大家好，我是歷小冰，今天我們來學(xué)習(xí)和吐槽一下 MySQL 的 Join 功能。

關(guān)于MySQL 的 join，大家一定了解過很多它的“軼事趣聞”，比如兩表 join 要小表驅(qū)動大表，阿里開發(fā)者規(guī)范禁止三張表以上的 join 操作，MySQL 的 join 功能弱爆了等等。這些規(guī)范或者言論亦真亦假，時對時錯，需要大家自己對 join 有深入的了解后才能清楚地理解。

下面，我們就來全面的了解一下 MySQL 的 join 操作。

正文

在日常數(shù)據(jù)庫查詢時，我們經(jīng)常要對多表進行連表操作來一次性獲得多個表合并后的數(shù)據(jù)，這是就要使用到數(shù)據(jù)庫的 join 語法。join 是在數(shù)據(jù)領(lǐng)域中十分常見的將兩個數(shù)據(jù)集進行合并的操作，如果大家了解的多的話，會發(fā)現(xiàn) MySQL，Oracle，PostgreSQL 和 Spark 都支持該操作。本篇文章的主角是 MySQL，下文沒有特別說明的話，就是以 MySQL 的 join 為主語。而 Oracle ，PostgreSQL 和 Spark 則可以算做將其吊打的大boss，其對 join 的算法優(yōu)化和實現(xiàn)方式都要優(yōu)于 MySQL。

MySQL 的 join 有諸多規(guī)則，可能稍有不慎，可能一個不好的 join 語句不僅會導(dǎo)致對某一張表的全表查詢，還有可能會影響數(shù)據(jù)庫的緩存，導(dǎo)致大部分熱點數(shù)據(jù)都被替換出去，拖累整個數(shù)據(jù)庫性能。

所以，業(yè)界針對 MySQL 的 join 總結(jié)了很多規(guī)范或者原則，比如說小表驅(qū)動大表和禁止三張表以上的 join 操作。下面我們會依次介紹 MySQL join 的算法，和 Oracle 和 Spark 的 join 實現(xiàn)對比，并在其中穿插解答為什么會形成上述的規(guī)范或者原則。

對于 join 操作的實現(xiàn)，大概有 Nested Loop Join (循環(huán)嵌套連接)，Hash Join(散列連接) 和 Sort Merge Join(排序歸并連接) 三種較為常見的算法，它們各有優(yōu)缺點和適用條件，接下來我們會依次來介紹。

MySQL 中的 Nested Loop Join 實現(xiàn)

Nested Loop Join 是掃描驅(qū)動表，每讀出一條記錄，就根據(jù) join 的關(guān)聯(lián)字段上的索引去被驅(qū)動表中查詢對應(yīng)數(shù)據(jù)。它適用于被連接的數(shù)據(jù)子集較小的場景，它也是 MySQL join 的唯一算法實現(xiàn)，關(guān)于它的細節(jié)我們接下來會詳細講解。

MySQL 中有兩個 Nested Loop Join 算法的變種，分別是 Index Nested-Loop Join 和 Block Nested-Loop Join。

Index Nested-Loop Join 算法

下面，我們先來初始化一下相關(guān)的表結(jié)構(gòu)和數(shù)據(jù)

CREATE TABLE `t1` (
  `id` int(11) NOT NULL,
  `a` int(11) DEFAULT NULL,
  `b` int(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `a` (`a`)
) ENGINE=InnoDB;

delimiter ;;
# 定義存儲過程來初始化t1
create procedure init_data()
begin
  declare i int;
  set i=1;
  while(i<=10000)do
    insert into t1 values(i, i, i);
    set i=i+1;
  end while;
end;;
delimiter ;
# 調(diào)用存儲過來來初始化t1
call init_data();
# 創(chuàng)建并初始化t2
create table t2 like t1;
insert into t2 (select * from t1 where id<=500)

有上述命令可知，這兩個表都有一個主鍵索引 id 和一個索引 a，字段 b 上無索引。存儲過程 init_data 往表 t1 里插入了 10000 行數(shù)據(jù)，在表 t2 里插入的是 500 行數(shù)據(jù)。

為了避免 MySQL 優(yōu)化器會自行選擇表作為驅(qū)動表，影響分析 SQL 語句的執(zhí)行過程，我們直接使用 straight_join 來讓 MySQL 使用固定的連接表順序進行查詢，如下語句中，t1是驅(qū)動表，t2是被驅(qū)動表。

select * from t2 straight_join t1 on (t2.a=t1.a);

