mysql原理--MySQL基于规则的优化

设计 MySQL 的大叔依据一些规则,竭尽全力的把一些很糟糕的语句转换成某种可以比较高效执行的形式,这个过程也可以被称作 查询重写 (就是人家觉得你写的语句不好,自己再重写一遍)。

1.条件化简
我们编写的查询语句的搜索条件本质上是一个表达式,这些表达式可能比较繁杂,或者不能高效的执行, MySQL 的查询优化器会为我们简化这些表达式。

1.1.移除不必要的括号
有时候表达式里有许多无用的括号,比如这样:((a = 5 AND b = c) OR ((a > c) AND (c < 5)))
优化器会把那些用不到的括号给干掉,就是这样:(a = 5 and b = c) OR (a > c AND c < 5)

1.2.常量传递(constant_propagation)
有时候某个表达式是某个列和某个常量做等值匹配,比如这样:a = 5
当这个表达式和其他涉及列 a 的表达式使用 AND 连接起来时,可以将其他表达式中的 a 的值替换为 5 ,比如这样:a = 5 AND b > a
就可以被转换为:a = 5 AND b > 5

1.3.等值传递(equality_propagation)
有时候多个列之间存在等值匹配的关系,比如这样:a = b and b = c and c = 5,这个表达式可以被简化为:a = 5 and b = 5 and c = 5

1.4.移除没用的条件(trivial_condition_removal)
对于一些明显永远为 TRUE 或者 FALSE 的表达式,优化器会移除掉它们,比如这个表达式:(a < 1 and b = b) OR (a = 6 OR 5 != 5),很明显, b = b 这个表达式永远为 TRUE , 5 != 5 这个表达式永远为 FALSE ,所以简化后的表达式就是这样的:(a < 1 and TRUE) OR (a = 6 OR FALSE),可以继续被简化为a < 1 OR a = 6

1.5.表达式计算
在查询开始执行之前,如果表达式中只包含常量的话,它的值会被先计算出来,比如这个:a = 5 + 1。因为 5 + 1 这个表达式只包含常量,所以就会被化简成:a = 6

但是这里需要注意的是,如果某个列并不是以单独的形式作为表达式的操作数时,比如出现在函数中,出现在某个更复杂表达式中,就像这样:ABS(a) > 5或者:-a < -8,优化器是不会尝试对这些表达式进行化简的。

1.6.HAVING子句和WHERE子句的合并
如果查询语句中没有出现诸如 SUM 、 MAX 等等的聚集函数以及 GROUP BY 子句,优化器就把 HAVING 子句和 WHERE 子句合并起来。

1.7.常量表检测
设计 MySQL 的大叔觉得下边这两种查询运行的特别快:
(1). 查询的表中一条记录没有,或者只有一条记录。
我还没开始查表呢咋就知道这表里边有几条记录呢?
这个其实依靠的是统计数据。不过我们说过InnoDB的统计数据数据不准确,所以这一条不能用于使用InnoDB作为存储引擎的表,只能适用于使用Memory或者MyISAM存储引擎的表。

(2). 使用主键等值匹配或者唯一二级索引列等值匹配作为搜索条件来查询某个表。

设计 MySQL 的大叔觉得这两种查询花费的时间特别少,少到可以忽略,所以也把通过这两种方式查询的表称之为 常量表 (英文名: constant tables )。优化器在分析一个查询语句时,先首先执行常量表查询,然后把查询中涉及到该表的条件全部替换成常数,最后再分析其余表的查询成本,比方说这个查询语句:SELECT * FROM table1 INNER JOIN table2 ON table1.column1 = table2.column2 WHERE table1.primary_key = 1;

这个查询可以使用主键和常量值的等值匹配来查询 table1 表,也就是在这个查询中 table1 表相当于常量表 ,在分析对 table2 表的查询成本之前,就会执行对 table1 表的查询,并把查询中涉及 table1 表的条件都替换掉,也就是上边的语句会被转换成这样:SELECT table1表记录的各个字段的常量值, table2.* FROM table1 INNER JOIN table2 ON table1表column1列的常量值 = table2.column2;

2.外连接消除
内连接 的驱动表和被驱动表的位置可以相互转换,而 左(外)连接 和 右(外)连接 的驱动表和被驱动表是固定的。这就导致 内连接 可能通过优化表的连接顺序来降低整体的查询成本,而 外连接 却无法优化表的连接顺序。为了故事的顺利发展,我们还是把之前介绍连接原理时用过的 t1 和 t2 表请出来,为了防止大家早就忘掉了,我们再看一下这两个表的结构:

CREATE TABLE t1 (
 m1 int, 
 n1 char(1)
) Engine=InnoDB, CHARSET=utf8;

CREATE TABLE t2 (
 m2 int, 
 n2 char(1)
) Engine=InnoDB, CHARSET=utf8;

外连接和内连接的本质区别就是:对于外连接的驱动表的记录来说,如果无法在被驱动表中找到匹配ON子句中的过滤条件的记录,那么该记录仍然会被加入到结果集中,对应的被驱动表记录的各个字段使用 NULL值填充;而内连接的驱动表的记录如果无法在被驱动表中找到匹配 ON 子句中的过滤条件的记录,那么该记录会被舍弃。

