《Mysql - 到底可不可以使用 Join ?》

一：Join 的问题？

　　- 在实际生产中，使用 join 一般会集中在以下两类：

　　　　- DBA 不让使用 Join ,使用 Join 会有什么问题呢？

　　　　- 如果有两个大小不同的表做 join，应该用哪个表做驱动表呢？

 

二：数据准备

• CREATE TABLE `t2` (
    `id` int(11) NOT NULL,
    `a` int(11) DEFAULT NULL,
    `b` int(11) DEFAULT NULL,
    PRIMARY KEY (`id`),
    KEY `a` (`a`)
  ) ENGINE=InnoDB;
  
  CREATE TABLE `t1` (
    `id` int(11) NOT NULL,
    `a` int(11) DEFAULT NULL,
    `b` int(11) DEFAULT NULL,
    PRIMARY KEY (`id`),
    KEY `a` (`a`)
  ) ENGINE=InnoDB;

  - 建立 t1,t2 两个完全相同的表，t1 表中写入 100 条数据，t2 表中 写入 1000 条数据。

 

三：Index Nested-Loop Join（NLJ） (被驱动表有索引的情况选择)

　　- 语句

　　　　- 为了避免Mysql选择驱动表对于分析的影响，改用 straight_join 让 MySQL 使用固定的连接方式执行查询。

　　　　- t1 是驱动表，t2 是被驱动表。

　　　　- select * from t1 straight_join t2 on (t1.a=t2.a);

 

　　- 执行流程

　　　　- 在这条语句里，被驱动表 t2 的字段 a 上有索引，join 过程用上了这个索引

　　　　- 从表 t1 中读入一行数据 R；

　　　　- 从数据行 R 中，取出 a 字段到表 t2 里去查找；

　　　　- 取出表 t2 中满足条件的行，跟 R 组成一行，作为结果集的一部分；

　　　　- 重复执行步骤 1 到 3，直到表 t1 的末尾循环结束。 

　　　　- 

 

　　- 小结

　　　　- 这个过程是先遍历表 t1，然后根据从表 t1 中取出的每行数据中的 a 值，去表 t2 中查找满足条件的记录。

　　　　- 在形式上，这个过程很像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。 

　　　　- 整个过程， 总扫描行数是 200（t1 200 + t2 索引树200）

 

四：Block Nested-Loop Join（NLJ）（被驱动表无索引选择）

　　- 语句

　　　　-  select * from t1 straight_join t2 on (t1.a=t2.b);

　　　　- 由于表 t2 的字段 b 上没有索引，因此在执行流程时，每次到 t2 去匹配的时候，就要做一次全表扫描。

 

　　- 流程

　　　　- 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；

　　　　- 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。

　　　　- 

 

　　- 小结

　　　　- 可以看到，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 1100。

　　　　- 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：100*1000=10 万次。

　　　　- 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。

 

五：总结

　　- 能不能使用 join ?

　　　　- 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；

　　　　- 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。

 

　　- 如果要使用 join，应该选择大表做驱动表还是选择小表做驱动表？

　　　　- 在决定哪个表做驱动表的时候，应该是两个表按照各自的条件过滤，过滤完成之后，计算参与 join 的各个字段的总数据量，数据量小的那个表，就是“小表”，应该作为驱动表。