MySQL--join算法(Nested-Loop Join、Block Nested-Loop Join)
目录
- 前言
- join 算法
-
- Index Nested-Loop join
- Batched Key Access join
- Block Nested Loop Join
- 总结
前言
MySQL的一个连接查询涉及到两张表的关联，既然涉及到两张表的关联那么就需要一定的算法来组织数据。关联的两张表，一个叫做驱动表，一个叫做被驱动表。
现在有了两张表，总要有一张表先被查询，然后以此结果再去关联另一张表。这个第一张表就被称为驱动表，第二张表就称为被驱动表，一般我们都要以查询结果集相对小的那张表作为驱动表。
MySQL中，join分为三类，分别是：
- inner join（inner可省略）：获取两个表中字段匹配关系的记录，也就是等值查询
- left join：左连接
- right join：右连接
对于inner join来说，驱动表的选择需要有一个标准，而通常都是以查询结果集相对较小的那张表作为驱动表。一个表的查询结果集主要是通过where条件预估返回的条数和该表需要返回的字段来进行计算。当然，预估返回条数不会真正去做查询动作，如果条件有索引，那么可以根据索引来预估条数；如果没法用索引，或者直接没有条件，就认为是全表。不过查询优化器最终会基于成本计算来进行评估，像排序、回表等都会对成本有影响，最终SQL如何执行还是要看查询优化器如何抉择。
比如以下sql（a和b的表结构很简单，这里就不贴了）：
explain select * from b join a on a.key = b.key
id序号相同，上面的先执行，所以这里a表是驱动表，b表是被驱动表。这个是查询优化器选择的，我们也可以使用straight_join来强制指定驱动表（straight_join左边的为驱动表）：
explain select * from b straight_join a on a.key = b.key
可以看到驱动表变成了b表，不过straight_join只适用于inner join的情况，因为left（right）join已经明确了驱动表：left join左边的表是驱动表，right join右边的表是驱动表。
join 算法
MySQL的关联查询使用的算法叫做Nested-Loop join（循环嵌套）算法，而针对不同的情况，NLJ会有不同的变种：
- 关联字段有索引：对应Index Nested-Loop join和Batched Key Access join算法
- 关联字段无索引：Block Nested-Loop join算法
Index Nested-Loop join
其实也可以简称为Nested-Loop join（NLJ）算法，原理是先根据条件在驱动表中取出一条数据，然后从中取出关联字段到被驱动表中根据索引进行关联，取出满足条件的行，然后根据查询字段合并结果存入最终结果集中，依次循环，就和嵌套for循环一样。
Batched Key Access join
在上面描述的NLJ算法中有一个问题，如果和被驱动表关联的索引是辅助索引，并且查询字段无法做到索引覆盖，那么在组装数据的时候就需要回表操作。而如果匹配每条记录都去回表，效率肯定不高，虽然回表能够使用到主键索引，但是因为这里id不一定有序，所以也属于随机分散读取。对于这种情况，MySQL提供了一种优化措施，提供了一种叫做Batched Key Access join的算法，即批量主键访问连接算法。该算法的原理是，先在驱动表中根据条件查询出符合条件的记录存入join buffer中，然后根据索引获取被驱动表的索引记录，将其存入read_rnd_buffer中。如果join buffer或read_rnd_buffer有一个满了，那么就先处理buffer中的数据：将read_rnd_buffer中的被驱动表索引记录按照主键进行升序排序，然后依赖这个有序的记录去回表查询，由于主键索引中的记录是按照主键升序排序的，这样能提高回表效率。要启用BKA算法，需要开启batched_key_access。这里测试一下：
set optimizer_switch='batched_key_access=off';
explain select a.*,b.* from b join a on b.key = a.key
这里没有开启batched_key_access，可以看到，a是驱动表，b.key字段上有索引，查询字段使用的是a.*,b.*，所需数据需要回表，但是还是使用的是NLJ算法，现在开启batched_key_access试试：
set optimizer_switch='batched_key_access=on';
explain select a.*,b.* from b join a on b.key = a.key
可以看到这次使用了BKA算法，使用到了join buffer，那么如果我们查询字段不选择b.*，只返回b.id字段，这样能用到覆盖索引：
set optimizer_switch='batched_key_access=on';
explain select a.*,b.id from b join a on b.key = a.key
发现没有再使用BKA算法了。
Block Nested Loop Join
如果被驱动表关联字段没有可用的索引，那么就要使用BNL算法了，这个算法和BKA算法一样需要用到join buffer，但是没有使用read_rnd_buffer。先根据条件查出驱动表中符合条件的记录，存入join buffer中，如果join buffer只能存100条数据，但是驱动表符合条件的就结果集超过100条，那么也只能取到100条，称为一个批次(batch)，然后全表扫描被驱动表，将被驱动表的每行记录都和join buffer中的记录进行匹配，将匹配到的记录放到最终结果集中。被驱动表扫描完之后，清空join buffer，再次重复从驱动表中获取剩余记录存入join buffer，然后全表扫描被驱动表，到join buffer中进行匹配，依次循环直到数据匹配完毕。
现在把b.key字段上的索引删除，再看看查询记录：
explain select a.*,b.id from b join a on b.key = a.key
可以看到使用了BNL算法。
试想一下，在被关联表关联字段没有索引的情况下如果使用NLJ算法效率如何呢（没有索引也无法使用BKA算法）？先查驱动表，找到一行数据，在到被驱动表中去匹配，由于没有索引，所以只能全表扫描寻找数据，这个极其不可控，如果被驱动表的数据量稍微大一点，光这个全表扫描的次数就够吓人了（驱动表结果集中的每行数据都要对应被驱动表的一次全表扫描）。所以使用了BNL算法，先将结果集较少的驱动表的数据放入join buffer，全表扫描被驱动表然后到join buffer中去匹配数据，这个匹配操作就是在内存中处理的，相对来说还能接受。当然，如果join buffer无法一次性装载驱动表的结果集，那么被驱动表也需要重复扫描。
总结
本文主要介绍了Index Nested-Loop join（NLJ）、Batched Key Access join（BKA）和Block Nested-Loop join（BNL）三个算法，分别针对关联查询能使用索引、能使用索引但是被驱动表需要回表和无法使用索引几种情况。
在平时使用过程中，left join 和right join的语法就决定了驱动表和被驱动表，但是inner join可以有选择的余地，通常是以小结果集驱动大结果集为标准进行选择，这个默认MySQL查询优化器会为我们做出选择，但是查询优化器的选择标准还是是基于成本计算的，涉及到其它多种因素。如果要强制指定inner join下选择的驱动表，可以使用straight_join，只是通常情况下不需要我们主动抉择。我们作为开发人员，大方向上需要注意的主要就是两点，一是尽量不要有太多的表关联，二是被关联表的关联字段要合理建立索引。