当前位置：首页 > 数据库 > Mysql > 详细页面

MySQL中Join的算法(NLJ、BNL、BKA)详解

时间：2023-10-30来源：系统城装机大师作者：佚名

什么是Join

在MySQL中，Join是一种用于组合两个或多个表中数据的查询操作。

Join操作通常基于两个表中的某些共同的列进行，这些列在两个表中都存在。

MySQL支持多种类型的Join操作，如Inner Join、Left Join、Right Join、Full Join等。

Inner Join是最常见的Join类型之一。在Inner Join操作中，只有在两个表中都存在的行才会被返回。

例如，如果我们有一个“customers”表和一个“orders”表，我们可以通过在这两个表中共享“customer_id”列来组合它们的数据。

1
2
3
4 SELECT *
FROM customers
INNER JOIN orders
ON customers.customer_id = orders.customer_id;

上面的查询将返回所有存在于“customers”和“orders”表中的“customer_id”列相同的行。

Index Nested-Loop Join

Index Nested-Loop Join（NLJ）算法是Join算法中最基本的算法之一。在NLJ算法中，MySQL首先选择一个表（通常是小型表）作为驱动表，并迭代该表中的每一行。然后，MySQL在第二个表中搜索匹配条件的行，这个搜索过程通常使用索引来完成。一旦找到匹配的行，MySQL将这些行组合在一起，并将它们作为结果集返回。

工作流程如图：

例如，下面这个语句：

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

在这个语句里，假设t1 是驱动表，t2是被驱动表。我们来看一下这条语句的explain结果。

可以看到，在这条语句里，被驱动表t2的字段a上有索引，join过程用上了这个索引，因此这个语句的执行流程是这样的：

从表t1中读入一行数据 R；
从数据行R中，取出a字段到表t2里去查找；
取出表t2中满足条件的行，跟R组成一行，作为结果集的一部分；
重复执行步骤1到3，直到表t1的末尾循环结束。

这个过程就跟我们写程序时的嵌套查询类似，并且可以用上被驱动表的索引，所以我们称之为**“Index Nested-Loop Join”，简称NLJ**。

NLJ是使用上了索引的情况，如果查询条件没有使用到索引呢？

MySQL会选择使用另一个叫作**“Block Nested-Loop Join”的算法，简称BNL**。

Block Nested-Loop Join

Block Nested Loop Join（BNL）算法与NLJ算法不同的是，BNL算法使用一个类似于缓存的机制，将表数据分成多个块，然后逐个处理这些块，以减少内存和CPU的消耗。

例如，下面这个语句：

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

字段b上是没有建立索引的。

这时候，被驱动表上没有可用的索引，算法的流程是这样的：

把表t1的数据读入线程内存join_buffer中，由于我们这个语句中写的是select *，因此是把整个表t1放入了内存；扫描表t2，把表t2中的每一行取出来，跟join_buffer中的数据做对比，满足join条件的，作为结果集的一部分返回。

这条SQL语句的explain结果如下所示：

可以看到，在这个过程中，对表t1和t2都做了一次全表扫描，因此总的扫描行数是1100。由于join_buffer是以无序数组的方式组织的，因此对表t2中的每一行，都要做100次判断，总共需要在内存中做的判断次数是：100*1000=10万次。

虽然Block Nested-Loop Join算法是全表扫描。但是是在内存中进行的判断操作，速度上会快很多。但是性能仍然不如NLJ。

join_buffer的大小是由参数join_buffer_size设定的，默认值是256k。如果放不下表t1的所有数据话，策略很简单，就是分段放。

顺序读取数据行放入join_buffer中，直到join_buffer满了。
扫描被驱动表跟join_buffer中的数据做对比，满足join条件的，作为结果集的一部分返回。
清空join_buffer，重复上述步骤。

虽然分成多次放入join_buffer，但是判断等值条件的次数还是不变的，依然是10万次。

MRR & BKA

上篇文章里我们讲到了MRR（Multi-Range Read）。MySQL在5.6版本后引入了Batched Key Acess(BKA)算法了。这个BKA算法，其实就是对NLJ算法的优化，BKA算法正是基于MRR。

NLJ算法执行的逻辑是：从驱动表t1，一行行地取出a的值，再到被驱动表t2去做join。也就是说，对于表t2来说，每次都是匹配一个值。这时，MRR的优势就用不上了。

我们可以从表t1里一次性地多拿些行出来，，先放到一个临时内存，一起传给表t2。这个临时内存不是别人，就是join_buffer。

通过上一篇文章，我们知道join_buffer 在BNL算法里的作用，是暂存驱动表的数据。但是在NLJ算法里并没有用。那么，我们刚好就可以复用join_buffer到BKA算法中。

NLJ算法优化后的BKA算法的流程，如图所示：

图中，我在join_buffer中放入的数据是P1~P100，表示的是只会取查询需要的字段。当然，如果join buffer放不下P1~P100的所有数据，就会把这100行数据分成多段执行上图的流程。

如果要使用BKA优化算法的话，你需要在执行SQL语句之前，先设置

1	`set` `optimizer_switch='mrr=on,mrr_cost_based=off,batched_key_access=on';`

其中，前两个参数的作用是要启用MRR。这么做的原因是，BKA算法的优化要依赖于MRR。

对于BNL，我们可以通过建立索引转为BKA。对于一些列建立索引代价太大，不好建立索引的情况，我们可以使用临时表去优化。

例如，对于这个语句：

1	`select` `*` `from` `t1` `join` `t2` `on` `(t1.b=t2.b)` `where` `t2.b>=1` `and` `t2.b<=2000;`

使用临时表的大致思路是：

把表t2中满足条件的数据放在临时表tmp_t中；为了让join使用BKA算法，给临时表tmp_t的字段b加上索引；让表t1和tmp_t做join操作。

这样可以大大减少扫描的行数，提升性能。

总结

在MySQL中，不管Join使用的是NLJ还是BNL总是应该使用小表做驱动表。更准确地说，**在决定哪个表做驱动表的时候，应该是两个表按照各自的条件过滤，过滤完成之后，计算参与join的各个字段的总数据量，数据量小的那个表，就是“小表”，应该作为驱动表。**应当尽量避免使用BNL算法，如果确认优化器会使用BNL算法，就需要做优化。优化的常见做法是，给被驱动表的join字段加上索引，把BNL算法转成BKA算法。对于不好在索引的情况，可以基于临时表的改进方案，提前过滤出小数据添加索引。