登录
首页 >  数据库 >  MySQL

MySQLJOIN关联查询的原理及优化

来源:脚本之家

时间:2022-12-29 18:16:43 172浏览 收藏

亲爱的编程学习爱好者,如果你点开了这篇文章,说明你对《MySQLJOIN关联查询的原理及优化》很感兴趣。本篇文章就来给大家详细解析一下,主要介绍一下查询、mysqljoin、关联,希望所有认真读完的童鞋们,都有实质性的提高。

1 关联查询的执行

关联查询的执行过程是:先遍历关联表t1(驱动表,全表扫描),然后根据从表t1中取出的每行数据中的a值,去表t2(被关联表,被驱动表)中查找满足条件的记录,可以走t2的索引搜索。在形式上,这个过程就跟我们写程序时的嵌套查询类似,并且可以用上被驱动表的索引,所以我们称之为“Index Nested-Loop Join”,简称NLJ。在join语句的执行流程中,驱动表是走全表扫描,而被驱动表是走索引树搜索。

假设被驱动表的行数是M。每次在被驱动表查一行数据,要先搜索索引a,再搜索主键索引。每次搜索一棵树近似复杂度是以2为底的M的对数,记为log2M,所以在被驱动表上查一行的时间复杂度是 2*log2M

假设驱动表的行数是N,执行过程就要扫描驱动表N行,然后对于每一行,到被驱动表上匹配一次。

因此整个执行过程,近似复杂度是 N + N2log2M。显然,N对扫描行数的影响更大,因此应该让小表来做驱动表:N扩大1000倍的话,扫描行数就会扩大1000倍;而M扩大1000倍,扫描行数扩大不到10倍。

结论:如果使用join语句的话,需要让小表做驱动表,并且被驱动表的关联字段应该建立索引。一般来说,除非有其他理由,否则只需要在关联顺序中的第二个表的相应列上创建索引,即在被驱动的表的关联字段简历索引。

2 没有索引的算法

如果,被驱动表的关联字段没有使用索引,那么MySQL将使用另一种Block Nested-Loop Join算法。

  • 把表t1的数据读入线程内存join_buffer中,这只会将查询需要返回的列放入,如果我们的语句中写的是select *,就会把整个表t1放入了内存;
  • 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。

这个过程的流程图如下:

对应地,这条SQL语句的explain结果的Extra字段中将会展示:Block Nested Loop。在这个过程中,对表t1和t2都做了一次全表扫描,因此总的扫描行数是量表的数据总和M+N。由于join_buffer是以无序数组的方式组织的,因此对表t2中的每一行,都要做100次判断,总共需要在内存中做的判断次数是:M* N次。

假设小表的行数是N,大表的行数是M,那么在这个算法里:

  • 两个表都做一次全表扫描,所以总的扫描行数是M+N;
  • 内存中的判断次数是M*N,虽然不需要读盘,但是需要占用大量CPU进行计算。

可以看到,调换这两个算式中的M和N没差别,因此这时候选择大表还是小表做驱动表,执行耗时是一样的。

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,就是将t1的数据分段放入、比较,假设表t1被分成了两次放入join_buffer中,那么会导致表t2会被扫描两次。虽然分成两次放入join_buffer,但是内存中判断等值条件的次数还是不变的,依然是M*N次。

假设,驱动表的数据行数是N,需要分K段才能完成算法流程,K大于等于1,被驱动表的数据行数是M。注意,这里的K不是常数,N越大K就会越大。

所以,在这个算法的执行过程中:

  • 扫描行数是 N+K*M;
  • 内存判断 N*M次。

可以看到,如果join_buffer_size没有足够大(这是常见的情况),那么N越小,这样K就更小,扫描的行数才会更少,因此仍然应该让小表当驱动表。而且K也是影响扫描行数的关键因素,这个值越小越好,如果N不变,那么影响K的就是join_buffer_size的大小。join_buffer_size越大,一次可以放入的行越多,分成的段数K也就越少,对被驱动表的全表扫描次数就越少。

因此,如果你的join语句很慢,除了让小表当驱动表,还有就把join_buffer_size改大。

如果确定“小表”呢?除了总行数之外,还应该是两个表按照各自的条件过滤,过滤完成之后,再计算参与join的各个字段的总数据量(因为还要放入内存中),数据量小的那个表,就是“小表”,应该作为驱动表。

实际在查询优化时,如果join不是使用的Index Nested-Loop Join算法,则应该尽量改为使用该算法。

好了,本文到此结束,带大家了解了《MySQLJOIN关联查询的原理及优化》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多数据库知识!

声明:本文转载于:脚本之家 如有侵犯,请联系study_golang@163.com删除
相关阅读
更多>
最新阅读
更多>
课程推荐
更多>
评论列表