Mysql关键字执行顺序-深入解析

本文涉及的产品
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
RDS MySQL Serverless 高可用系列,价值2615元额度,1个月
简介: Mysql关键字执行顺序-深入解析

mysql关键字执行顺序如下:

from
on/using
join
where
group by
having
select
distinct
union
order by
limit


一、解释关键字执行顺序



这些关键字涉及的sql笔者这里就不一一去写了。


Mysql会先执行from,然后根据on关键字去筛选目标表,筛选出的结果再进行join或者using,这样就会形成一个临时表。然后去执行where条件去筛选这个临时表,这样基本就筛选出需要的数据了。然后就可以对数据进行group by进行分组,同时若是有必要就会再执行having对数据进行进一步筛选,这里执行完数据基本就是一定定型了,下面就需要select去筛选目标列了,完事之后需要使用distinct进行去重这样一个表的查询基本就结束了。若是需要多表查询则还需要使用union或者union all来进行连接多表的结果。然后就是对数据进行排序的order by ,排完顺序自然就是取分页了。这样就会将一个完整的sql执行完毕了。


二、关于执行顺序可能会有的疑问



对于上面这个执行顺序,都是无需置疑的,不过对于为什么是这样一个顺序笔者曾经也是困惑过的,下面笔者总结了一下可能会产生困惑点,这里列下。


1 on和join 为什么先执行on


我最开始一直认为没有使用join形成一个临时表,那是如何对数据使用on进行条件筛选呢一直不太明白。后来才知道其实在使用left join 或者 right join 时临时表的主体数据本来就是确定的,比如使用left join 那么主表就是左表,那主表已经确定了,所以可以先执行on条件去筛选另一个表的数据,筛选完成后再将两个结果拼接形成一个临时表,mysql这么做就说的通了。rigint join 与left join类似,这里就不重复说了。


上面是用left join 说的例子。那cross join 与 inner join 好像都是会形成笛卡尔积的(mysql5.5以后已经不会有全表的笛卡尔积了)。所以若是两个表在inner join执行前是不知道临时表的数据的,那怎么来使用on条件进行筛选呢?这种情况就不对了啊。所以根据这个点很多人可能会认为应该限制性join 再执行on,其实则不然。


对于inner join 和 cross join 在他们后面使用on条件时,mysql都会将on后面的条件优化到where里,也就是说其实mysql在执行cross join 或者 inner join 时是不会有 on的,这里写on其实写的就是where。所以说cross join 和 inner join 里不存在on语句的,自然就没有先用on条件筛选的场景了。使用 inner join 或者 corss join 无论在on里写什么条件都会被翻译成where语句。所以到这里应该就会明白mysql先执行on关键字再执行 join 关键字是没有问题的了。

下面展示下inner join on 被优化前后的sql对比。


原始sql:

select a.user_id from sys_user  a 
inner join sys_user_role  b on a.user_id = b.user_id; 


被执行优化器优化后的sql(mysql真正执行的语句):

select `sunacwyselect `sunacwy_cockpit`.`a`.`user_id` AS `user_id` from `sunacwy_cockpit`.`sys_user` `a` 
join `sunacwy_cockpit`.`sys_user_role` `b` where (`sunacwy_cockpit`.`a`.`user_id` = `sunacwy_cockpit`.`b`.`user_id`)


通过上面的例子,就可以验证上面笔者说的内容了。有兴趣的同学可以在测试下非等值连接,自然连接等其他场景。


2 on和where 有什么区别,哪些场景是相同的


当on使用在left join 和 right join 后面时,会对连接数据先进行筛选,然后才会把符合on条件的数据进行连接。连接完成后才会执行where后面的筛选条件。

当on使用在cross join 和 inner join 后面时,就不一样了。此时on和where效果一致,因为这里的on会被sql执行优化器,优化成where,所以这里的on和where是相同的。这一点上面的例子中已经证明了,这里就不重复写了。


