MySQL参数优化之join_buffer_size

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
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 高可用系列,价值2615元额度,1个月
简介: MySQL参数优化之join_buffer_size

1.查看当前值

 show  variables like '%join_buffer_size%'

在这里插入图片描述
mysql默认该设置为128 或 256 或512k,各个版本有所出入

2.作用范围

在mysql中表和表进行join时候,无论是两个表之间还是多个表之间,join的情况大致分为下面几种情况

  1. join key 有索引 或者是主键
  2. join key 有索引,但是属于二级索引
  3. join可以没有索引

join-buffe_size 真正起作用的是前面提到的 第 2 和3中情况,即表之间关联需要进行表扫描操作,而如果关联的

key使用有索引 或主键的是不需要用到join_buffer_size的,因为本身走索引效果更好

3.如何起作用

在mysql中两个表之间关联的关联算法只有 迭代循环这个算法,而join_buffer_size就是在迭代循环没有索引的情况下,减少过多的表扫描而设计的,关于表关联算法大概有下面几种

  1. Nested-loop join
  2. merge join
  3. Hash join

正如前面说的mysql现在是只有nested-loop,后续会有新的算法,8.0已经引入了hash,而针对迭代算法,如果在有索引的情况下肯定是非常快的(前提是两表都不大,或至少有一个小表),一般会将数据量小的表称为驱动表或外表,从小表中取数据在大表中进行匹配,大概意思我们看下面的图

在这里插入图片描述
在这里插入图片描述
我们假设 a 表 1000条记录 b表100000条记录,那么针对下面的sql(关联key没有索引或主键)

select * from a

inner join b on a.id=b.id

我们需要依次从a表中取1000次记录,并将这些记录在b表中遍历1000次,假设b表的数据是上千万,

那么我们需要对b表进行1000次的scan,效率会差的要命。

Block Nested-Loop Join

块嵌套循环,简称 BNLJ,这个看起来比普通的Nested-loop 多了一个block,没错就是块,通俗来讲就是每次别一条条的去内表遍历了,每次整个1000条去遍历多好,我们如果每次是1000条那么上面的的sql语句的遍历次数就会从1000次直接降低到1次,理论上性能提高了将近1000倍,但是决定你去内表迭代的条数可不是随心所欲的,肯定有个地方要进行限制,毕竟一条和1千条使用的内存是不同的,ok这里就是join_buffer_size该起作用的时候了,我们通过设置该值大小来控制能有多少条记录统一一次去进行遍历操作,而不是每次一条。

4.使用建议

不建议在系统级别对该值设置过大,一般可以设置512K以内,因为最终解决方案还是要依靠索引来解决,当然不排除

有时候两个表关联的确是没有索引可用的,那我们可以在session级别来调大该值,以便能快速获得我们所需数据

比如设置session 中该值为512M,语句如下

set session join_buffer_size =10241024512;

当然这些在sql server 或orale 中都是优化过的了,不用我们过多关注,比如sql server直接将小表加入到内存中去

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
|
15天前
|
SQL 关系型数据库 MySQL
MySQL慢查询优化、索引优化、以及表等优化详解
本文详细介绍了MySQL优化方案,包括索引优化、SQL慢查询优化和数据库表优化,帮助提升数据库性能。关注【mikechen的互联网架构】,10年+BAT架构经验倾囊相授。
MySQL慢查询优化、索引优化、以及表等优化详解
|
20天前
|
缓存 监控 关系型数据库
如何优化MySQL查询速度?
如何优化MySQL查询速度?【10月更文挑战第31天】
46 3
|
22天前
|
缓存 监控 关系型数据库
如何根据监控结果调整 MySQL 数据库的参数以提高性能?
【10月更文挑战第28天】根据MySQL数据库的监控结果来调整参数以提高性能,需要综合考虑多个方面的因素
61 1
|
22天前
|
缓存 关系型数据库 MySQL
如何优化 MySQL 数据库的性能?
【10月更文挑战第28天】
46 1
|
29天前
|
NoSQL 关系型数据库 MySQL
MySQL与Redis协同作战:百万级数据统计优化实践
【10月更文挑战第21天】 在处理大规模数据集时,传统的单体数据库解决方案往往力不从心。MySQL和Redis的组合提供了一种高效的解决方案,通过将数据库操作与高速缓存相结合,可以显著提升数据处理的性能。本文将分享一次实际的优化案例,探讨如何利用MySQL和Redis共同实现百万级数据统计的优化。
75 9
|
23天前
|
监控 关系型数据库 MySQL
数据库优化:MySQL索引策略与查询性能调优实战
【10月更文挑战第27天】本文深入探讨了MySQL的索引策略和查询性能调优技巧。通过介绍B-Tree索引、哈希索引和全文索引等不同类型,以及如何创建和维护索引,结合实战案例分析查询执行计划,帮助读者掌握提升查询性能的方法。定期优化索引和调整查询语句是提高数据库性能的关键。
120 1
|
29天前
|
NoSQL 关系型数据库 MySQL
MySQL与Redis协同作战:优化百万数据查询的实战经验
【10月更文挑战第13天】 在处理大规模数据集时,传统的关系型数据库如MySQL可能会遇到性能瓶颈。为了提升数据处理的效率,我们可以结合使用MySQL和Redis,利用两者的优势来优化数据查询。本文将分享一次实战经验,探讨如何通过MySQL与Redis的协同工作来优化百万级数据统计。
57 5
|
1月前
|
存储 关系型数据库 MySQL
优化 MySQL 的锁机制以提高并发性能
【10月更文挑战第16天】优化 MySQL 锁机制需要综合考虑多个因素,根据具体的应用场景和需求进行针对性的调整。通过不断地优化和改进,可以提高数据库的并发性能,提升系统的整体效率。
68 1
|
1月前
|
缓存 关系型数据库 MySQL
一文彻底弄懂MySQL优化之深度分页
【10月更文挑战第24天】本文深入探讨了 MySQL 深度分页的原理、常见问题及优化策略。首先解释了深度分页的概念及其带来的性能和资源问题。接着介绍了基于偏移量(OFFSET)和限制(LIMIT)以及基于游标的分页方法,并分析了它们的优缺点。最后,提出了多种优化策略,包括合理创建索引、优化查询语句和使用数据缓存,帮助提升分页查询的性能和系统稳定性。
114 1
|
1月前
|
NoSQL 关系型数据库 MySQL
MySQL与Redis协同作战:百万数据量的优化实录
【10月更文挑战第6天】 在现代互联网应用中,随着用户量的增加和业务逻辑的复杂化,数据量级迅速增长,这对后端数据库系统提出了严峻的挑战。尤其是当数据量达到百万级别时,传统的数据库解决方案往往会遇到性能瓶颈。本文将分享一次使用MySQL与Redis协同优化大规模数据统计的实战经验。
128 3

热门文章

最新文章

下一篇
无影云桌面