我们知道 WHERE 子句的杀伤力比较大,凡是不符合WHERE子句中条件的记录都不会参与连接。只要我们在 WHERE 搜索条件中指定关于被驱动表相关列的值不为 NULL ,那么外连接中在被驱动表中找不到符合 ON 子句条件的驱动表记录也就被排除出最后的结果集了,也就是说:在这种情况下:外连接和内连接也就没有什么区别了!比方说这个查询: SELECT * FROM t1 LEFT JOIN t2 ON t1.m1 = t2.m2 WHERE t2.n2 IS NOT NULL;

当然,我们也可以不用显式的指定被驱动表的某个列 IS NOT NULL ,只要隐含的有这个意思就行了,比方说这样: SELECT * FROM t1 LEFT JOIN t2 ON t1.m1 = t2.m2 WHERE t2.m2 = 2;在这个例子中,我们在 WHERE 子句中指定了被驱动表 t2 的 m2 列等于 2 ,也就相当于间接的指定了 m2 列不为NULL 值,所以上边的这个左(外)连接查询其实和下边这个内连接查询是等价的: SELECT * FROM t1 INNER JOIN t2 ON t1.m1 = t2.m2 WHERE t2.m2 = 2;

我们把这种在外连接查询中,指定的 WHERE 子句中包含被驱动表中的列不为 NULL 值的条件称之为 空值拒绝(英文名: reject-NULL )。在被驱动表的 WHERE 子句符合空值拒绝的条件后,外连接和内连接可以相互转换。这种转换带来的好处就是查询优化器可以通过评估表的不同连接顺序的成本,选出成本最低的那种连接顺序来执行查询。

3.子查询优化
3.1.子查询优化
在一个查询语句里的某个位置也可以有另一个查询语句,这个出现在某个查询语句的某个位置中的查询就被称为 子查询 (我们也可以称它为宝宝查询哈哈),那个充当“妈妈”角色的查询也被称之为 外层查询 。

子查询可以在一个外层查询的各种位置出现,比如:
(1). SELECT 子句中
比如这样: SELECT (SELECT m1 FROM t1 LIMIT 1);
其中的 (SELECT m1 FROM t1 LIMIT 1) 就是我们唠叨的所谓的 子查询 。
(2). FROM 子句中
比如:SELECT m, n FROM (SELECT m2 + 1 AS m, n2 AS n FROM t2 WHERE m2 > 2) AS t;
这个例子中的子查询是: (SELECT m2 + 1 AS m, n2 AS n FROM t2 WHERE m2 > 2) ,很特别的地方是它出现在了 FROM 子句中。 FROM 子句里边儿不是存放我们要查询的表的名称么,这里放进来一个子查询是个什么鬼?
其实这里我们可以把子查询的查询结果当作是一个表,子查询后边的 AS t 表明这个子查询的结果就相当于一个名称为 t 的表,这个名叫 t 的表的列就是子查询结果中的列,比如例子中表 t 就有两个列: m 列和 n 列。这个放在 FROM 子句中的子查询本质上相当于一个 表 ,但又和我们平常使用的表有点儿不一样,设计 MySQL 的大叔把这种由子查询结果集组成的表称之为 派生表 。
(3). WHERE 或 ON 子句中
如: SELECT * FROM t1 WHERE m1 IN (SELECT m2 FROM t2);

3.2.按返回的结果集区分子查询
(1). 标量子查询
那些只返回一个单一值的子查询称之为 标量子查询 ,比如这样:SELECT (SELECT m1 FROM t1 LIMIT 1);
(2). 行子查询
就是返回一条记录的子查询,不过这条记录需要包含多个列(只包含一个列就成了标量子查询了)。比如这样:SELECT * FROM t1 WHERE (m1, n1) = (SELECT m2, n2 FROM t2 LIMIT 1);
(3). 列子查询
比如这样:SELECT * FROM t1 WHERE m1 IN (SELECT m2 FROM t2);
(4). 表子查询
就是子查询的结果既包含很多条记录,又包含很多个列,比如这样:SELECT * FROM t1 WHERE (m1, n1) IN (SELECT m2, n2 FROM t2);

3.3.按与外层查询关系来区分子查询
(1). 不相关子查询
如果子查询可以单独运行出结果,而不依赖于外层查询的值,我们就可以把这个子查询称之为 不相关子查询 。
(2). 相关子查询
如果子查询的执行需要依赖于外层查询的值,我们就可以把这个子查询称之为 相关子查询 。比如:SELECT * FROM t1 WHERE m1 IN (SELECT m2 FROM t2 WHERE n1 = n2);