3 where和having 的区别


where 和 having在一定程度上可以做一些相同的事,那他们有什么不同呢,其实having最主要的目的是用来执行分组后的聚合函数的,因为where关键字在group by之前执行,所以没法在where后面使用聚合函数,所以才有了having关键字。当然having关键字不仅可以执行聚合函数,同时也可以做与where一样的条件筛选。不过这里需要说明的事,若是非聚合函数的筛选条件一般不要出现在having里,这样会影响sql性能,这种数据筛选一般在where阶段就应该过滤掉,而不应该是执行到having了再去过滤这部分数据。


三、关键字对于sql优化的启示



我们知道更多的数据在越早的阶段被过滤掉越好,sql性能也越高。所以根据这一原则,我们根据sql关键字的执行顺序可以总结出这么一句话:


1.能写在on里的条件,不要写在where里,能写在where里的条件不写在having里


这个很好理解根据各个关键字的执行顺序,很容易就可以看出来先执行on再执行where最后执行haing,所以条件越靠前月有利于sql的执行。不过这里还是需要区分场景的,我们可以从内连和外连两个角度分析这个问题。


1)内连时

内连时,我们写的on条件其实都会解析成where条件,所以我们将条件写在on或者where里是没有区别的,所以此时是on=where>having的关系。


2)外连时

外连时,我们无论以哪个表为基表,那么都是对基表进行全表扫描,所以外连里的on并不会对数据筛选,只有where才会对连接的结果进行筛选,那此时的on其实起不到数据过滤的作用,只有where和having才有过滤数据的作用。


3)总结来说,on起到的过滤作用只是在外连时过滤被连接的表有些作用,因为在内连里本质上没有on,外连时on其实不会过滤基表,只过滤了被连接的表。所以若是必须使用外连时,我们需要尽可能过滤被连接表,然后在where里加筛选条件即可。若是非必要使用外连,建议还是使用内连,因为内连不会全表扫描。


2.使用inner join 或者cross join 、left join 、right join、子查询 怎么选择


先建设一个场景有两个表我们需要关联查询,条件固定(详见下面的sql),需要建立的索引均已建立


数据量
tb_mdm_floor 397364
tb_mdm_unit 53290


①如果我们使用inner join,我们可能会像下面这么写:

select fl.* from tb_mdm_floor fl 
inner join tb_mdm_unit un on fl.unit_id = un.id 
where un.id in (
'16611347838871536931',
'16611347838881537131',
'16611386992314864604',
'16611386992304864504',
'16611386992294864404'
);


②如果我们使用left join,我们可能会像下面这么写:

select fl.* from tb_mdm_floor fl
left join  tb_mdm_unit un on fl.unit_id = un.id  
where un.id in (
'16611347838871536931',
'16611347838881537131',
'16611386992314864604',
'16611386992304864504',
'16611386992294864404'
);


③如果我们使用子查询,我们可能会像下面这么写:

select * from tb_mdm_floor where unit_id in 
(
select id from tb_mdm_unit where id in (
'16611347838871536931',
'16611347838881537131',
'16611386992314864604',
'16611386992304864504',
'16611386992294864404'
));


那这三种查询效率该怎么选择呢,我们分别使用explain看下三种写法扫描的行数就会有感觉了

第①种explaian的分析结果


a9daf541fefa45978afacb0f9ecb09e4.png

第②种explaian的分析结果

6f42d96404dd453bb18a55b4e3a669a9.png

第③种explaian的分析结果


b02d72fa19134f08b6d2b15dd286e660.png


这样的话效率的高低其实就很简单明了了,我们可以看到使用子查询和内连时数据的扫描行数最少,而使用外连时会扫描基表的所有行数,最后再使用where过滤基表的全部信息。所以我们可以知道需要优先使用内连和子查询。那内连和子查询我们怎么判定优先级呢?若是在mysql5.5以前,肯定是优先使用子查询的,因为mysql5.5以前使用内连会进行全表的笛卡尔积,全表的笛卡尔积是一件很恐怖的事情。但是mysql5.5以后对连接进行了优化,不会再进行全表的笛卡尔积了,使用了一种BNL的算法,进行了优化(未使用索引的情况下,使用索引会使用INL算法)。上面我们使用explain查看的其实是优化后的结果。所以暂时来看子查询与内连效率上没什么差别,但是理论上子查询会更好些。所以我们可以这么总结:子查询 > 内连 > 外连