使用我們之前文章介紹的 explain 命令查看一下該語句的執(zhí)行計劃。

從上圖可以看到，t1 表上的 a 字段是由索引的，join 過程中使用了該索引，因此該 SQL 語句的執(zhí)行流程如下：

從 t2 表中讀取一行數(shù)據(jù) L1；
使用L1 的 a 字段，去 t1 表中作為條件進行查詢；
取出 t1 中滿足條件的行，跟 L1組成相應(yīng)的行，成為結(jié)果集的一部分；
重復(fù)執(zhí)行，直到掃描完 t2 表。

這個流程我們就稱之為 Index Nested-Loop Join，簡稱 NLJ，它對應(yīng)的流程圖如下所示。

需要注意的是，在第二步中，根據(jù) a 字段去表t1中查詢時，使用了索引，所以每次掃描只會掃描一行(從explain結(jié)果得出，根據(jù)不同的案例場景而變化)。

假設(shè)驅(qū)動表的行數(shù)是N，被驅(qū)動表的行數(shù)是 M。因為在這個 join 語句執(zhí)行過程中，驅(qū)動表是走全表掃描，而被驅(qū)動表則使用了索引，并且驅(qū)動表中的每一行數(shù)據(jù)都要去被驅(qū)動表中進行索引查詢，所以整個 join 過程的近似復(fù)雜度是 N2log2M。顯然，N 對掃描行數(shù)的影響更大，因此這種情況下應(yīng)該讓小表來做驅(qū)動表。

當然，這一切的前提是 join 的關(guān)聯(lián)字段是 a，并且 t1 表的 a 字段上有索引。

如果沒有索引時，再用上圖的執(zhí)行流程時，每次到 t1 去匹配的時候，就要做一次全表掃描。這也導(dǎo)致整個過程的時間復(fù)雜度編程了 N * M，這是不可接受的。所以，當沒有索引時，MySQL 使用 Block Nested-Loop Join 算法。

Block Nested-Loop Join

Block Nested-Loop Join的算法，簡稱 BNL，它是 MySQL 在被驅(qū)動表上無可用索引時使用的 join 算法，其具體流程如下所示：

把表 t2 的數(shù)據(jù)讀取當前線程的 join_buffer 中，在本篇文章的示例 SQL 沒有在 t2 上做任何條件過濾，所以就是講 t2 整張表放入內(nèi)存中；
掃描表 t1，每取出一行數(shù)據(jù)，就跟 join_buffer 中的數(shù)據(jù)進行對比，滿足 join 條件的，則放入結(jié)果集。

比如下面這條 SQL

select * from t2 straight_join t1 on (t2.b=t1.b);

這條語句的 explain 結(jié)果如下所示。可以看出

可以看出，這次 join 過程對 t1 和 t2 都做了一次全表掃描，并且將表 t2 中的 500 條數(shù)據(jù)全部放入內(nèi)存 joinbuffer 中，并且對于表 t1 中的每一行數(shù)據(jù)，都要去 joinbuffer 中遍歷一遍，都要做 500 次對比，所以一共要進行 500 * 10000 次內(nèi)存對比操作，具體流程如下圖所示。

主要注意的是，第一步中，并不是將表 t2 中的所有數(shù)據(jù)都放入 joinbuffer，而是根據(jù)具體的 SQL 語句，而放入不同行的數(shù)據(jù)和不同的字段。比如下面這條 join 語句則只會將表 t2 中符合 b >= 100 的數(shù)據(jù)的 b 字段存入 joinbuffer。

select t2.b,t1.b from t2 straight_join t1 on (t2.b=t1.b) where t2.b >= 100;

joinbuffer 并不是無限大的，由 joinbuffer_size 控制，默認值為 256K。當要存入的數(shù)據(jù)過大時，就只有分段存儲了，整個執(zhí)行過程就變成了：

掃描表 t2，將符合條件的數(shù)據(jù)行存入 join_buffer，因為其大小有限，存到100行時滿了，則執(zhí)行第二步；
掃描表 t1，每取出一行數(shù)據(jù)，就跟 join_buffer 中的數(shù)據(jù)進行對比，滿足 join 條件的，則放入結(jié)果集；
清空 join_buffer；
再次執(zhí)行第一步，直到全部數(shù)據(jù)被掃描完，由于 t2 表中有 500行數(shù)據(jù)，所以一共重復(fù)了 5次

