Semi-join Materialization 子查询优化策略

本篇为子查询优化系列的第二篇。在上一篇文章 MySQL 子查询优化 中我们介绍了子查询的一些优化策略,也简单介绍了 Semi-join 是怎么来的,今天继续介绍 Semi-join 的一些具体实现。

什么是 Semi-join

常规联接中,结果可能会出现重复值,而子查询可以获得无重复的结果。比如需要找出有人口大于 2000万的城市的国家,如果用普通联接,则可能出现重复结果:

select country.* from country join city on country.code=city.country_code \
and population>20000000;
+---------+----------+
| code    | name     |
+---------+----------+
|    1    | china    | 
|    1    | china    |
+---------+----------+
2 rows in set (0.00 sec)

而子查询则不会:

select * from country where code in \
(select country_code from city where population>20000000);
+------+---------+
| code | name    |
+------+---------+
|  1   | china   |
+------+---------+
1 row in set (0.00 sec)

在子查询中,优化器可以识别出 in 子句中每组只需要返回一个值,在这种情况下,可以使用半联接 Semi-join 来优化子查询,提升查询效率。

Semi-join 限制

不过并不是所有子查询都是半联接,必须满足以下条件:

  • 子查询必须是出现在顶层的 WHERE、ON 子句后面的 IN 或者 =ANY
  • 子查询必须是单个 select,不能是 union;
  • 子查询不能有 group by 或者 having 子句(可以用 semijoin materialization 策略,其他不可以 );
  • It must not be implicitly grouped (it must contain no aggregate functions). (不知道啥意思,保持原文);
  • 子查询不能有 order by with limit;
  • 父查询中不能有 STRAIGHT_JOIN 指定联接顺序;
  • The number of outer and inner tables together must be less than the maximum number of tables permitted in a join.
Semi-join 实现策略

子查询可以是相关子查询,如果子查询满足以上条件,MySQL会将其转换为 semijoin,并从以下的策略中基于成本进行选择其中一种:

  • Duplicate Weedout
  • FirstMatch
  • LooseScan
  • Materialize

对应 optimizer_switch 参数中的:

  • semijon=ON,控制 semijoin 是否开启的开关
  • firstmatch、loosescan、duplicateweedout、materialization 分别是四种策略的开关,默认都是开启的

通过 explain 输出信息可以判断使用了哪种优化策略:

  • extra 中出现 Start temporary、End temporary,表示使用了 Duplicate Weedout 策略
  • extra 中出现 FirstMatch(tbl_name) ,表示使用了 FirstMatch 策略
  • extra 中出现 LooseScan(m..n),表示使用了 LooseScan 策略
  • select_type 列为 MATERIALIZED,以及 table 列为 ,表示使用了 Materialize 策略

接下来介绍 Semi-join Materialization 优化策略。

Semi-join Materialization

Semi-join Materialization 策略就是把子查询结果物化成临时表,再用于 semijoin 的一种特殊的子查询实现,它实际上也可以分为两种策略:

  • Materialization-scan
  • Materialization-lookup

以下SQL为例:

select * from Country 
where Country.code IN (select City.Country 
                       from City 
                       where City.Population > 7*1000*1000)
      and Country.continent='Europe'

这是一个不相关子查询,查出欧洲有人口超过700万的大城市的国家。Semi-join Materialization 优化策略的做法就是:把人口超过700万的大城市所在的国家,即 City.Country 字段值填充到一个临时表中,并且 Country 字段为主键(用来去重),然后与 Country 表进行联接:

联接可以有两个顺序:

  • 从物化表到 Country 表
  • 从 Country 表到物化表

第一种方法要对物化表做全表扫描,因此叫做 Materialization-scan。
第二种方法在物化表中查找数据时可以使用主键进行查找,因此叫做:Materialization-lookup。

Materialization-scan

看下优化器使用 Materialization-scan 策略后的执行计划:

select * from Country where Country.code IN (select City.Country \
from City where  City.Population > 7*1000*1000);
+----+--------------+-------------+--------+--------------------+------------+---------+--------------------+------+-----------------------+
| id | select_type  | table       | type   | possible_keys      | key        | key_len | ref                | rows | Extra                 |
+----+--------------+-------------+--------+--------------------+------------+---------+--------------------+------+-----------------------+
|  1 | PRIMARY      |  | ALL    | NULL               | NULL       | NULL    | NULL               |   15 |                       |
|  1 | PRIMARY      | Country     | eq_ref | PRIMARY            | PRIMARY    | 3       | world.City.Country |    1 |                       |
|  2 | MATERIALIZED | City        | range  | Population,Country | Population | 4       | NULL               |   15 | Using index condition |
+----+--------------+-------------+--------+--------------------+------------+---------+--------------------+------+-----------------------+

