MySQL - Join关联查询优化 --- NLJ及BNL 算法初探
文章目录
- Demo Table
- 表关联常见有两种算法
- 嵌套循环连接 Nested-Loop Join(NLJ) 算法 （NLP）
- 定义
- 示例
- 执行过程
- 规律
- 基于块的嵌套循环连接 Block Nested-Loop Join(BNL)算法
- 定义
- 示例
- 执行过程
- join_buffer 放不下怎么办？
- 被驱动表的关联字段没索引为什么要选择使用 BNL 算法而不使用 Nested-Loop Join 呢？
- 如何界定大表 小表
- 关联sql的优化的两个核心点
Demo Table
CREATE TABLE `t1` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`a` int(11) DEFAULT NULL,
`b` int(11) DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `idx_a` (`a`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
create table t2 like t1;
两个表 t1 和 t2 ， 一样的，包括索引信息 a 字段有索引 b字段没有索引。
数据量 t1 ，t2 如下
mysql> select count(1) from t1;
+----------+
| count(1) |
+----------+
| 10000 |
+----------+
1 row in set
mysql> select count(1) from t2;
+----------+
| count(1) |
+----------+
| 100 |
+----------+
1 row in set
mysql>
表关联常见有两种算法
嵌套循环连接 Nested-Loop Join(NLJ) 算法 （NLP）
定义
一次一行循环地从第一张表（称为驱动表）中读取行，在这行数据中取到关联字段，根据关联字段在另一张表（被驱动表）里取出满足条件的行，然后取出两张表的结果合集。
示例
举个例子来说明一下
【关联字段a有索引】
mysql> EXPLAIN select * from t1 inner join t2 on t1.a= t2.a;
+----+-------------+-------+------------+------+---------------+-------+---------+--------------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+-------+---------+--------------+------+----------+-------------+
| 1 | SIMPLE | t2 | NULL | ALL | idx_a | NULL | NULL | NULL | 100 | 100 | Using where |
| 1 | SIMPLE | t1 | NULL | ref | idx_a | idx_a | 5 | artisan.t2.a | 1 | 100 | NULL |
+----+-------------+-------+------------+------+---------------+-------+---------+--------------+------+----------+-------------+
2 rows in set
mysql>
从执行计划中可以看出
-
驱动表是 t2，被驱动表是 t1 。 从执行顺序上来看，先执行的就是驱动表，所以id=1 的是t2 ,如果id相同，从上到下顺序执行。 （id越大，优先级越高越先执行）
-
使用了 NLJ算法 . 一般 join 语句中，如果执行计划 Extra 中未出现 Using join buffer 则表示使用的 join 算法是 NLJ。
执行过程
mysql> EXPLAIN select * from t1 inner join t2 on t1.a= t2.a;
+----+-------------+-------+------------+------+---------------+-------+---------+--------------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+-------+---------+--------------+------+----------+-------------+
| 1 | SIMPLE | t2 | NULL | ALL | idx_a | NULL | NULL | NULL | 100 | 100 | Using where |
| 1 | SIMPLE | t1 | NULL | ref | idx_a | idx_a | 5 | artisan.t2.a | 1 | 100 | NULL |
+----+-------------+-------+------------+------+---------------+-------+---------+--------------+------+----------+-------------+
2 rows in set
mysql>
执行过程如下
- 先从t2 驱动表里 取出一条记录（如果有where条件，则按where条件过滤后的结果集中取出一行 ）
- 拿到t2 结果集中的一条记录中的关联字段 a , 去t1表中查找
- 取出 t1 中满足条件的行，跟 t2 中获取到的结果合并，作为结果返回给客户端
- 重复上述步骤
我们来算一下这个操作MySQL要读取多少行数据
首先读取 t2 表的所有数据 100条记录 ，然后遍历这每行数据中字段 a 的值，根据 t2 表中 a 的值索引扫描 t1 表中的对应行(扫描100次 t1 表的索引(idx_a )，1次扫描可以认为最终只扫描 t1 表一行完整数据，也就是总共 t1 表也扫描了100行)， 因此整个过程扫描了 200 行。 （估算的）
如果被驱动表的关联字段没索引，使用NLJ算法性能会比较低 ，mysql会选择Block Nested-Loop Join算法。
规律
-
优化器一般会优先选择小表做驱动表。所以使用 inner join 时，排在前面的表并不一定就是驱动表。