3.关于连表查询时的笛卡尔的说明


首先我们需要明确的是mysql5.5以后,sql在执行的时候基本是不会做全表的笛卡尔积的,最多都是局部进行笛卡尔积。无论是inner、left、right等都有可能产生笛卡尔积。但现在肯定不会有全表的笛卡尔积了。关于为什么连表查没有全表的笛卡尔积,以及局部又是如何进行优化计算的,请看下这篇文章,这位道友写的还是很通俗易懂的:https://blog.csdn.net/qq_36330228/article/details/125168628



相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
相关文章
|
4天前
|
存储 关系型数据库 MySQL
PHP与MySQL动态网站开发深度解析####
本文作为技术性文章,深入探讨了PHP与MySQL结合在动态网站开发中的应用实践,从环境搭建到具体案例实现,旨在为开发者提供一套详尽的实战指南。不同于常规摘要仅概述内容,本文将以“手把手”的教学方式,引导读者逐步构建一个功能完备的动态网站,涵盖前端用户界面设计、后端逻辑处理及数据库高效管理等关键环节,确保读者能够全面掌握PHP与MySQL在动态网站开发中的精髓。 ####
|
11天前
|
存储 关系型数据库 MySQL
MySQL MVCC深度解析:掌握并发控制的艺术
【10月更文挑战第23天】 在数据库领域,MVCC(Multi-Version Concurrency Control,多版本并发控制)是一种重要的并发控制机制,它允许多个事务并发执行而不产生冲突。MySQL作为广泛使用的数据库系统,其InnoDB存储引擎就采用了MVCC来处理事务。本文将深入探讨MySQL中的MVCC机制,帮助你在面试中自信应对相关问题。
27 3
|
11天前
|
缓存 关系型数据库 MySQL
MySQL执行计划深度解析:如何做出最优选择
【10月更文挑战第23天】 在数据库查询性能优化中,执行计划的选择至关重要。MySQL通过查询优化器来生成执行计划,但有时不同的执行计划会导致性能差异。理解如何选择合适的执行计划,以及为什么某些计划更优,对于数据库管理员和开发者来说是一项必备技能。
26 2
|
23天前
|
Java 关系型数据库 MySQL
【编程基础知识】Eclipse连接MySQL 8.0时的JDK版本和驱动问题全解析
本文详细解析了在使用Eclipse连接MySQL 8.0时常见的JDK版本不兼容、驱动类错误和时区设置问题,并提供了清晰的解决方案。通过正确配置JDK版本、选择合适的驱动类和设置时区,确保Java应用能够顺利连接MySQL 8.0。
103 1
|
17天前
|
存储 关系型数据库 MySQL
MySQL中的Redo Log、Undo Log和Binlog:深入解析
【10月更文挑战第21天】在数据库管理系统中,日志是保障数据一致性和完整性的关键机制。MySQL作为一种广泛使用的关系型数据库管理系统,提供了多种日志类型来满足不同的需求。本文将详细介绍MySQL中的Redo Log、Undo Log和Binlog,从背景、业务场景、功能、底层实现原理、使用措施等方面进行详细分析,并通过Java代码示例展示如何与这些日志进行交互。
26 0
|
28天前
|
缓存 Java 程序员
Map - LinkedHashSet&Map源码解析
Map - LinkedHashSet&Map源码解析
62 0
|
28天前
|
算法 Java 容器
Map - HashSet & HashMap 源码解析
Map - HashSet & HashMap 源码解析
49 0
|
28天前
|
存储 Java C++
Collection-PriorityQueue源码解析
Collection-PriorityQueue源码解析
58 0
|
28天前
|
安全 Java 程序员
Collection-Stack&Queue源码解析
Collection-Stack&Queue源码解析
72 0
|
8天前
|
消息中间件 缓存 安全
Future与FutureTask源码解析,接口阻塞问题及解决方案
【11月更文挑战第5天】在Java开发中,多线程编程是提高系统并发性能和资源利用率的重要手段。然而,多线程编程也带来了诸如线程安全、死锁、接口阻塞等一系列复杂问题。本文将深度剖析多线程优化技巧、Future与FutureTask的源码、接口阻塞问题及解决方案,并通过具体业务场景和Java代码示例进行实战演示。
27 3

推荐镜像

更多