1. 简介
上一篇文章我们介绍了
【MySQL从入门到精通】【高级篇】（二十六）建了索引就能用么？我看未必。来看看几种索引失效的情况吧 上篇文章我们将来学习索引失效的几种情况。有时候并不是说加了索引，就一定能用上索引，还是要具体情况具体分析。本文将介绍一下MySQL优化器如何对外连接和内连接进行查询优化的以及介绍Join语句的底层原理。
2. 数据准备&索引优化说明
下面准备了两张数据表，分别是分类表category和图书表book，然后分别在category表和book表中插入17条数据。
-- 分类表 CREATE TABLE IF NOT EXISTS category( id INT NOT NULL AUTO_INCREMENT, card INT NOT NULL, PRIMARY KEY(id) ) ENGINE=INNODB; -- 图书表 CREATE TABLE IF NOT EXISTS book( bookid INT NOT NULL AUTO_INCREMENT, card INT NOT NULL, PRIMARY KEY(bookid) ) ENGINE=INNODB; INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO category(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20))); INSERT INTO book(card) VALUES(FLOOR(1+(RAND()*20)));
在MySQL中的连接分为外连接和内连接。外连接又分为左连接和右连接。
内连接就是取两个表的交集数据。
左连接以左表为准，取左表的全部关联数据
右连接以右表为准，取右表的全部关联数据
2.1. 左连接说明
2.1.1. 没有索引的情况下
EXPLAIN SELECT SQL_NO_CACHE * FROM category LEFT JOIN book ON category.card=book.car
没有索引的情况下，直接关联两个数据表查看执行计划可以看出两个表的type都是ALL。
2.1.2. 给左表添加索引
在左连接中，左表作为驱动表，如果给左表添加索引的话，则左表可以使用到索引，这里需要注意的是左表和右表的关联字段的类型要一致呢！
ALTER TABLE category ADD INDEX idx_category_card(card); EXPLAIN SELECT SQL_NO_CACHE * FROM category LEFT JOIN book ON category.card=book.card;
2.1.3. 给右表添加索引
给右表添加索引也是同理，添加完索引之后，右表作为被驱动表也是可以使用到该索引的，从而避免全表扫描。
ALTER TABLE book ADD INDEX idx_book_card(card); EXPLAIN SELECT SQL_NO_CACHE * FROM category LEFT JOIN book ON category.card=book.card;
从上图可以看出，在左连接中左表都是作为驱动表，右表作为被驱动表。
2.2. 内连接说明
EXPLAIN SELECT SQL_NO_CACHE * FROM category INNER JOIN book ON category.card=book.card;
对于内连接来说，查询优化器可以决定谁作为驱动表，谁作为被驱动表出现。虽然两个表都有索引，虽然category表在前面，但是最终查询优化器决定将book表作为驱动表。
下面我们试下删除category表中的索引，接着看下效果如何：
EXPLAIN SELECT SQL_NO_CACHE * FROM category INNER JOIN book ON category.card=book.card;
我们可以看出对于内连接来讲，如果表的连接条件中只有一个字段有索引，则有索引的字段所在的表会被作为被驱动表出现的。
3. JOIN的原理
join方式连接多个表，本质上就是各个表之间的循环匹配。MySQL5.5 版本之前，MySQL只支持一种表之间关联方式，就是嵌套循环（Nested Loop Join）。如果关联表的数据很大，则join关联的执行时间会非常长，在MySQL5.5 以后的版本中，MySQL通过引入BNLJ算法来优化嵌套执行。
驱动表和被驱动表
驱动表就是主表，被驱动表就是从表，非驱动表。
3.1. Simple Nested-Loop Join (简单嵌套循环连接)
算法相当简单，从表A中取出一条数据1，遍历表B，将匹配到的数据放在result，以此类推，驱动表A中的每一条记录与被驱动表B的记录进行判断：
可以看到这种方式效率是非常低效的，以上述表A数据100条，表B数据1000条计算，则A*B=10万次，开销统计如下：
| 开销统计 | SNLJ |
| 外表扫描次数 | 1 |
