深度剖析 SQL JOIN：底层机制与性能优化策略

前言-join是什么

join是用于，将多个表中的数据依据一定的关联条件进行组合。往往我们用于做条件的等值关联。（不等值的结果集往往非常大）。但不同join sql之间的性能天差地别，让我们看看深入理解join的底层机制，合理的使用join语法。

join的方式

可以想到，join的工作可以被拆解成两步，

1. 字段匹配：根据条件匹配，不同表的数据
2. 表合并：将匹配的数据，以及不同表的数据项合并成一张虚拟表

而优化join的关键，就在于理解字段匹配的机制。

字段匹配逻辑

而多张表的匹配，可以想到，可拆解成，先用一张表，作为待匹配集，也被称为驱动表。然后再循环匹配剩下n-1张表。剩下n-1张表，也称为被驱动表。

Nested Loop Join

细分类型

Nested Loop Join（嵌套循环连接）MySQL 5.6 支持，可细分为以下几种类型：

• Simple Nested Loop Join：最为基础的嵌套循环，外层表的每一行都会和内层表的所有行进行比较。
• Index Nested Loop Join：若内层表存在索引，MySQL 会利用该索引来加速匹配过程，从而减少内层表的扫描行数。
• Block Nested Loop Join：当没有合适的索引时，MySQL 会使用该算法。它会把外层表的一部分数据加载到缓存中，然后和内层表进行匹配，以此来减少内层表的扫描次数。

Index Nested Loop Join

表关联是使用索引进行匹配的。

Hash Join

在 MySQL 5.6 里，Hash Join 默认是不支持的。Hash Join 是一种更为高效的连接算法，它先对其中一个表构建哈希表，接着再用另一个表去匹配该哈希表，从而减少比较次数。从 MySQL 5.7 开始，InnoDB 存储引擎才支持 Hash Join。

例子

SELECT ... FROM R LEFT JOIN S ON R.x = S.x WEHRE ... -R是驱动表

SELECT ... FROM R RIGHT JOIN S ON R.x = S.x WEHRE ... -S是驱动表

SELECT ... FROM R INNER JOIN S ON R.x = S.x WEHRE ... -DB会根据算法，选择驱动表

DB选择驱动表的原则

谁要查询的数据少，谁就是驱动表

Hash Join

hash join用于连接两张表之间，没有索引的情况。

如果强行创建索引，会有问题：

1. 如果有些列是低选择度的索引，那么创建索引在导入数据时要对数据排序，影响导入性能；
2. 二级索引会有回表问题，若筛选的数据量比较大，则直接全表扫描会更快。

具体过程

1. 扫描驱动表，将其中的key value hash起来
2. 扫描第二张表，根据hash表匹配

总结

1. JOIN 概述 ：JOIN 用于依据关联条件组合多表数据，常采用等值关联
2. JOIN 工作步骤 ：可拆分为字段匹配和表合并两步，优化关键在于理解字段匹配机制。
3. 字段匹配逻辑 ：多表匹配时，选择一张表作为驱动表，其余为被驱动表，依次循环匹配。
4. Nested Loop Join：MySQL 5.6 支持，分为 Simple、Index 和 Block Nested Loop Join 三种。Index 类型借助内层表索引加速匹配；Block 类型在无合适索引时，将外层表部分数据加载到缓存匹配，减少扫描次数。
5. Hash Join：MySQL 5.7 起 InnoDB 存储引擎支持。适用于表间无索引的情况，强行创建索引可能影响导入性能或因回表问题降低效率。其过程是先扫描驱动表构建哈希表，再用另一张表匹配。
6. 驱动表选择原则：数据库通常选择查询数据少的表作为驱动表。
7. 使用建议 ：业务中使用 JOIN 时，要确保驱动表和被驱动表选择正确，并创建预期内的索引。