-
当使用left join时，左表是驱动表，右表是被驱动表
-
当使用right join时，右表时驱动表，左表是被驱动表
-
当使用join时，mysql会选择数据量比较小的表作为驱动表，大表作为被驱动表。
基于块的嵌套循环连接 Block Nested-Loop Join(BNL)算法
定义
把驱动表的数据读入到 join_buffer 中，然后扫描被驱动表，把被驱动表每一行取出来跟 join_buffer 中的数据做对比。
示例
【关联字段b无索引】
mysql> EXPLAIN select * from t1 inner join t2 on t1.b= t2.b;
+----+-------------+-------+------------+------+---------------+------+---------+------+-------+----------+----------------------------------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+------+---------+------+-------+----------+----------------------------------------------------+
| 1 | SIMPLE | t2 | NULL | ALL | NULL | NULL | NULL | NULL | 100 | 100 | NULL |
| 1 | SIMPLE | t1 | NULL | ALL | NULL | NULL | NULL | NULL | 10337 | 10 | Using where; Using join buffer (Block Nested Loop) |
+----+-------------+-------+------------+------+---------------+------+---------+------+-------+----------+----------------------------------------------------+
2 rows in set
mysql>
从执行计划中可以看出
-
驱动表是 t2，被驱动表是 t1 。 从执行顺序上来看，先执行的就是驱动表，所以id=1 的是t2 ,如果id相同，从上到下顺序执行。
-
使用了BNL算法 . Extra 中 的Using join buffer (Block Nested Loop)说明该关联查询
执行过程
- 把 t2 的所有数据放入到 join_buffer 中
- 把表 t1 中每一行取出来，跟 join_buffer 中的数据做对比
- 返回满足 join 条件的数据
我们来算一下这个操作MySQL要读取多少行数据
整个过程对表 t1 和 t2 都做了一次全表扫描，因此扫描的总行数为10000(表 t1 的数据总量) + 100(表 t2 的数据总量) = 10100。
join_buffer 里的数据是无序的，极端情况下对表 t1 中的每一行，都要做 100 次判断，所以内存中的判断次数是 100 * 10000= 100 万次。
join_buffer 放不下怎么办？
我们这个例子里表 t2 才 100 行，要是表 t2 是一个大表，join_buffer 放不下怎么办呢
join_buffer 的大小是由参数 join_buffer_size 设定的，默认值是 256k。
mysql> show variables like '%join_buffer_size%';
+------------------+--------+
| Variable_name | Value |
+------------------+--------+
| join_buffer_size | 262144 |
+------------------+--------+
1 row in set
mysql>
如果放不下表 t2 的所有数据话，策略很简单，就是分段放。
举个例子
比如 t2 表有1000行记录， join_buffer 一次只能放800行数据，那么执行过程就是先往 join_buffer 里放800行记录，然后从 t1 表里取数据跟 join_buffer 中数据对比得到部分结果，然后清空 join_buffer ，再放入 t2 表剩余200行记录，再次从 t1 表里取数据跟 join_buffer 中数据对比。所以就多扫了一次 t1 表。
被驱动表的关联字段没索引为什么要选择使用 BNL 算法而不使用 Nested-Loop Join 呢？
如果上面第二条sql使用 Nested-Loop Join，那么扫描行数为 100 * 10000 = 100万次，因为没有索引，所以这个100万磁盘扫描。
虽然BNL也是100万，但是是内存中计算 ，肯定要快
所以，用BNL磁盘扫描次数少很多，相比于磁盘扫描，BNL的内存计算会快得多。
因此MySQL对于被驱动表的关联字段没索引的关联查询，一般都会使用 BNL 算法。如果有索引一般选择 NLJ 算法，有索引的情况下 NLJ 算法比 BNL算法性能更高
如何界定大表 小表
不是按照表中的数量来决定大表小表，而是根据参与计算的表的数量来决定大表还是小表。
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，过滤完成之后，计算参与 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。
关联sql的优化的两个核心点
- 关联字段加索引，让mysql做join操作时尽量选择NLJ算法
- 小表驱动大表，写多表连接sql时如果明确知道哪张表是小表可以用straight_join写法固定连接驱动方式，省去mysql优化器自己判断的时间.
举个例子
比如：select * from t2 straight_join t1 on t2.a = t1.a; 代表指定mysql选着 t2 表作为驱动表。
- straight_join只适用于inner join，并不适用于left join，right join。 因为left join，right join已经代表指定了表的执行顺序
- 尽可能让优化器去判断，因为大部分情况下mysql优化器是比人要聪明的。使用straight_join一定要慎重，因为部分情况下人为指定的执行顺序并不一定会比优化引擎好。