Mysql Join原理分析

mysql> select * from t1 left join t2 on t1.name=t2.name

说明：

1. t1 表为驱动表
2. t2 表为被驱动表
3. 小表为驱动表

join 语句执行过程中，驱动表是走全表扫描，而被驱动表是走树搜索。

当name 在t2 表中有索引时：
通过Index Nested-Loop Join 算法，执行过程：

1. 从 t1 表中读入一行数据 R；
2. 从数据行 R 中，取出 name 字段到表 t2 里去查找；
3. 通过name 字段值去查找 t2 表中满足的值，通过嵌套循环的方式去匹配数据，取出 t2 中满足条件的行，跟 R 组成一行，作为结果集的一部分；
4. 循环1到3步骤，直到t1 表数据循环完。

当name 在t2 表中没有索引时：
通过 Simple Nested-Loop Join 算法，执行过程：
简单的说就是 假如 t1 和 t2 表中 各有100 条数据，则循环的次数就是 100 * 100 = 10000 次。当然mysql 没有使用这种算法，而使用的是 Block Nested-Loop Join 算法去计算的。

通过Block Nested-Loop Join 算法 执行过程：

1. 把表 t1 的数据读入线程内存 join_buffer 中，由于我们这个语句中写的是 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 中的数据做对比，满足 join 条件的，作为结果集的一部分返回。
   所以会在内存中计算100 * 100 = 10000 次。
   两个算法是一样的，不过Block Nested-Loop Join算法是在内存中计算，所以速度上会快很多，性能也更好。

join_buffer

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。
执行过程如下：

1. 扫描表 t1，顺序读取数据行放入 join_buffer 中，假如放完第 88 行 join_buffer 满了，继续第 2 步；
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，顺序读取最后行数据放入 join_buffer 中，继续执行第 2 步。
   结论：join_buffer_size 越大，一次可以放入的行越多，分成的段数也就越少，对被驱动表的全表扫描次数就越少。

要不要使用join呢？

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。

如果使用join呢？
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（这种情况更常见），应该选择小表做驱动表。
   所以，这个问题的结论就是，总是应该使用小表做驱动表。

小结：

1. 如果可以使用被驱动表的索引，join 语句还是有其优势的；
2. 不能使用被驱动表的索引，只能使用 Block Nested-Loop Join 算法，这样的语句就尽量不要使用；
3. 在使用 join 的时候，应该让小表做驱动表。

Join 算法总结
不论是Index Nested-Loop Join 还是 Block Nested-Loop Join 都是在Simple Nested-Loop Join的算法的基础上进行优化，这里 Index Nested-Loop Join 和Nested-Loop Join 算法是分别对Join过程中循环匹配次数和IO 次数两个角度进行优化。
Index Nested-Loop Join 是通过索引的机制减少内层表的循环匹配次数达到优化效果，而Block Nested-Loop Join 是通过一次缓存多条数据批量匹配的方式来减少外层表的IO次数,同时也减少了内层表的扫表次数，通过 理解join 的算法原理我们可以得出以下表连接查询的优化思路。
1、永远用小结果集驱动大结果集(其本质就是减少外层循环的数据数量)
2、为匹配的条件增加索引(减少内层表的循环匹配次数)
3、增大join buffer size的大小（一次缓存的数据越多，那么内层包的扫表次数就越少）
4、减少不必要的字段查询（字段越少，join buffer 所缓存的数据就越多）