腾讯云

文章/答案/技术大牛

发布

社区首页 >专栏 >MySQL 8.0 OCP (1Z0-908) 考点精析-性能优化考点5：表连接算法（join algorithm）

MySQL 8.0 OCP (1Z0-908) 考点精析-性能优化考点5：表连接算法（join algorithm）

SQLplusDB

发布于 2023-08-17 01:13:22

54300

代码可运行

文章被收录于专栏：Oracle数据库技术Oracle数据库技术

运行总次数：0

代码可运行

MySQL表连接的算法

我们知道对于Oracle的表连接，根据SQL连接条件主要支持如下三种连接方法（算法）：

- 嵌套循环连接(Nested Loops Joins)
- 哈希连接(Hash Joins)
- 排序合并连接(Sort Merge Joins)

对于MySQL而言，支持的连接算法主要包括如下两种：

- 嵌套循环连接(Nested Loops Joins)
- 哈希连接(Hash Joins)

对于嵌套循环连接(Nested Loops Joins)，又可以分为：

- 简单嵌套循环连接(Simple  Nested-Loop Join Algorithm)
- 块嵌套循环连接(Block Nested-Loop Join Algorithm，BNL)
- 批量键值访问连接（Batched Key Access Joins，BKA）

嵌套循环连接(Nested Loops Joins)

简单嵌套循环连接(Simple Nested-Loop Join Algorithm)

对于进行嵌套循环连接的两个表，可以分别称为外部表（驱动表）和内部表。

进行简单嵌套循环连接(Simple Nested-Loop Join Algorithm)时候，会读取外部表（驱动表）中的一条记录，然后根据连接条件扫描内部表，反复循环，直到遍历完驱动表所有满足谓词条件的记录。

例:对于如下t1、t2、t3三个表的连接来说，

Table   Join Type
t1      range
t2      ref
t3      ALL

简单嵌套循环连接算法的伪代码如下：

for each row in t1 matching range {
  for each row in t2 matching reference key {
    for each row in t3 {
      if row satisfies join conditions, send to client
    }
  }
}

块嵌套循环连接(Block Nested-Loop Join Algorithm, BNL)

简单嵌套循环连接需要反复读取多次内部表（扫描内部表次数相当于驱动表中所有满足谓词条件的记录）。

块嵌套循环连接对这种连接算法进行了优化，在读取驱动表（外部表）时，一次性缓存多条驱动表的记录到 Join Buffer，然后拿Join Buffer中的记录批量与内层循环读取的记录进行匹配。BNL一般用于内连接。

通过块嵌套循环连接可以大大降低对内部表的扫描次数。

对于前面例中t1、t2、t3三个表的连接来说，

Table   Join Type
t1      range
t2      ref
t3      ALL

块嵌套循环连接算法的伪代码如下：

for each row in t1 matching range {
  for each row in t2 matching reference key {
    store used columns from t1, t2 in join buffer
    if buffer is full {
      for each row in t3 {
        for each t1, t2 combination in join buffer {
          if row satisfies join conditions, send to client
        }
      }
      empty join buffer
    }
  }
}

if buffer is not empty {
  for each row in t3 {
    for each t1, t2 combination in join buffer {
      if row satisfies join conditions, send to client
    }
  }
}

参考： Block Nested-Loop Join Algorithm https://dev.mysql.com/doc/refman/8.0/en/nested-loop-joins.html

连接缓冲区（join buffer）及join_buffer_size参数

每个进程的连接缓冲区（join buffer）的大小由系统环境变量join_buffer_size控制。

Command-Line Format	–join-buffer-size=#
System Variable	join_buffer_size
Scope	Global, Session
Dynamic	Yes
SET_VAR Hint Applies	Yes
Type	Integer
Default Value	262144
Minimum Value	128
Maximum Value (Windows)	4294967168
Maximum Value (Other, 64-bit platforms)	18446744073709551488
Maximum Value (Other, 32-bit platforms)	4294967168
Unit	bytes
Block Size	128

join_buffer_size是用于控制普通索引扫描、范围索引扫描和不使用索引的连接（全表扫描）的缓冲区的最小大小。 MySQL 8.0.18及更高版本中，join_buffer_size变量还用于控制哈希连接使用的内存量。

