MySQL 的Join及底层实现原理

Mysql只支持一种join算法：Nested-Loop Join（嵌套循环连接），但Nested-Loop Join有三种变种：

转载：https://blog.csdn.net/qq_37050329/article/details/88777937

一、Simple Nested-Loop Join

如下图，r为驱动表，s为匹配表，可以看到从r中分别取出r1、r2、……、rn去匹配s表的左右列，然后再合并数据，对s表进行了rn次访问，对数据库开销大

二、Index Nested-Loop Join（索引嵌套）

这个要求非驱动表（匹配表s）上有索引，可以通过索引来减少比较，加速查询。

在查询时，驱动表（r）会根据关联字段的索引进行查找，挡在索引上找到符合的值，再回表进行查询，也就是只有当匹配到索引以后才会进行回表查询。

如果非驱动表（s）的关联健是主键的话，性能会非常高，如果不是主键，要进行多次回表查询，先关联索引，然后根据二级索引的主键ID进行回表操作，性能上比索引是主键要慢。

三、Block Nested-Loop Join

如果有索引，会选取第二种方式进行join，但如果join列没有索引，就会采用Block Nested-Loop Join。

可以看到中间有个join buffer缓冲区，是将驱动表的所有join相关的列都先缓存到join buffer中，然后批量与匹配表进行匹配，将第一种多次比较合并为一次，降低了非驱动表（s）的访问频率。

默认情况下join_buffer_size=256K，在查找的时候MySQL会将所有的需要的列缓存到 join buffer 当中，包括select的列，而不是仅仅只缓存关联列。在一个有N个JOIN关联的SQL当中会在执行时候分配N-1个join buffer。

栗子

假设两张表a 和 b

# a表结构
comments_id      bigInt(20)  P
for_comments_if  mediumint(9)
product_id       int(11)
order_id         int(11)


# b表结构
id               int(11)     P
comments_id      bigInt(20)
product_id       int(11)

其中b的关联有comments_id，所以有索引。

join

select * from a join b
on a.comments_id = b.comments_id
where a.comments_id= 2056

使用的是Index Nested-Loop Join，先对驱动表a的主键筛选，得到一条，然后对非驱动表b的索引进行seek匹配，预计得到一条数据。

下面这种情况没用到索引：

select * from a join b
on a.order_id=b.product_id

使用Block Nested-Loop Join，如果b表数据少，作为驱动表，将b的需要的数据缓存到join buffer中，批量对a表扫描

left join

select * from a join b
on a.comments_id=b.comments_id

这里用到了索引，所以会采用Index Nested-Loop Join，因为没有筛选条件，会选择一张表作为驱动表去进行join，去关联非驱动表的索引。

如果加了条件:

select * from a join b
on a.comments_id=b.comments_id
where b.comments_id = 2056

就会从驱动表筛选出一条来进行对非驱动表的匹配。

Hash Join

未完待续

https://zhuanlan.zhihu.com/p/88900956