3.4. 子查询在布尔表达式中的使用
(1). 使用 = 、 > 、 < 、 >= 、 <= 、 <> 、 != 、 <=> 作为布尔表达式的操作符
操作数 comparison_operator (子查询)
这里的子查询只能是标量子查询或者行子查询,也就是子查询的结果只能返回一个单一的值或者只能是一条记录。比如这样(标量子查询):SELECT * FROM t1 WHERE m1 < (SELECT MIN(m2) FROM t2);
(2). [NOT] IN/ANY/SOME/ALL子查询
a. IN 或者 NOT IN
具体的语法形式如下:操作数 [NOT] IN (子查询)
如: SELECT * FROM t1 WHERE (m1, n2) IN (SELECT m2, n2 FROM t2);
b. ANY/SOME ( ANY 和 SOME 是同义词)
具体的语法形式如下:操作数 comparison_operator ANY/SOME(子查询)
如: SELECT * FROM t1 WHERE m1 > ANY(SELECT m2 FROM t2);
这个查询的意思就是对于 t1 表的某条记录的 m1 列的值来说,如果子查询 (SELECT m2 FROM t2) 的结果集中存在一个小于 m1 列的值,那么整个布尔表达式的值就是 TRUE ,否则为 FALSE 。
c. ALL
具体的语法形式如下:操作数 comparison_operator ALL(子查询)
如: SELECT * FROM t1 WHERE m1 > ALL(SELECT m2 FROM t2);
(3). EXISTS子查询
有的时候我们仅仅需要判断子查询的结果集中是否有记录,而不在乎它的记录具体是个啥,可以使用把
EXISTS 或者 NOT EXISTS 放在子查询语句前边,就像这样: [NOT] EXISTS (子查询)
如: SELECT * FROM t1 WHERE EXISTS (SELECT 1 FROM t2);

3.5.子查询语法注意事项
(1). 子查询必须用小括号扩起来。
(2). 在 SELECT 子句中的子查询必须是标量子查询。
(3). 在想要得到标量子查询或者行子查询,但又不能保证子查询的结果集只有一条记录时,应该使用 LIMIT 1 语句来限制记录数量。
(4). 对于 [NOT] IN/ANY/SOME/ALL 子查询来说,子查询中不允许有 LIMIT 语句。
(5). 不允许在一条语句中增删改某个表的记录时同时还对该表进行子查询。
如: DELETE FROM t1 WHERE m1 < (SELECT MAX(m1) FROM t1);是非法的。

4.子查询在MySQL中是怎么执行的

CREATE TABLE single_table (
 id INT NOT NULL AUTO_INCREMENT,
 key1 VARCHAR(100),
 key2 INT,
 key3 VARCHAR(100),
 key_part1 VARCHAR(100),
 key_part2 VARCHAR(100),
 key_part3 VARCHAR(100),
 common_field VARCHAR(100),
 PRIMARY KEY (id),
 KEY idx_key1 (key1),
 UNIQUE KEY idx_key2 (key2),
 KEY idx_key3 (key3),
 KEY idx_key_part(key_part1, key_part2, key_part3)
) Engine=InnoDB CHARSET=utf8;

为了方便,我们假设有两个表 s1 、 s2 与这个 single_table 表的构造是相同的,而且这两个表里边儿有10000 条记录,除id列外其余的列都插入随机值。

4.1.小白们眼中子查询的执行方式
在我还是一个单纯无知的少年时,觉得子查询的执行方式是这样的:
(1). 如果该子查询是不相关子查询,比如下边这个查询:SELECT * FROM s1 WHERE key1 IN (SELECT common_field FROM s2);
我年少时觉得这个查询是的执行方式是这样的:
a. 先单独执行 (SELECT common_field FROM s2) 这个子查询。
b. 然后在将上一步子查询得到的结果当作外层查询的参数再执行外层查询 SELECT * FROM s1 WHERE key1 IN (…) 。

(2). 如果该子查询是相关子查询
比如下边这个查询:SELECT * FROM s1 WHERE key1 IN (SELECT common_field FROM s2 WHERE s1.key2 = s2.key2);
所以我年少时觉得这个查询的执行方式是这样的:
a. 先从外层查询中获取一条记录,本例中也就是先从 s1 表中获取一条记录。
b. 然后从上一步骤中获取的那条记录中找出子查询中涉及到的值,本例中就是从 s1 表中获取的那条记录中找出 s1.key2 列的值,然后执行子查询。
c. 最后根据子查询的查询结果来检测外层查询 WHERE 子句的条件是否成立,如果成立,就把外层查询的那条记录加入到结果集,否则就丢弃。
d. 再次执行第一步,获取第二条外层查询中的记录,依次类推~

设计 MySQL 的大叔想了一系列的办法来优化子查询的执行。

4.2.标量子查询、行子查询的执行方式
经常在下边两个场景中使用到标量子查询或者行子查询:
(1). SELECT 子句中,我们前边说过的在查询列表中的子查询必须是标量子查询。
(2). 子查询使用 = 、 > 、 < 、 >= 、 <= 、 <> 、 != 、 <=> 等操作符和某个操作数组成一个布尔表达式,这样的子查询必须是标量子查询或者行子查询。

对于上述两种场景中的不相关标量子查询或者行子查询来说,它们的执行方式是简单的,比方说下边这个查询语句:SELECT * FROM s1 WHERE key1 = (SELECT common_field FROM s2 WHERE key3 = 'a' LIMIT 1);