使用块嵌套循环（BNL）时，较大的连接缓冲区意味着可以将驱动表（外部表）的所有行都存储在连接缓冲区中；使用块嵌套循环（BNL）时，较大的连接缓冲区意味着对连接操作的右侧表进行的顺序访问就越多。因此，增加join_buffer_size的大小在某些情况下可以显着提高性能。

但是，增加join_buffer_siz意味着增大进程的内存缓冲区大小，如果全局设置的比较大，可能导致内存分配时间时间长，进而导致性能大幅下降。所以建议全局设置保持较小，仅在执行大型连接的会话中将会话级别的值设置为较大值（或者使用/*+ SET_VAR(join_buffer_size= XX) */提示针对个别SQL设置较大值）。

参考： join_buffer_size https://dev.mysql.com/doc/refman/8.0/en/server-system-variables.html#sysvar_join_buffer_size

块嵌套循环连接(Block Nested-Loop Join Algorithm, BNL)扩展

随着MySQL数据库的演进，MySQL对块嵌套循环（BNL）连接算法进行了扩展，扩展后的块嵌套循环（BNL）连接算法，不仅可以用于内连接，还可以用于外连接、半连接和嵌套外连接。

当使用连接缓冲区（join buffer）执行这些操作时，放入缓冲区的每一行都会被赋予一个匹配标志。
外连接操作时，根据条件检查【要连接的表】的每一行是否与连接缓冲区中的每一行匹配。
如果匹配，将形成一个新的扩展行（原始行加上【要连接的表】的列），并会对缓冲区中匹配行的匹配标志进行标记。
检查要连接的表的所有行之后，将扫描缓冲区。
缓冲区中没有被标记的每一行，通过NULL补充进行扩展（【要连接的表】的列设为NULL）。

批量键值访问连接（Batched Key Access Joins，BKA）

批量键值访问连接（Batched Key Access Joins，BKA）和BNL类似，将驱动表（外部表）的行/结果集存入连接缓冲区（join buffer），然后根据buffer中的数据批量地与内表的数据进行匹配，进而减少内层循环的扫描次数。

批量键值访问连接（BKA）时，可以通过索引访问内部表(第二个表)。 BKA可以用于内连接（inner join）、外连接（outer join）、半连接（semijoin ）以及嵌套外连接（nested outer joins）。

批量键值访问连接（Batched Key Access Joins，BKA）的流程可以简要地概括为以下几个步骤：

将驱动表（外部表）的行/结果集存入连接缓冲区（join buffer）。
BKA算法为缓冲区中的所有行构建用于访问要连接表（内表）的键值。
键值通过Multi-Range Read（MRR）接口提交给数据库引擎。
MRR利用键值在索引中执行查找，并获取由这些键找到的连接表的记录（回表）。
返回匹配的数据给客户端。

参考： Batched Key Access Joins https://dev.mysql.com/doc/refman/8.0/en/bnl-bka-optimization.html#bka-optimization

Block Nested-Loop Join Algorithm https://dev.mysql.com/doc/refman/8.0/en/nested-loop-joins.html

MRR（Multi-Range Read）优化

MySQl MRR（Multi-Range Read）优化特性基本过程如下：

 - 进行范围扫描（Range Scans）的时候，MySQL首先只扫描索引获得索引元组（index tuples），并收集相关行的键值（主键Row Id）。
 - 根据键值（Row Id） 对索引元组（index tuples）排序，将排序结果存储到每个会话的内存缓存中（read_rnd_buffer_size 定义大小，默认256K）。
 - 根据键值（primary key）顺序从基表中返回数据（回表）

通过MRR可以减少随机磁盘读的次数，实现对基本表数据的更有序的扫描。

对于InnoDB和MyISAM引擎的表，MRR优化支持索引范围扫描（index range scans ）和等价连接（equi-join）等操作。
对于NDB的表，MRR优化支持多范围索引扫描（multiple-range index scans）或通过属性执行等值连接（equi-join by an attribute）操作。
MRR优化不支持在虚拟列上创建的辅助索引（secondary indexes created on virtual generated columns）。

