深入了解中的语句算法

深入了解MySQL中的join语句算法及优化方法

数据库教程 2021-08-29 23:12:01 26

导读

一、join语句算法创建两个表t1和t2CREATE TABLE `t2` ( `id` int(11) NOT NULL, `a` int(11) DEFAULT NULL, `b` int(11) DEFAULT NULL, PRIMARY KEY……

一、join语句算法

创建两个表t1和t2

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;

CREATE DEFINER=`root`@`%` 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

create table t1 like t2;
insert into t1 (select * from t2 where id<=100);

这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。存储过程idata()往表t2里插入了1000行数据,在表t1里插入的是100行数据

1、Index Nested-Loop Join

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

如果直接使用join语句,MySQL优化器可能会选择表t1或t2作为驱动表,通过straight_join让MySQL使用固定的连接方式执行查询,在这个语句里,t1是驱动表,t2是被驱动表

深入了解MySQL中的join语句算法及优化方法
被驱动表t2的字段a上有索引,join过程用上了这个索引,因此这个语句的执行流程是这样的:

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

这个过程可以用上被驱动表的索引,称之为Index Nested-Loop Join,简称NLJ

深入了解MySQL中的join语句算法及优化方法
在这个流程里:

1.对驱动表t1做了全表扫描,这个过程需要扫描100行

2.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

3.所以,整个执行流程,总扫描行数是200

假设不使用join,只能用单表查询:

1.执行select * from t1,查出表t1的所有数据,这里有100行

2.循环遍历这100行数据:

  • 从每一行R取出字段a的值$R.a

  • 执行select * from t2 where a=$R.a

  • 把返回的结果和R构成结果集的一行

这个查询过程,也是扫描了200行,但是总共执行了101条语句,比直接join多了100次交互。客户端还要自己拼接SQL语句和结果。这么做还不如直接join好

深入了解MySQL中的join语句算法及优化方法

在可以使用被驱动表的索引的情况下:

  • 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

2、Simple Nested-Loop Join

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

由于表t2的字段b上没有索引,因此每次到t2去匹配的时候,就要做一次全表扫描。这个算法叫做Simple Nested-Loop Join

这样算来,这个SQL请求就要扫描表t2多达100次,总共扫描100*100=10万行

MySQL没有使用这个Simple Nested-Loop Join算法,而是使用了另一个叫作Block Nested-Loop Join的算法,简称BNL

3、Block Nested-Loop Join

被驱动表上没有可用的索引,算法的流程如下:

1.把表t1的数据读入线程内存join_buffer中,由于这个语句中写的是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中的数据作比对,满足join条件的,作为结果集的一部分返回

深入了解MySQL中的join语句算法及优化方法

深入了解MySQL中的join语句算法及优化方法

在这个过程中,对表t1和表t2都做了一次全表扫描,因此总的扫描行数是1100。由于join_buffer是以无序数组的方式组织的,因此对表t2中的每一行,都要做100次判断,总共需要在内存中做的判断次数是100*1000=10万次

使用Simple Nested-Loop Join算法进行查询,扫描行数也是10万行。因此,从时间复杂度上来说,这两个算法是一样的。但是,Block Nested-Loop Join算法的这10万次判断是内存操作,速度上会快很多,性能也更好

深入了解MySQL中的join语句算法及优化方法

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。如果放不下表t1的所有数据话,策略很简单,就是分段放

1)扫描表t1,顺序读取数据行放入join_buffer中,假设放到第88行join_buffer满了

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行放入join_buffer中,继续执行第2步

深入了解MySQL中的join语句算法及优化方法

由于表t1被分成了两次放入join_buffer中,导致表t2会被扫描两次。虽然分成两次放入join_buffer,但是判断等值条件的此时还是不变的

深入了解MySQL中的join语句算法及优化方法

4、能不能使用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

5、如果使用join,应该选择大表做驱动表还是选择小表做驱动表

1.如果是Index Nested-Loop Join算法,应该选择小表做驱动表

2.如果是Block Nested-Loop Join算法:

  • 在join_buffer_size足够大的时候,是一样的

  • 在join_buffer_size不够大的时候,应该选择小表做驱动表

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,过滤完成以后,计算参数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

二、join语句优化

创建两个表t1、t2

create table t1(id int primary key, a int, b int, index(a));create table t2 like t1;CREATE DEFINER = CURRENT_USER PROCEDURE `idata`()BEGIN
	declare i int;
  set i=1;
  while(i<=1000)do
    insert into t1 values(i, 1001-i, i);
    set i=i+1;
  end while;
  
  set i=1;
  while(i<=1000000)do
    insert into t2 values(i, i, i);
    set i=i+1;
  end while;END;

在表t1中,插入了1000行数据,每一行的a=1001-id的值。也就是说,表t1中字段a是逆序的。同时,在表t2中插入了100万行数据

1、Multi-Range Read优化

Multi-Range Read(MRR)优化主要的目的是尽量使用顺序读盘

select * from t1 where a>=1 and a<=100;

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。因此,回表是一行行搜索主键索引的
深入了解MySQL中的join语句算法及优化方法
如果随着a的值递增顺序查找的话,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

因为大多数的数据都是按照主键递增顺序插入得到的,所以如果按照主键的递增顺序查询,对磁盘的读比较接近顺序读,能够提升读性能

这就是MRR优化的设计思路,语句的执行流程如下:

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

如果想要稳定地使用MRR优化的话,需要设置set optimizer_switch="mrr_cost_based=off"

深入了解MySQL中的join语句算法及优化方法

深入了解MySQL中的join语句算法及优化方法
explain结果中,Extra字段多了Using MRR,表示的是用上了MRR优化。由于在read_rnd_buffer中按照id做了排序,所以最后得到的结果也是按照主键id递增顺序的

MRR能够提升性能的核心在于,这条查询语句在索引a上做的是一个范围查询,可以得到足够多的主键id。这样通过排序以后,再去主键索引查数据,才能体现出顺序性的优势

2、Batched Key Access

MySQL5.6引入了Batched Key Access(BKA)算法。这个BKA算法是对NLJ算法的优化

NLJ算法流程图:

深入了解MySQL中的join语句算法及优化方法

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

BKA算法流程图:

深入了解MySQL中的join语句算法及优化方法

BKA算法执行的逻辑是把表t1的数据取出来一部分,先放到一个join_buffer,一起传给表t2。在join_buffer中只会放入查询需要的字段,如果join_buffer放不下所有数据,就会将数据分成多段执行上图的流程

如果想要使用BKA优化算法的话,执行SQL语句之前,先设置

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

其中前两个参数的作用是启用MRR,原因是BKA算法的优化要依赖与MRR

3、BNL算法的性能问题

InnoDB对Buffer 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

深入了解MySQL中的join语句算法及优化方法

4、BNL转BKA

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

如果碰到一些不适合在被驱动表上建索引的情况,可以考虑使用临时表。大致思路如下:

select * from t1 join t2 on (t1.b=t2.b) where t2.b>=1 and t2.b<=2000;

1)把表t2中满足条件的数据放在临时表tmp_t中

2)为了让join使用BKA算法,给临时表tmp_t的字段b加上索引

3)让表t1和tmp_t做join操作

SQL语句写法如下:

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;
select * from t1 join temp_t on (t1.b=temp_t.b);

5、扩展hash join

MySQL的优化器和执行器不支持哈希join,可以自己实现在业务端,实现流程大致如下:

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


1253067 TFnetwork_cn