它的执行方式和年少的我想的一样:
a. 先单独执行 (SELECT common_field FROM s2 WHERE key3 = ‘a’ LIMIT 1) 这个子查询。
b. 然后在将上一步子查询得到的结果当作外层查询的参数再执行外层查询 SELECT * FROM s1 WHERE key1 = … 。

也就是说,对于包含不相关的标量子查询或者行子查询的查询语句来说,MySQL会分别独立的执行外层查询和子查询,就当作两个单表查询就好了。

对于相关的标量子查询或者行子查询来说,比如下边这个查询:SELECT * FROM s1 WHERE key1 = (SELECT common_field FROM s2 WHERE s1.key3 = s2.key3 LIMIT 1);

事情也和年少的我想的一样,它的执行方式就是这样的:
a. 先从外层查询中获取一条记录,本例中也就是先从 s1 表中获取一条记录。
b. 然后从上一步骤中获取的那条记录中找出子查询中涉及到的值,本例中就是从 s1 表中获取的那条记录中找出 s1.key3 列的值,然后执行子查询。
c. 最后根据子查询的查询结果来检测外层查询 WHERE 子句的条件是否成立,如果成立,就把外层查询的那条记录加入到结果集,否则就丢弃。
d. 再次执行第一步,获取第二条外层查询中的记录,依次类推~

也就是说对于一开始唠叨的两种使用标量子查询以及行子查询的场景中, MySQL 优化器的执行方式并没有什么新鲜的。

4.3.IN子查询优化
4.3.1.物化表
(1). 物化表的提出
对于不相关的 IN 子查询,比如这样:SELECT * FROM s1 WHERE key1 IN (SELECT common_field FROM s2 WHERE key3 = 'a');
我们最开始的感觉就是这种不相关的 IN 子查询和不相关的标量子查询或者行子查询是一样一样的,都是把外层查询和子查询当作两个独立的单表查询来对待,可是很遗憾的是设计 MySQL 的大叔为了优化 IN 子查询倾注了太多心血(毕竟 IN 子查询是我们日常生活中最常用的子查询类型),所以整个执行过程并不像我们想象的那么简单(>_<)。

其实说句老实话,对于不相关的 IN 子查询来说,如果子查询的结果集中的记录条数很少,那么把子查询和外层查询分别看成两个单独的单表查询效率还是蛮高的,但是如果单独执行子查询后的结果集太多的话,就会导致这些问题:
a. 结果集太多,可能内存中都放不下~
b. 对于外层查询来说,如果子查询的结果集太多,那就意味着 IN 子句中的参数特别多,这就导致:
b.1. 无法有效的使用索引,只能对外层查询进行全表扫描。
b.2. 在对外层查询执行全表扫描时,由于 IN 子句中的参数太多,这会导致检测一条记录是否符合和 IN 子句中的参数匹配花费的时间太长。

比如说 IN 子句中的参数只有两个: SELECT * FROM tbl_name WHERE column IN (a, b);
这样相当于需要对 tbl_name 表中的每条记录判断一下它的 column 列是否符合 column = a OR column = b 。在 IN 子句中的参数比较少时这并不是什么问题,如果 IN 子句中的参数比较多时,比如这样: SELECT * FROM tbl_name WHERE column IN (a, b, c ..., ...);那么这样每条记录需要判断一下它的 column 列是否符合 column = a OR column = b OR column = c OR ... ,这样性能耗费可就多了。

于是乎设计 MySQL 的大叔想了一个招:不直接将不相关子查询的结果集当作外层查询的参数,而是将该结果集写入一个临时表里。写入临时表的过程是这样的:
a. 该临时表的列就是子查询结果集中的列。
b. 写入临时表的记录会被去重。
c. 一般情况下子查询结果集不会大的离谱,所以会为它建立基于内存的使用 Memory 存储引擎的临时表,而且会为该表建立哈希索引。

如果子查询的结果集非常大,超过了系统变量 tmp_table_size 或者 max_heap_table_size ,临时表会转而使用基于磁盘的存储引擎来保存结果集中的记录,索引类型也对应转变为 B+ 树索引。

设计 MySQL 的大叔把这个将子查询结果集中的记录保存到临时表的过程称之为 物化 (英文名:Materialize )。为了方便起见,我们就把那个存储子查询结果集的临时表称之为 物化表 。正因为物化表中的记录都建立了索引(基于内存的物化表有哈希索引,基于磁盘的有B+树索引),通过索引执行 IN 语句判断某个操作数在不在子查询结果集中变得非常快,从而提升了子查询语句的性能。