参考： 8.2.1.11 Multi-Range Read Optimization https://dev.mysql.com/doc/refman/8.0/en/mrr-optimization.html

通过EXPLAIN查看BKA 的使用

运行SQL时，可以使用EXPLAIN来查看MySQL优化器执行查询的计划，当一个表在查询执行计划中出现 “Using join buffer (Batched Key Access)” 这个提示，且该表的 type 列的值为 ref 或 eq_ref 时，就意味着该表使用了 BKA 算法。 BKA 算法可以有效地优化大表关联查询的性能，减少磁盘 I/O 和内存占用，提高查询速度。

哈希连接算法（hash join algorithm）

MySQL 8.0.18以后的版本中，MySQL可以用哈希连接算法（hash join algorithm）来进行表连接操作。哈希连接通常要比嵌套循环连接更有效，特别是如果内存可以容纳其中一个表的情况下更加高效。

哈希连接算法（hash join algorithm）将连接操作分为两个阶段：构建哈希表和扫描哈希表。在构建哈希表阶段，MySQL将连接操作的第一个表插入到哈希表中，其中哈希表的键是连接操作的连接列。在扫描哈希表阶段，MySQL将连接操作的第二个表的每一行与哈希表中的相应行进行比较，如果它们的连接列匹配，则将它们作为连接操作的结果返回。

哈希连接示例

例如以下查询作为示例：

SELECT *
FROM t1
JOIN t2 ON t1.column1 = t2.column2;

在执行此查询时，MySQL将使用Hash Join算法来执行连接操作。

例：

--创建测试表
mysql> CREATE TABLE t1 (  id INT PRIMARY KEY,  column1 INT);
Query OK, 0 rows affected (0.84 sec)

mysql> CREATE TABLE t2 (  id INT PRIMARY KEY,  column2 INT);
Query OK, 0 rows affected (0.36 sec)

--插入示例数据
mysql> INSERT INTO t1 VALUES (1, 10), (2, 20), (3, 30), (4, 40), (5, 50);
Query OK, 5 rows affected (0.09 sec)
Records: 5  Duplicates: 0  Warnings: 0

mysql> INSERT INTO t2 VALUES (1, 10), (2, 20), (3, 30), (4, 40), (5, 60);
Query OK, 5 rows affected (0.04 sec)
Records: 5  Duplicates: 0  Warnings: 0

--查看执行计划
mysql> explain format=tree
    -> SELECT *
    -> FROM t1
    -> JOIN t2 ON t1.column1 = t2.column2;
+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| EXPLAIN                                                                                                                                                                   |
+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| -> Inner hash join (t2.column2 = t1.column1)  (cost=3.50 rows=5)
    -> Table scan on t2  (cost=0.07 rows=5)
    -> Hash
        -> Table scan on t1  (cost=0.75 rows=5)
 |
+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.01 sec)

mysql> explain
    -> SELECT *
    -> FROM t1
    -> JOIN t2 ON t1.column1 = t2.column2;
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+--------------------------------------------+
| id | select_type | table | partitions | type | possible_keys | key  | key_len | ref  | rows | filtered | Extra                                      |
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+--------------------------------------------+
|  1 | SIMPLE      | t1    | NULL       | ALL  | NULL          | NULL | NULL    | NULL |    5 |   100.00 | NULL                                       |
|  1 | SIMPLE      | t2    | NULL       | ALL  | NULL          | NULL | NULL    | NULL |    5 |    20.00 | Using where; Using join buffer (hash join) |
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+--------------------------------------------+
2 rows in set, 1 warning (0.00 sec)

mysql>

具体来说，MySQL将按照以下步骤执行Hash Join：

MySQL将从t1中读取所有行，并将它们插入到一个哈希表中，其中哈希表的键是连接列（在此示例中为column1）的值。
MySQL将从t2中读取每一行，并将连接列的值用作哈希表的键来查找哈希表。如果哈希表中存在匹配的行，则将它们作为连接操作的结果返回。
如果哈希表中不存在匹配的行，则继续扫描t2中的下一行，直到所有行都被扫描完毕。
在explain执行计划中，通过Extra信息可以看到使用了哈希连接，例：【 Using where; Using join buffer (hash join) 】。

