓冲，以减少必须读取内部循环中的表的次数。例如，如果将10行读入缓冲区并将缓冲区传递到下一个内部循环，则可以将内部循环中读取的每一行与缓冲区中的所有10行进行比较。这将内部表必须读取的次数减少了一个数量级。

MySQL连接缓冲区大小通过这个参数控制 ： join_buffer_size

MySQL连接缓冲区有一些特征，只有无法使用索引时才会使用连接缓冲区；联接中只有感兴趣的列存储在其联接缓冲区中，而不是整个行；为每个可以缓冲的连接分配一个缓冲区，因此可以使用多个连接缓冲区来处理给定查询；在执行连接之前分配连接缓冲区，并在查询完成后释放连接缓冲区

所以查询时最好不要把 * 作为查询的字段，而是需要什么字段查询什么字段，这样缓冲区能够缓冲足够多的行。

从上面的执行计划中其实我们已经看到了 useing join buffer了，是的，那是因为我们对两张表都有创建索引

三种算法优先级

第一种算法忽略，MySQL不会采用这种的，当我们对被驱动表创建了索引，那么MySQL一定使用的第二种算法，当我们没有创建索引或者对驱动表创建了索引，那么MySQL一定使用第三种算法

MySQL连接算法官方文档

https://dev.mysql.com/doc/refman/8.0/en/nested-loop-joins.html