(2). 物化表转连接
事情到这就完了?我们还得重新审视一下最开始的那个查询语句:SELECT * FROM s1 WHERE key1 IN (SELECT common_field FROM s2 WHERE key3 = 'a');当我们把子查询进行物化之后,假设子查询物化表的名称为 materialized_table ,该物化表存储的子查询结果集的列为 m_val ,那么这个查询其实可以从下边两种角度来看待:
a. 从表 s1 的角度来看待,整个查询的意思其实是:对于 s1 表中的每条记录来说,如果该记录的 key1 列的值在子查询对应的物化表中,则该记录会被加入最终的结果集。画个图表示一下就是这样:
mysql原理--MySQL基于规则的优化_第1张图片
b. 从子查询物化表的角度来看待,整个查询的意思其实是:对于子查询物化表的每个值来说,如果能在 s1 表中找到对应的 key1 列的值与该值相等的记录,那么就把这些记录加入到最终的结果集。画个图表示一下就是这样:
mysql原理--MySQL基于规则的优化_第2张图片
也就是说其实上边的查询就相当于表 s1 和子查询物化表 materialized_table 进行内连接:SELECT s1.* FROM s1 INNER JOIN materialized_table ON key1 = m_val;

转化成内连接之后就有意思了,查询优化器可以评估不同连接顺序需要的成本是多少,选取成本最低的那种查询方式执行查询。我们分析一下上述查询中使用外层查询的表 s1 和物化表 materialized_table 进行内连接的成本都是由哪几部分组成的:
(1). 如果使用 s1 表作为驱动表的话,总查询成本由下边几个部分组成:
a. 物化子查询时需要的成本
b. 扫描 s1 表时的成本
c. s1表中的记录数量 × 通过 m_val = xxx 对 materialized_table 表进行单表访问的成本(我们前边说过物化表中的记录是不重复的,并且为物化表中的列建立了索引,所以这个步骤显然是非常快的)。

(2). 如果使用 materialized_table 表作为驱动表的话,总查询成本由下边几个部分组成:
a. 物化子查询时需要的成本
b. 扫描物化表时的成本
c. 物化表中的记录数量 × 通过 key1 = xxx 对 s1 表进行单表访问的成本(非常庆幸 key1 列上建立了索引,所以这个步骤是非常快的)。

MySQL 查询优化器会通过运算来选择上述成本更低的方案来执行查询。

4.3.2.半连接
(1). 将子查询转换为semi-join
虽然将子查询进行物化之后再执行查询都会有建立临时表的成本,但是不管怎么说,我们见识到了将子查询转换为连接的强大作用,设计 MySQL 的大叔继续开脑洞:能不能不进行物化操作直接把子查询转换为连接呢?

让我们重新审视一下上边的查询语句:SELECT * FROM s1 WHERE key1 IN (SELECT common_field FROM s2 WHERE key3 = 'a');
我们可以把这个查询理解成:对于 s1 表中的某条记录,如果我们能在 s2 表(准确的说是执行完 WHERE s2.key3 = ‘a’ 之后的结果集)中找到一条或多条记录,这些记录的 common_field 的值等于 s1 表记录的 key1 列的值,那么该条 s1 表的记录就会被加入到最终的结果集。这个过程其实和把 s1 和 s2 两个表连接起来的效果很像:SELECT s1.* FROM s1 INNER JOIN s2 ON s1.key1 = s2.common_field WHERE s2.key3 = 'a';

只不过我们不能保证对于 s1 表的某条记录来说,在 s2 表(准确的说是执行完 WHERE s2.key3 = 'a' 之后的结果集)中有多少条记录满足 s1.key1 = s2.common_field 这个条件,不过我们可以分三种情况讨论:
a. 对于 s1 表的某条记录来说, s2 表中没有任何记录满足 s1.key1 = s2.common_field 这个条件,那么该记录自然也不会加入到最后的结果集。
b. s2 表中有且只有记录满足 s1.key1 = s2.common_field 这个条件,那么该记录会被加入最终的结果集。
c. s2 表中至少有2条记录满足 s1.key1 = s2.common_field 这个条件,那么该记录会被多次加入最终的结果集。

对于 s1 表的某条记录来说,由于我们只关心 s2 表中是否存在记录满足 s1.key1 = s2.common_field 这个条件,而不关心具体有多少条记录与之匹配,又因为有 情况三 的存在,我们上边所说的 IN 子查询和两表连接之间并不完全等价。

但是将子查询转换为连接又真的可以充分发挥优化器的作用,所以设计 MySQL 的大叔在这里提出了一个新概念 — 半连接 (英文名: semi-join )。将 s1 表和 s2 表进行半连接的意思就是:对于 s1 表的某条记录来说,我们只关心在 s2 表中是否存在与之匹配的记录是否存在,而不关心具体有多少条记录与之匹配,最终的结果集中只保留 s1 表的记录。

为了让大家有更直观的感受,我们假设MySQL内部是这么改写上边的子查询的:SELECT s1.* FROM s1 SEMI JOIN s2 ON s1.key1 = s2.common_field WHERE key3 = 'a';

semi-join只是在MySQL内部采用的一种执行子查询的方式,MySQL并没有提供面向用户的semi-join语法。
概念是有了,怎么实现这种所谓的 半连接 呢?设计 MySQL 的大叔准备了好几种办法。
a. Table pullout (子查询中的表上拉)
当子查询的查询列表处只有主键或者唯一索引列时,可以直接把子查询中的表 上拉 到外层查询的 FROM 子句中,并把子查询中的搜索条件合并到外层查询的搜索条件中,比如这个: SELECT * FROM s1 WHERE key2 IN (SELECT key2 FROM s2 WHERE key3 = 'a');由于 key2 列是 s2 表的唯一二级索引列,所以我们可以直接把 s2 表上拉到外层查询的 FROM 子句中,并且把子查询中的搜索条件合并到外层查询的搜索条件中,上拉之后的查询就是这样的: SELECT s1.* FROM s1 INNER JOIN s2 ON s1.key2 = s2.key2 WHERE s2.key3 = 'a';