通过使用Hash Join算法，MySQL可以在内存中快速查找匹配的行，从而提高连接操作的性能。但是，如果t1非常大，那么构建哈希表可能会消耗大量的内存，从而导致性能下降。因此，在使用Hash Join算法时，需要根据实际情况评估内存使用情况，并根据需要调整MySQL的配置参数。

参考： 8.2.1.4 Hash Join Optimization https://dev.mysql.com/doc/refman/8.0/en/hash-joins.html

连接算法的选择

SQL查询连接算法的使用和选择，根据MySQL的版本演进也不断发生改变。

MySQL 8.0.18之前的版本，无法使用索引的等值连接（equi-joins ）会使用块嵌套循环连接(Block Nested-Loop Join Algorithm)。
MySQL 8.0.18及更高的版本，无法使用索引的等值连接（equi-joins ）会使用散列连接（hash join algorithm），当存在一个或多个可用于单表谓词的索引时，也可以使用哈希连接。
MySQL 8.0.18版本，支持使用BNL/NO_BNL和HASH_JOIN/NO_HASH_JOIN提示来控制是否使用哈希连接；也支持通过设置optimizer_switch系统变量的hash_join=on/off参数来控制是否使用哈希连接
MySQL 8.0.19及更高的版本，无法控制SQL查询是否使用哈希连接。
MySQL 8.0.20之前的版本，如果连接的表对没有至少一个等值连接条件，则无法使用哈希连接，并且会使用较慢的块嵌套循环算法。
MySQL 8.0.20及更高的版本，MySQL不再支持块嵌套循环连接，而是使用散列连接来代替所有的块嵌套循环连接的情况。
MySQL 8.0.20及更高版本中，哈希连接也可以用于外连接（包括反连接和半连接）

参考：【MySQL】控制MySQL优化器行为方法之optimizer_switch系统变量 Hash join in MySQL 8 https://dev.mysql.com/blog-archive/hash-join-in-mysql-8/

例题

例题1：关于哈希连接(Hash Joins)

Choose the best answer. Which condition is true about the use of the hash join algorithm?

A) At least one of the tables in the join must have a hash index. 
B) No index can be used for the join. 
C) The query must access no more than two tables. 
D) The smallest of the tables in the join must fit in memory as set by join_buffer_size.

例题1 解析

参考答案：B

1.无法使用索引的等值连接（equi-joins ）会使用散列连接（hash join algorithm）

参考： https://dev.mysql.com/doc/refman/8.0/en/hash-joins.html

Beginning with MySQL 8.0.18, MySQL employs a hash join for any query for which each join has an equi-join condition, and in which there are no indexes that can be applied to any join conditions

2.多表连接也可以使用哈希连接算法。

3.哈希连接算法使用join_buffer_size系统变量控制可以使用的内存量，但不要求连接中最小的表必须适合内存。

例题2：EXPLAIN 执行计划

Choose two. Which two methods can be used to determine whether a query uses the hash join algorithm?
A) EXPLAIN FORMAT=JSON
B) EXPLAIN FORMAT=TRADITIONAL
C) EXPLAIN FORMAT=TREE
D) EXPLAIN without any formatting argument
E) EXPLAIN ANALYZE

例题2 解析

参考答案：C E

但是根据如下的结果可以看到，EXPLAIN 的任何一个选项都可以看出执行计划是否使用了Hash Join。如：

A)   "using_join_buffer": "hash join"
B）Using where; Using join buffer (hash join)
C)   Inner hash join
D)  Using where; Using join buffer (hash join)
E)   Inner hash join

