【MySQL那些事】join的底层原理
前言
在日常开发中，只要写了sql，难免会使用的join关键字连接两个或多个表，在这里还是先解释一下inner join、left join、right join之间的区别以及驱动表的概念。
INNER JOIN：查询两个表之间的交集
取值时遵循笛卡尔乘积，即利用双层循环遍历两个表的数据，若table1的结果集比较少，那么就拿它当作外层循环，称为驱动表，外层循环每取一条数据，就拿该数据去内层循环table2表中匹配结果集，此时table2称为被驱动表
LEFT JOIN：取左表(驱动表)的全部数据，右表(被驱动表)如果有对应数据就显示，没有就为NULL
RIGHT JOIN：取右表(驱动表)的全部数据，左表(被驱动表)如果有对应数据就显示，没有就显示为NULL
join连接查询原理
相信大家理解了上面join的用法之后，都会发出这样一个疑问：这效率岂不是低成鬼了？如果你有这种敏感的觉悟，那么恭喜你被认证为实打实的程序猿
但是我们一抓头发马上就能料到，MySQL能活那么久，至今还那么受企业欢迎，怎么会允许这种低效率的事情发生？所以这其中一定有鬼！
没错，MySQL使用了一种算法去优化它：Nested-Loop Join（嵌套循环连接），但是这个算法有三个变种，分别是
Simple Nested-Loop Join 简单嵌套循环连接
Index Nested-Loop Join 索引嵌套循环连接
Block Nested-Loop Join 块索引嵌套连接简单嵌套循环连接
所谓简单嵌套循环连接，其实真的很简单，就是啥都不做，利用循环嵌套对join的所有表逐一去遍历。如下两个表，以t1作为驱动表，遍历到元素a时，从被驱动表t2中匹配与a相等的行，并将匹配结果存储到结果集中，这种方法的效率无疑是非常低的，其时间复杂度O(n) = t1 * t2，真的做了一次笛卡尔乘积。
上面的查询逻辑的伪代码如下
for(M id : main){
for(S main_id : second){
if(id==main_id){
//添加到结果集
}
}
}我们可以思考一下，这两层循环可以怎么去优化它呢？
说到mysql的优化，我们的第一个念头肯定就是加索引。没错，我们可以通过减少循环次数来达到优化的效果。例如被驱动表t2中的字段加了索引，而这个字段刚好就是驱动表t1中遍历的那个字段，那岂不是美滋滋？直接拿这个字段的值去被驱动表t2中取值不就得了。下面这个算法就是根据索引进行的优化
索引嵌套循环连接
如果上面的解释还不是十分明白，我们可以通过伪代码来理解
//假如有两个表，主表main和从表second，主键均是id且second表的main_id加了索引
select m.* from main m
inner join second s on s.main_id = m.id执行上面这条查询语句时的取值代码类似下面
for(M id : main){
if(second.contains(id)){
//添加到结果集
}
}
从代码层面来看，我们马上就能感受到循环次数的量级变化，但是其实拿id去匹配被驱动表second时，还是会有一个回表的操作，降低了效率。
各位猿友可能又会问，什么又是回表？
这涉及到索引的底层原理了，但是上了我这条船的人，船长我一定会给他讲得明明白白。
比如有个表的状态列state添加了索引，并存储了0、1、2、3、4、5、6、7共8个元素，那么它的索引就是下面的B+树结构，其中最下面的叶子节点存储的才是真正的元素，而叶子节点除了存储索引列本身的值外，还会存储这行记录的id，那么我们又需要拿着这个id值从主键id的索引树中找到这行记录的所有元素，这个过程就称为回表查询。
可见回表查询降低了查询效率
块嵌套循环连接
如果join后面的条件不是索引列表怎么办呢?使用简单嵌套循环连接是不可能的，这辈子都不可能的了
mysql使用了一个叫join buffer的缓冲区去减少循环次数，这个缓冲区默认是256KB，可以通过命令show variables like 'join_%'查看
其具体的做法是，将驱动表t1中符合条件的列一次性查询到缓冲区中，然后遍历一次被驱动表t2，并逐一和缓冲区的所有值比较，将比较结果加入结果集中
这里直接用文字描述可能有点晦涩难懂，那还是举一个例子，大家肯定立马就懂了
假设t1表中有100行记录，t2表中有50行记录，而块嵌套循环算法会每次读取t1表中的10条记
录，并加入到缓冲区buffer中。然后遍历一次t2表，对于t2表中的每行记录，都会与与buffer
中的10条记录进行比较，并将相等的加入结果集。如此一来，循环次数变为10*50=500次
扫描下方二维码 关注全栈船长