为啥当子查询的查询列表处只有主键或者唯一索引列时,就可以直接将子查询转换为连接查询呢?因为,主键或者唯一索引列中的数据本身就是不重复的嘛!

b. DuplicateWeedout execution strategy (重复值消除)
对于这个查询来说: SELECT * FROM s1 WHERE key1 IN (SELECT common_field FROM s2 WHERE key3 = 'a');
转换为半连接查询后, s1 表中的某条记录可能在 s2 表中有多条匹配的记录,所以该条记录可能多次被添加到最后的结果集中,为了消除重复,我们可以建立一个临时表,比方说这个临时表长这样:

 CREATE TABLE tmp (
 id PRIMARY KEY
 );

这样在执行连接查询的过程中,每当某条 s1 表中的记录要加入结果集时,就首先把这条记录的 id 值加入到这个临时表里,如果添加成功,说明之前这条 s1 表中的记录并没有加入最终的结果集,现在把该记录添加到最终的结果集;如果添加失败,说明这条之前这条 s1 表中的记录已经加入过最终的结果集,这里直接把它丢弃就好了,这种使用临时表消除 semi-join 结果集中的重复值的方式称之为 DuplicateWeedout

c. LooseScan execution strategy (松散索引扫描)
大家看这个查询: SELECT * FROM s1 WHERE key3 IN (SELECT key1 FROM s2 WHERE key1 > 'a' AND key1 < 'b');
在子查询中,对于 s2 表的访问可以使用到 key1 列的索引,而恰好子查询的查询列表处就是 key1 列,这样在将该查询转换为半连接查询后,如果将 s2 作为驱动表执行查询的话,那么执行过程就是这样:
mysql原理--MySQL基于规则的优化_第3张图片
如图所示,在 s2 表的 idx_key1 索引中,值为 ‘aa’ 的二级索引记录一共有3条,那么只需要取第一条的值到 s1 表中查找 s1.key3 = ‘aa’ 的记录,如果能在 s1 表中找到对应的记录,那么就把对应的记录加入到结果集。依此类推,其他值相同的二级索引记录,也只需要取第一条记录的值到 s1 表中找匹配的记录,这种虽然是扫描索引,但只取值相同的记录的第一条去做匹配操作的方式称之为 松散索引扫描 。

d. Semi-join Materialization execution strategy
我们之前介绍的先把外层查询的 IN 子句中的不相关子查询进行物化,然后再进行外层查询的表和物化表的连接本质上也算是一种 semi-join ,只不过由于物化表中没有重复的记录,所以可以直接将子查询转为连接查询。

e. FirstMatch execution strategy (首次匹配)
FirstMatch 是一种最原始的半连接执行方式,跟我们年少时认为的相关子查询的执行方式是一样一样的,就是说先取一条外层查询的中的记录,然后到子查询的表中寻找符合匹配条件的记录,如果能找到一条,则将该外层查询的记录放入最终的结果集并且停止查找更多匹配的记录,如果找不到则把该外层查询的记录丢弃掉;然后再开始取下一条外层查询中的记录,重复上边这个过程。

对于某些使用 IN 语句的相关子查询,比方这个查询:SELECT * FROM s1 WHERE key1 IN (SELECT common_field FROM s2 WHERE s1.key3 = s2.key3);它也可以很方便的转为半连接,转换后的语句类似这样:SELECT s1.* FROM s1 SEMI JOIN s2 ON s1.key1 = s2.common_field AND s1.key3 = s2.key3;

然后就可以使用我们上边介绍过的 DuplicateWeedout 、 LooseScan 、 FirstMatch 等半连接执行策略来执行查询,当然,如果子查询的查询列表处只有主键或者唯一二级索引列,还可以直接使用 table pullout 的策略来执行查询,但是需要大家注意的是,由于相关子查询并不是一个独立的查询,所以不能转换为物化表来执行查询。

(2).semi-join的适用条件
当然,并不是所有包含 IN 子查询的查询语句都可以转换为 semi-join 。
只有形如这样的查询才可以被转换为 semi-join :SELECT ... FROM outer_tables WHERE expr IN (SELECT ... FROM inner_tables ...) AND ...
或者这样的形式也可以:SELECT ... FROM outer_tables WHERE (oe1, oe2, ...) IN (SELECT ie1, ie2, ... FROM inner_tables ...) AND ...
用文字总结一下,只有符合下边这些条件的子查询才可以被转换为 semi-join :
a. 该子查询必须是和 IN 语句组成的布尔表达式,并且在外层查询的 WHERE 或者 ON 子句中出现。
b. 外层查询也可以有其他的搜索条件,只不过和 IN 子查询的搜索条件必须使用 AND 连接起来。
c. 该子查询必须是一个单一的查询,不能是由若干查询由 UNION 连接起来的形式。
d. 该子查询不能包含 GROUP BY 或者 HAVING 语句或者聚集函数。
e. … 还有一些条件比较少见,就不唠叨啦~

