一文搞懂MySQL的Join，聊一聊秒杀架构设计 _MySQL

文章插图

正文MySQL的Join到底能不能用
经常听到2种观点：

join性能低，尽量少用
多表join时，变为多个SQL进行多次查询

其实对于上面的观点一定程度上是正确的，但不是完全正确。但之所以流传这么广，主要还是没有搞清楚实际状态，而根据实际使用中总结出来的一些模糊规律。只有了解的MySQL的Join实际执行方式，就会知道上面2种观点是一种模糊的规律，这种规律并不能指导我们实际开发。下面就说说MySQL的实际join执行方式。
MySQL的Join是如何执行的
【一文搞懂MySQL的Join，聊一聊秒杀架构设计】join可以说一种集合的运算，比如left join,right join,inner join,full join,outer join，cross join等，这些集合间的计算关系对应在高中数学集合里面的交集，并集，补集，全集等。但在实际的代码中，join运算基本上是通过多层循环来实现的。
举一个例子，假设有t1,t2两张表，表结构分别如下：
createtablet1(idintnotnullAUTO_INCREMENT,usernamevarchar(20)notnulldefault'',ageintnotnulldefault0,PRIMARYkey(`id`))ENGINE=INNODBDEFAULTCHARSET=UTF8MB4;createtablet2(idintnotnullauto_increment,usernamevarchar(20)notnulldefault'',scoreintnotnulldefalut0,primarykey(`id`)))ENGINE=INNODBDEFAULTCHARSET=UTF8MB4;假设t1有100条数据，t2表有200条数
查询sql为：
selectt1.*,t2.*fromt1leftjoint2on(t1.username=t2.username)那么这条SQL的执行步骤如下：

从表t1中取一行数据r1
从r1中，取出字段username到表t2中查询
取出表t2中满足条件的行，跟r1组成一行，作为结果集的一部份
重复执行步骤1,2,3,直到表t1的所以数据循环完毕

基本上先遍历t，1,然后根据t1中的每行数据中的username，去表t2中查找满足条件的记录。基本就是2层循环。
如何优化join查询
从上面可以看出，join本质是循环，这里的开销如下：

遍历t1数据，读取数据为t1表的行数，假设行数为n,则复杂度也为n
根据t1的匹配字段username去t2中一行一行的查询数据
这个过程，因为MySQL的数据存储结构为二叉树，时间复杂度为log2(m) m为t2表的总行数
那么总复杂度近似为 n+n(2log2(m))

从上面的步骤可以看出，优化方向：

降低t1查询时的开销，主要是磁盘io开销，避免全表扫描，用索引
降低t2查询时的开销，也用索引
将数据量多的表做被驱动表，小表作驱动表，m取了对数，大表数据量大对复杂度的影响没有线性增长
缓存t1表，不用每次去磁盘load,比如一次缓存100条，那么能显著降低磁盘读数据次数，t2每次与缓存中的t1数据进行比较
随机磁盘读比较耗费磁盘性能，转为顺序读，因为二叉树的存储结构，每次非主键查找，有一个回表的动作，即根据主键再次查询需要的数据

优化的基本方法：

减少循环次数，减少磁盘IO次数，变随机IO为顺序IO
其实MySQL针对上面的优化方法有对应的算法：
Simple Nested Loop Join 最普通的循环，这个要避免
Block Nested Loop Join 主要是针对t2表上没有索引，在步骤2将t2中的每一行数据跟join buffer数据做对比，这样将磁盘操作转为内存操作进行比较，但是如果被驱动表的数据比较大的话，也影响性能，主要是cache pool被占满，导致MySQL性能下降
Index Nested Join 就是都通过主键进行查找关联，这种性能比较好

Batched Key Access Join 这个是 Index Nested Join上做的优化，因为回表的存在，随机操作io也很耗费性能，这个算法的核心在于通过辅助索引去查找时，将得到的主键进行排序，然后按照主键递增的顺序进行查找，对磁盘的读接近顺序读，从而优化性能
到底要不用Join
从上面的分析我们可以看到，用Join还是可行的，只要性能可控且在接受范围内，还是能减少代码复杂度的。需要避免的是join的表没有索引，不然这样的SQL发线上是灾难性的。
总结Join还是可以大胆的使用，只要把握好几个原则：