這個流程體現(xiàn)了該算法名稱中 Block 的由來，分塊去執(zhí)行 join 操作。因為表 t2 的數(shù)據(jù)被分成了 5 次存入 join_buffer，導(dǎo)致表 t1 要被全表掃描 5次。

全部存入分5次存入內(nèi)存操作10000 * 50010000 * (100 + 100 + 100 + 100 + 100)掃描行數(shù)10000 + 50010000 * 5 + 500

如上所示，和表數(shù)據(jù)可以全部存入 join_buffer 相比，內(nèi)存判斷的次數(shù)沒有變化，都是兩張表行數(shù)的乘積，也就是 10000 * 500，但是被驅(qū)動表會被多次掃描，每多存入一次，被驅(qū)動表就要掃描一遍，影響了最終的執(zhí)行效率。

基于上述兩種算法，我們可以得出下面的結(jié)論，這也是網(wǎng)上大多數(shù)對 MySQL join 語句的規(guī)范。

被驅(qū)動表上有索引，也就是可以使用Index Nested-Loop Join 算法時，可以使用 join 操作。
無論是Index Nested-Loop Join 算法或者 Block Nested-Loop Join 都要使用小表做驅(qū)動表。

因為上述兩個 join 算法的時間復(fù)雜度至少也和涉及表的行數(shù)成一階關(guān)系，并且要花費大量的內(nèi)存空間，所以阿里開發(fā)者規(guī)范所說的嚴格禁止三張表以上的 join 操作也是可以理解的了。

但是上述這兩個算法只是 join 的算法之一，還有更加高效的 join 算法，比如 Hash Join 和 Sorted Merged join。可惜這兩個算法 MySQL 的主流版本中目前都不提供，而 Oracle ，PostgreSQL 和 Spark 則都支持，這也是網(wǎng)上吐槽 MySQL 弱爆了的原因(MySQL 8.0 版本支持了 Hash join，但是8.0目前還不是主流版本)。

其實阿里開發(fā)者規(guī)范也是在從 Oracle 遷移到 MySQL 時，因為 MySQL 的 join 操作性能太差而定下的禁止三張表以上的 join 操作規(guī)定的。

Hash Join 算法

Hash Join 是掃描驅(qū)動表，利用 join 的關(guān)聯(lián)字段在內(nèi)存中建立散列表，然后掃描被驅(qū)動表，每讀出一行數(shù)據(jù)，并從散列表中找到與之對應(yīng)數(shù)據(jù)。它是大數(shù)據(jù)集連接操時的常用方式，適用于驅(qū)動表的數(shù)據(jù)量較小，可以放入內(nèi)存的場景，它對于沒有索引的大表和并行查詢的場景下能夠提供最好的性能。可惜它只適用于等值連接的場景，比如 on a.id = where b.a_id。

還是上述兩張表 join 的語句，其執(zhí)行過程如下

將驅(qū)動表 t2 中符合條件的數(shù)據(jù)取出，對其每行的 join 字段值進行 hash 操作，然后存入內(nèi)存中的散列表中；
遍歷被驅(qū)動表 t1，每取出一行符合條件的數(shù)據(jù)，也對其 join 字段值進行 hash 操作，拿結(jié)果到內(nèi)存的散列表中查找匹配，如果找到，則成為結(jié)果集的一部分。

可以看出，該算法和 Block Nested-Loop Join 有類似之處，只不過是將無序的 Join Buffer 改為了散列表 hash table，從而讓數(shù)據(jù)匹配不再需要將 join buffer 中的數(shù)據(jù)全部遍歷一遍，而是直接通過 hash，以接近 O(1) 的時間復(fù)雜度獲得匹配的行，這極大地提高了兩張表的 join 速度。

不過由于 hash 的特性，該算法只能適用于等值連接的場景，其他的連接場景均無法使用該算法。

Sorted Merge Join 算法

Sort Merge Join 則是先根據(jù) join 的關(guān)聯(lián)字段將兩張表排序(如果已經(jīng)排序好了，比如字段上有索引則不需要再排序)，然后在對兩張表進行一次歸并操作。如果兩表已經(jīng)被排過序，在執(zhí)行排序合并連接時不需要再排序了，這時Merge Join的性能會優(yōu)于Hash Join。Merge Join可適于于非等值Join（>，<，>=，<=，但是不包含!=，也即<>）。