(3). 不适用于semi-join的情况
对于一些不能将子查询转位 semi-join 的情况,典型的比如下边这几种:
a. 外层查询的WHERE条件中有其他搜索条件与IN子查询组成的布尔表达式使用 OR 连接起来
如:SELECT * FROM s1 WHERE key1 IN (SELECT common_field FROM s2 WHERE key3 = 'a') OR key2 > 100;
b. 使用 NOT IN 而不是 IN 的情况
如: SELECT * FROM s1 WHERE key1 NOT IN (SELECT common_field FROM s2 WHERE key3 = 'a')
c. 在 SELECT 子句中的IN子查询的情况
如: SELECT key1 IN (SELECT common_field FROM s2 WHERE key3 = 'a') FROM s1 ;
d. 子查询中包含 GROUP BY 、 HAVING 或者聚集函数的情况
如: SELECT * FROM s1 WHERE key2 IN (SELECT COUNT(*) FROM s2 GROUP BY key1);
e. 子查询中包含 UNION 的情况
如: SELECT * FROM s1 WHERE key1 IN (SELECT common_field FROM s2 WHERE key3 = 'a' UNION SELECT common_field FROM s2 WHERE key3 = 'b');

MySQL 仍然留了两手绝活来优化不能转为 semi-join 查询的子查询,那就是:
a. 对于不相关子查询来说,可以尝试把它们物化之后再参与查询
比如我们上边提到的这个查询: SELECT * FROM s1 WHERE key1 NOT IN (SELECT common_field FROM s2 WHERE key3 = 'a'),先将子查询物化,然后再判断 key1 是否在物化表的结果集中可以加快查询执行的速度。 请注意这里将子查询物化之后不能转为和外层查询的表的连接,只能是先扫描s1表,然后对s1表的某条记录来说,判断该记录的key1值在不在物化表中。
b. 不管子查询是相关的还是不相关的,都可以把 IN 子查询尝试专为 EXISTS 子查询
其实对于任意一个IN子查询来说,都可以被转为 EXISTS 子查询,通用的例子如下: outer_expr IN (SELECT inner_expr FROM ... WHERE subquery_where)可以被转换为: EXISTS (SELECT inner_expr FROM ... WHERE subquery_where AND outer_expr=inner_expr)

当然这个过程中有一些特殊情况,比如在 outer_expr 或者 inner_expr 值为 NULL 的情况下就比较特殊。因为有 NULL 值作为操作数的表达式结果往往是 NULL ,比方说:
mysql原理--MySQL基于规则的优化_第4张图片
而 EXISTS 子查询的结果肯定是 TRUE 或者 FASLE :
mysql原理--MySQL基于规则的优化_第5张图片
但是幸运的是,我们大部分使用 IN 子查询的场景是把它放在 WHERE 或者 ON 子句中,而 WHERE 或者 ON 子句是不区分 NULL 和 FALSE 的,比方说:
mysql原理--MySQL基于规则的优化_第6张图片
所以只要我们的 IN 子查询是放在 WHERE 或者 ON 子句中的,那么 IN -> EXISTS 的转换就是没问题的。说了这么多,为啥要转换呢?这是因为不转换的话可能用不到索引,比方说下边这个查询:SELECT * FROM s1 WHERE key1 IN (SELECT key3 FROM s2 where s1.common_field = s2.common_field) OR key2 > 1000;

这个查询中的子查询是一个相关子查询,而且子查询执行的时候不能使用到索引,但是将它转为 EXISTS 子 查询后却可以使用到索引:SELECT * FROM s1 WHERE EXISTS (SELECT 1 FROM s2 where s1.common_field = s2.common_field AND s2.key3 = s1.key1) OR key2 > 1000;转为 EXISTS 子查询时便可以使用到 s2 表的 idx_key3 索引了。

需要注意的是,如果 IN 子查询不满足转换为 semi-join 的条件,又不能转换为物化表或者转换为物化表的成本太大,那么它就会被转换为 EXISTS 查询。

(4).小结
a. 如果 IN 子查询符合转换为 semi-join 的条件,查询优化器会优先把该子查询为 semi-join ,然后再考虑下边5种执行半连接的策略中哪个成本最低:
a.1. Table pullout
a.2. DuplicateWeedout
a.3. LooseScan
a.4. Materialization
a.5. FirstMatch
选择成本最低的那种执行策略来执行子查询。
b. 如果 IN 子查询不符合转换为 semi-join 的条件,那么查询优化器会从下边两种策略中找出一种成本更低的方式执行子查询:
b.1. 先将子查询物化之后再执行查询
b.2. 执行 IN to EXISTS 转换。

