MySQL的JOIN到底是怎么玩的

高手回答

在MySQL中，查询操作通常会涉及到联结不同表格，而JOIN命令则在这一过程中扮演了关键角色。在JOIN操作中，我们通常会使用三种不同的方式，分别是内连接、左连接以及右连接。

INNER JOIN（内连接，或称为等值连接）：此操作获取了两个表中字段相互匹配的记录，实质上是取得了这两个表的交集部分。
LEFT JOIN（左连接）：相较于内连接，左连接获取了左表格的所有记录，即便在右表格中可能没有对应的匹配记录。这样，查询结果将包含两个表格的交集部分，以及左表格中的所有数据。
RIGHT JOIN（右连接）：右连接与左连接相反，它主要用于获取右表格中的所有记录，即便在左表格中找不到对应的匹配数据。因此，RIGHT JOIN同样会取得两个表格的交集部分，以及右表格中的所有数据。

在实施JOIN操作时，还常常会搭配上关键字ON，用以明确指定关联查询的一些条件。

嵌套循环算法

MySQL通常采用嵌套循环（Nested-Loop Join）的方法来执行关联查询，具体而言，主要包括简单嵌套循环连接（Simple Nested Loop Join）、块状嵌套循环连接（Block Nested Loop Join）和索引嵌套循环连接（Index Nested Loop Join）这三种算法。

然而，这三种算法的效率均未能达到特别的高水平。

简单嵌套循环：该算法直截了当，通过全面扫描连接两张表来进行逐一数据比对，因此其复杂度可以被视为N*M，其中N是驱动表的数量，而M是被驱动表的数量。
索引嵌套循环：如果内循环表中的字段具有索引，索引嵌套循环会利用该索引来查询数据。由于索引是基于B+树的，因此复杂度近似为N*logM。
块状嵌套循环：这种算法引入了一个缓冲区（Buffer），它会提前将外循环的一部分结果存放在JOIN BUFFER中，然后内循环中的每一行都与整个缓冲区中的数据进行比较。尽管比较次数仍为N*M，但由于JOIN BUFFER是基于内存的，因此效率大大提高。

尽管MySQL已经尽力优化这些算法，但这几种算法的复杂度仍然相对较高。这也是为何不建议在数据库中频繁进行多表JOIN的原因。随着表格数量和数据量的增加，JOIN操作的效率会指数级下降。

当无法使用JOIN进行关联查询时，可以考虑使用子查询、临时表或者联合查询等方式来实现相同的查询需求。

如果不能通过数据库做关联查询，那么需要查询多表的数据的时候要怎么做呢？

主要有两种做法：

1、在内存中自己做关联，即先从数据库中把数据查出来之后，我们在代码中再进行二次查询，然后再进行关联。

2、数据冗余，那就是把一些重要的数据在表中做冗余，这样就可以避免关联查询了。

3、宽表，就是基于一定的join关系，把数据库中多张表的数据打平做一张大宽表，可以同步到ES或者干脆直接在数据库中直接查都可以

若无法通过数据库进行关联查询，处理涉及多表数据的情况，常见的做法有两种：

在内存中自行关联：首先从数据库中检索数据，然后在程序中执行第二次查询，随后进行关联操作。
数据冗余：通过在表中存储一些重要数据的冗余副本，可以避免进行关联查询。
宽表设计：基于一定的连接关系，将数据库中多个表的数据打平形成一个庞大的宽表，这个宽表可以同步到Elasticsearch（ES），或者直接在数据库中进行查询操作。

MySQL的Hash Join是什么？

在MySQL 8.0中新增的 Hash Join 算法是一种用于多表连接的算法。在此之前，MySQL通常使用嵌套循环（Nested-Loop Join）的方法来执行关联查询，然而嵌套循环算法在性能方面并不理想。因此，引入了 Hash Join 算法，旨在优化 Nested-Loop Join 的性能表现。

所谓的 Hash Join 实际上底层利用了哈希表。

Hash Join 是针对等值连接场景的优化方法，其基本原则是将驱动表的数据加载到内存中，并构建哈希表，这样只需遍历一次非驱动表，然后通过哈希查找在哈希表中寻找匹配的行，就能完成连接操作。

举个例子：

在上述的 left join SQL 中，在进行 Hash Join 过程时，主要包括两个步骤：构建和探测。

在构建阶段中，如果优化器经过优化选择了 employee 作为驱动表，那么就会将该驱动表的数据构建到哈希表中：