需要注意的是，如果連接的字段已經(jīng)有索引，也就說已經(jīng)排好序的話，可以直接進行歸并操作，但是如果連接的字段沒有索引的話，則它的執(zhí)行過程如下圖所示。

遍歷表 t2，將符合條件的數(shù)據(jù)讀取出來，按照連接字段 a 的值進行排序；
遍歷表 t1，將符合條件的數(shù)據(jù)讀取出來，也按照連接字段 a 的值進行排序；
將兩個排序好的數(shù)據(jù)進行歸并操作，得出結(jié)果集。

Sorted Merge Join 算法的主要時間消耗在于對兩個表的排序操作，所以如果兩個表已經(jīng)按照連接字段排序過了，該算法甚至比 Hash Join 算法還要快。在一邊情況下，該算法是比 Nested Loop Join 算法要快的。

下面，我們來總結(jié)一下上述三種算法的區(qū)別和優(yōu)缺點。

Nested Loop JoinHash JoinSorted Merge Join連接條件適用于任何條件只適用于等值連接（=）等值或非等值連接(>，<，=，>=，<=)，‘<>’除外主要消耗資源CPU、磁盤I/O內(nèi)存、臨時空間內(nèi)存、臨時空間特點當有高選擇性索引或進行限制性搜索時效率比較高，能夠快速返回第一次的搜索結(jié)果當缺乏索引或者索引條件模糊時，Hash Join 比 Nested Loop 有效。通常比 Merge Join 快。在數(shù)據(jù)倉庫環(huán)境下，如果表的紀錄數(shù)多，效率高當缺乏索引或者索引條件模糊時，Sort Merge Join 比 Nested Loop 有效。當連接字段有索引或者提前排好序時，比 hash join 快，并且支持更多的連接條件缺點無索引或者表記錄多時效率低建立哈希表需要大量內(nèi)存，第一次的結(jié)果返回較慢所有的表都需要排序。它為最優(yōu)化的吞吐量而設(shè)計，并且在結(jié)果沒有全部找到前不返回數(shù)據(jù)需要索引是(沒有索引效率太差)否否

對于 Join 操作的理解

講完了 Join 相關(guān)的算法，我們這里也聊一聊對于 join 操作的業(yè)務(wù)理解。

在業(yè)務(wù)不復(fù)雜的情況下，大多數(shù)join并不是無可替代。比如訂單記錄里一般只有訂單用戶的 user_id，返回信息時需要取得用戶姓名，可能的實現(xiàn)方案有如下幾種：

一次數(shù)據(jù)庫操作，使用 join 操作，訂單表和用戶表進行 join，連同用戶名一起返回；
兩次數(shù)據(jù)庫操作，分兩次查詢，第一次獲得訂單信息和 userid，第二次根據(jù) userid 取姓名，使用代碼程序進行信息合并；
使用冗余用戶名稱或者從 ES 等非關(guān)系數(shù)據(jù)庫中讀取。

上述方案都能解決數(shù)據(jù)聚合的問題，而且基于程序代碼來處理，比數(shù)據(jù)庫 join 更容易調(diào)試和優(yōu)化，比如取用戶姓名不從數(shù)據(jù)庫中取，而是先從緩存中查找。

當然， join 操作也不是一無是處，所以技術(shù)都有其使用場景，上邊這些方案或者規(guī)則都是互聯(lián)網(wǎng)開發(fā)團隊總結(jié)出來的，適用于高并發(fā)、輕寫重讀、分布式、業(yè)務(wù)邏輯簡單的情況，這些場景一般對數(shù)據(jù)的一致性要求都不高，甚至允許臟讀。

但是，在金融銀行或者財務(wù)等企業(yè)應(yīng)用場景，join 操作則是不可或缺的，這些應(yīng)用一般都是低并發(fā)、頻繁復(fù)雜數(shù)據(jù)寫入、CPU密集而非IO密集，主要業(yè)務(wù)邏輯通過數(shù)據(jù)庫處理甚至包含大量存儲過程、對一致性與完整性要求很高的系統(tǒng)。