4.4. ANY/ALL子查询优化
如果ANY/ALL子查询是不相关子查询的话,它们在很多场合都能转换成我们熟悉的方式去执行,比方说:

原始表达式 转换为
< ANY (SELECT inner_expr …) < (SELECT MAX(inner_expr) …)
> ANY (SELECT inner_expr …) > (SELECT MIN(inner_expr) …)
< ALL (SELECT inner_expr …) < (SELECT MIN(inner_expr) …)
> ALL (SELECT inner_expr …) > (SELECT MAX(inner_expr) …)

4.5. [NOT] EXISTS子查询的执行
如果 [NOT] EXISTS 子查询是不相关子查询,可以先执行子查询,得出该 [NOT] EXISTS 子查询的结果是 TRUE 还是 FALSE ,并重写原先的查询语句,比如对这个查询来说:SELECT * FROM s1 WHERE EXISTS (SELECT 1 FROM s2 WHERE key1 = 'a') OR key2 > 100;因为这个语句里的子查询是不相关子查询,所以优化器会首先执行该子查询,假设该EXISTS子查询的结果为 TRUE ,那么接着优化器会重写查询为:SELECT * FROM s1 WHERE TRUE OR key2 > 100;进一步简化后就变成了:SELECT * FROM s1 WHERE TRUE;

对于相关的 [NOT] EXISTS 子查询来说,比如这个查询:SELECT * FROM s1 WHERE EXISTS (SELECT 1 FROM s2 WHERE s1.common_field = s2.common_field);很不幸,这个查询只能按照我们年少时的那种执行相关子查询的方式来执行。不过如果 [NOT] EXISTS 子查询中如果可以使用索引的话,那查询速度也会加快不少,比如:SELECT * FROM s1 WHERE EXISTS (SELECT 1 FROM s2 WHERE s1.common_field = s2.key1);上边这个 EXISTS 子查询中可以使用 idx_key1 来加快查询速度。

4.6.对于派生表的优化
我们前边说过把子查询放在外层查询的 FROM 子句后,那么这个子查询的结果相当于一个 派生表 ,比如下边这个查询:SELECT * FROM (SELECT id AS d_id, key3 AS d_key3 FROM s2 WHERE key1 = 'a') AS derived_s1 WHERE d_key3 = 'a';子查询 ( SELECT id AS d_id, key3 AS d_key3 FROM s2 WHERE key1 = 'a') 的结果就相当于一个派生表,这个表的名称是 derived_s1 ,该表有两个列,分别是 d_idd_key3

对于含有 派生表 的查询, MySQL 提供了两种执行策略:
(1). 最容易想到的就是把派生表物化。
我们可以将派生表的结果集写到一个内部的临时表中,然后就把这个物化表当作普通表一样参与查询。当然,在对派生表进行物化时,设计 MySQL 的大叔使用了一种称为 延迟物化 的策略,也就是在查询中真正使用到派生表时才回去尝试物化派生表,而不是还没开始执行查询呢就把派生表物化掉。

比方说对于下边这个含有派生表的查询来说:SELECT * FROM (SELECT * FROM s1 WHERE key1 = 'a') AS derived_s1 INNER JOIN s2 ON derived_s1.key1 = s2.key1 WHERE s2.key2 = 1;如果采用物化派生表的方式来执行这个查询的话,那么执行时首先会到 s2 表中找出满足 s2.key2 = 1 的记录,如果压根儿找不到,所以整个查询的结果集就是空的,所以也就没有必要去物化查询中的派生表了。

(2). 将派生表和外层的表合并,也就是将查询重写为没有派生表的形式
我们来看这个贼简单的包含派生表的查询: SELECT * FROM (SELECT * FROM s1 WHERE key1 = 'a') AS derived_s1;这个查询本质上就是想查看 s1 表中满足 key1 = ‘a’ 条件的的全部记录,所以和下边这个语句是等价的: SELECT * FROM s1 WHERE key1 = 'a';

对于一些稍微复杂的包含派生表的语句,比如我们上边提到的那个: SELECT * FROM (SELECT * FROM s1 WHERE key1 = 'a') AS derived_s1 INNER JOIN s2 ON derived_s1.key1 = s2.key1 WHERE s2.key2 = 1;我们可以将派生表与外层查询的表合并,然后将派生表中的搜索条件放到外层查询的搜索条件中,就像这样: SELECT * FROM s1 INNER JOIN s2 ON s1.key1 = s2.key1 WHERE s1.key1 = 'a' AND s2.key2 = 1;

这样通过将外层查询和派生表合并的方式成功的消除了派生表,也就意味着我们没必要再付出创建和访问临时表的成本了。可是并不是所有带有派生表的查询都能被成功的和外层查询合并,当派生表中有这些语句就不可以和外层查询合并:
a. 聚集函数,比如MAX()、MIN()、SUM()啥的
b. DISTINCT
c. GROUP BY
d. HAVING
e. LIMIT
f. UNION 或者 UNION ALL
g. 派生表对应的子查询的 SELECT 子句中含有另一个子查询
… 还有些不常用的情况就不多说了哈~

所以 MySQL 在执行带有派生表的时候,优先尝试把派生表和外层查询合并掉,如果不行的话,再把派生表物化掉执行查询。

你可能感兴趣的:(5.2.数据库--MySql,MySQL基于规则的优化,子查询优化,物化表,半连接,延迟物化)