可以看到:

  • 有两个查询(id=1 和 id=2);
  • 第2个查询(id=2)的 select_type=MATERIALIZED,意思是子查询结果保存到一个临时表中,在读取的字段上建立主键,主键的目的是去除重复行;
  • 第1行的 table=,代表使用的表正是第2个查询的物化临时表。

执行流程为:

  1. 先执行子查询,走的 Population 索引,扫描了 15行,得到 15 行结果;
  2. 将上一步得到的结果保存到临时表中;
  3. 从临时表中取出一行数据,到 Country 表中去查找满足联接条件的行,走 Country 表的主键,每次扫描 1行;
  4. 重复3,直到遍历临时表结束。

所以这里扫描的行数为 15+15+15*1=45。

Materialization-lookup

修改一下 SQL,让子查询的结果集变大,改变联接顺序:

select * from Country where Country.code IN (select City.Country \
from City where  City.Population > 1*1000*1000) ;
+----+--------------+-------------+--------+--------------------+--------------+---------+------+------+-----------------------+
| id | select_type  | table       | type   | possible_keys      | key          | key_len | ref  | rows | Extra                 |
+----+--------------+-------------+--------+--------------------+--------------+---------+------+------+-----------------------+
|  1 | PRIMARY      | Country     | ALL    | PRIMARY            | NULL         | NULL    | NULL |  239 |                       |
|  1 | PRIMARY      |  | eq_ref | auto_key           | auto_key     | 3       | func |    1 |                       |
|  2 | MATERIALIZED | City        | range  | Population,Country | Population   | 4       | NULL |  238 | Using index condition |
+----+--------------+-------------+--------+--------------------+--------------+---------+------+------+-----------------------+

这样就变成了 Materialization-lookup,执行流程为:

  1. 先执行子查询,走的 Population 索引,扫描了 238 行,得到 238 行结果;
  2. 将上一步得到的结果保存到临时表中;
  3. 从 Country 表中取出一行数据,到物化临时表中去查找满足联接条件的行,走物化表的主键,每次扫描 1 行;
  4. 重复3,直到遍历Country 表结束(一共239行)。

所以这里扫描的行数为 238+239*1=477。

注意事项

参考资料文章提到在 MariaDB 中,子查询有 group by 分组操作时能用到Semi-join Materialization 优化策略(其他的 Duplicate Weedout、FirstMatch、LooseScan 不嫩用)。而在 MySQL 中,子查询有 group by 分组操作时所有的 Semi-join 策略都无法使用,即无法使用 Semi-join 优化,举例:

select dept_name from departments where dept_no in \
(select min(dept_no) from dept_emp where emp_no<10020 group by dept_no);
+----+-------------+-------------+-------+-----------------+-----------+---------+------+-----------------------------------------------------------+
| id | select_type | table       | type  | possible_keys   | key       | key_len | rows | Extra                                                     |
+----+-------------+-------------+-------+-----------------+-----------+---------+------------------------------------------------------------------+
|  1 | PRIMARY     | departments | index | NULL            | dept_name | 42      |    9 | Using where; Using index                                  |
|  2 | SUBQUERY    | dept_emp    | range | PRIMARY,dept_no | PRIMARY   | 4       |   21 | Using where; Using index; Using temporary; Using filesort |
+----+-------------+-------------+-------+-----------------+-----------+---------+------+-----------------------------------------------------------+

可以看到这里使用的是 Non-semijoin materialization 优化策略,也就是 MySQL 子查询优化 文中的 Materialization 优化策略。所以 optimizer_switch 参数中的 materialization=on 标志也可以单独用于 Non-semijoin materialization 优化策略。

参考资料

  • https://mariadb.com/kb/en/semi-join-materialization-strategy/
  • https://dev.mysql.com/doc/refman/5.7/en/semijoins.html

你可能感兴趣的:(Semi-join Materialization 子查询优化策略)