| 内表扫描次数 | A |
| 读取记录数 | A+B*A |
| JOIN比较次数 | B*A |
| 回表读取记录次数 | 0 |
| 当然mysql肯定不会那么粗暴的去进行表的连接，所以就出现了后面的两种对Nested-Loop Join优化算法。 |
3.2. Index Nested-Loop Join(索引嵌套循环连接)
Index Nested-Loop Join其优化的思路主要是为了减少内层表数据的匹配次数，所以要求被驱动表上必须有索引才行。通过外层表匹配条件直接与内层表索引进行匹配，避免和内层表的每条记录去进行比较，这样极大的减少了对内层表的匹配次数。
驱动表中的每条记录通过被驱动表的索引进行访问，因为索引查询的成本是比较固定的，故mysql优化器都倾向驱动表中的每条记录通过被驱动表的索引来进行访问，因为索引查询的成本是比较固定的，故mysql优化器都倾向于使用记录数少的表进行驱动表（外表）。
| 开销统计 | SNLJ | INLJ |
| 外表扫描次数 | 1 | 1 |
| 内表扫描次数 | A | 0 |
| 读取记录数 | A+B*A | A+B(match) |
| JOIN比较次数 | B*A | A*index(Height) |
| 回表读取记录次数 | 0 | B(match)(if possible) |
| 如果被驱动表加索引，效率是非常高的，但如果索引不是主键索引，还得进行一次回表查询，所以，如果被驱动表的索引是主键索引，效率会更高。 |
3.3. Block Nested-Loop Join（块嵌套循环连接）
如果存在索引，那么会使用index的方式进行join，如果join的列没有索引，被驱动表扫描的次数太多了，每次访问被驱动表，其表中的记录都会被加载到内存中，然后再从驱动表中取一条与其匹配，匹配结束后清除内存，然后再从驱动表中加载一条记录，然后把被驱动表的记录在加载的记录再加载到内存匹配，这样周而复始，大大增加了IO的次数。为了减少被驱动表的IO次数，就出现了Block Nested-Loop Join的方式。
不再是逐条获取驱动表的数据，而是一块一块的获取，引入join buffer缓冲区，将驱动表join相关的部分数据列（大小受join buffer的限制）缓存到join buffer中，然后全表扫描被驱动表，被驱动表的每一条记录一次性和join buffer中的所有驱动表记录进行匹配（内存中操作），将简单嵌套循环中多次比较合并成一次，降低了被驱动表的访问频率。
注意：
这里缓存的不只是关联表的列，select后面的列也会缓存起来。
在一个有N个join关联的sql中分配N-1个join buffer,所以查询的时候尽量减少不必要的字段，可以让 join buffer中可以存放更多的列。
| 开销统计 | SNLJ | INLJ | BNLJ |
| 外表扫描次数 | 1 | 1 | 1 |
| 内表扫描次数 | A | 0 | A*used_column_size/join_buffer_size+1 |
| 读取记录数 | A+B*A | A+B(match) | A+B(A*used_column_size/join_buffer_size) |
| JOIN比较次数 | B*A | A*index(Height) | B*A |
| 回表读取记录次数 | 0 | B(match)(if possible) | 0 |
参数设置：
block_nested_loop
通过show variables like '%optimizer_switch%' 查看block_neseted_loop 状态。默认是开启的。
join_buffer_size
驱动表能不能一次性加载完，要看join buffer 能不能存储所有的数据，默认情况下 join_buffer_size=256k。
join_buffer_size的最大值在32位系统可以申请4G，而在64位操作系统中可以申请大于4G的Join Buffer空间（64位）
4.总结
整体效率比较：INLJ>BNLJ>SNLJ
永远用小结果集驱动大结果集（其本质是减少外层循环的数据数量）（这里的小结果集并不一定指数据量少的表，而是值通过筛选条件得到的 表行数*每行大小）
SELECT SQL_NO_CACHE * FROM category INNER JOIN book ON category.card=book.card WHERE book.bookid<100; //推荐 SELECT SQL_NO_CACHE * FROM category INNER JOIN book ON category.card=book.card WHERE category.id<100; //不推荐
为被驱动表匹配的条件增加索引（减少内层表的循环匹配次数）
增大join buffer size的大小（一次缓存的数据越多，那么内层包的扫描次数就越少）
减少驱动表不必要的字段查询（字段越少，join buffer所缓存的数据就越多）
