MySQL JOIN关联查询

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。