Explain各选项的结果如下：

A) EXPLAIN FORMAT=JSON

mysql> EXPLAIN FORMAT=JSON
    -> SELECT *
    -> FROM t1
    -> JOIN t2 ON t1.column1 = t2.column2;
+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
| EXPLAIN                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                          |
+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
| {
  "query_block": {
    "select_id": 1,
    "cost_info": {
      "query_cost": "3.50"
    },
    "nested_loop": [
      {
        "table": {
          "table_name": "t1",
          "access_type": "ALL",
          "rows_examined_per_scan": 5,
          "rows_produced_per_join": 5,
          "filtered": "100.00",
          "cost_info": {
            "read_cost": "0.25",
            "eval_cost": "0.50",
            "prefix_cost": "0.75",
            "data_read_per_join": "80"
          },
          "used_columns": [
            "id",
            "column1"
          ]
        }
      },
      {
        "table": {
          "table_name": "t2",
          "access_type": "ALL",
          "rows_examined_per_scan": 5,
          "rows_produced_per_join": 5,
          "filtered": "20.00",
          "using_join_buffer": "hash join",
          "cost_info": {
            "read_cost": "0.25",
            "eval_cost": "0.50",
            "prefix_cost": "3.50",
            "data_read_per_join": "80"
          },
          "used_columns": [
            "id",
            "column2"
          ],
          "attached_condition": "(`testdb`.`t2`.`column2` = `testdb`.`t1`.`column1`)"
        }
      }
    ]
  }
} |
+----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
1 row in set, 1 warning (0.07 sec)

mysql>

B）EXPLAIN FORMAT=TRADITIONAL

mysql> EXPLAIN FORMAT=TRADITIONAL
    -> SELECT *
    -> FROM t1
    -> JOIN t2 ON t1.column1 = t2.column2;
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+--------------------------------------------+
| id | select_type | table | partitions | type | possible_keys | key  | key_len | ref  | rows | filtered | Extra                                      |
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+--------------------------------------------+
|  1 | SIMPLE      | t1    | NULL       | ALL  | NULL          | NULL | NULL    | NULL |    5 |   100.00 | NULL                                       |
|  1 | SIMPLE      | t2    | NULL       | ALL  | NULL          | NULL | NULL    | NULL |    5 |    20.00 | Using where; Using join buffer (hash join) |
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+--------------------------------------------+
2 rows in set, 1 warning (0.00 sec)

mysql>

C) EXPLAIN FORMAT=TREE

mysql> EXPLAIN FORMAT=TREE
    -> SELECT *
    -> FROM t1
    -> JOIN t2 ON t1.column1 = t2.column2;
+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| EXPLAIN                                                                                                                                                                   |
+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| -> Inner hash join (t2.column2 = t1.column1)  (cost=3.50 rows=5)
    -> Table scan on t2  (cost=0.07 rows=5)
    -> Hash
        -> Table scan on t1  (cost=0.75 rows=5)
 |
+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)

mysql>

D) EXPLAIN

mysql> EXPLAIN
    -> SELECT *
    -> FROM t1
    -> JOIN t2 ON t1.column1 = t2.column2;
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+--------------------------------------------+
| id | select_type | table | partitions | type | possible_keys | key  | key_len | ref  | rows | filtered | Extra                                      |
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+--------------------------------------------+
|  1 | SIMPLE      | t1    | NULL       | ALL  | NULL          | NULL | NULL    | NULL |    5 |   100.00 | NULL                                       |
|  1 | SIMPLE      | t2    | NULL       | ALL  | NULL          | NULL | NULL    | NULL |    5 |    20.00 | Using where; Using join buffer (hash join) |
+----+-------------+-------+------------+------+---------------+------+---------+------+------+----------+--------------------------------------------+
2 rows in set, 1 warning (0.00 sec)

mysql>

E) EXPLAIN ANALYZE

mysql> EXPLAIN ANALYZE
    -> SELECT *
    -> FROM t1
    -> JOIN t2 ON t1.column1 = t2.column2;
+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| EXPLAIN                                                                                                                                                                                                                                                                                                 |
+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
| -> Inner hash join (t2.column2 = t1.column1)  (cost=3.50 rows=5) (actual time=0.103..0.108 rows=4 loops=1)
    -> Table scan on t2  (cost=0.07 rows=5) (actual time=0.014..0.017 rows=5 loops=1)
    -> Hash
        -> Table scan on t1  (cost=0.75 rows=5) (actual time=0.047..0.053 rows=5 loops=1)
 |
+---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------+
1 row in set (0.00 sec)

mysql>