一、JOIN算法原理

1、JOIN回顾

JOIN 是 MySQL 用来进行联表操作的，用来匹配两个表的数据，筛选并合并出符合我们要求的结果集。

JOIN 操作有多种方式，取决于最终数据的合并效果。常用连接方式的有以下几种:

2、驱动表的定义

什么是驱动表?

多表关联查询时，第一个被处理的表，使用此表的记录去关联其他表, 驱动表的确定很关键，会直接影响多表连接的关联顺序，也决定了后续关联时的查询性能。

驱动表的选择遵循一个原则：

在对最终结果集没影响的前提下，优先选择结果集最小的那张表作为驱动表

3、三种JOIN算法

1、Simple Nested-Loop Join（简单的嵌套循环连接)

简单来说嵌套循环连接算法就是一个双层for 循环 ，通过循环外层表的行数据，逐个与内层表的所有行数据进行比较来获取结果。

这种算法是最简单的方案，性能也一般。对内循环没优化。

例如有这样一条SQL:

-- 连接用户表与订单表 连接条件是 u.id = o.user_id
select * from user t1 left join order t2 on t1.id = t2.user_id;
-- user表为驱动表,order表为被驱动表

转换成代码执行时的思路是这样的:

for(user表行 uRow : user表){
  for(Order表的行 oRow : order表){
    if(uRow.id = oRow.user_id){
      return uRow;
    }
  }
}

匹配过程如下图

SNL 的特点

1. 简单粗暴容易理解，就是通过双层循环比较数据来获得结果
2. 查询效率会非常慢,假设 A 表有 N 行，B 表有 M 行。SNL 的开销如下：

• A 表扫描 1 次。
• B 表扫描 M 次。
• 一共有 N 个内循环，每个内循环要 M 次，一共有内循环 N * M 次

2、Index Nested-Loop Join（索引嵌套循环连接）

• Index Nested-Loop Join 其优化的思路: 主要是为了减少内层表数据的匹配次数 , 最大的区别在于，用来进行 join 的字段已经在被驱动表中建立了索引。
• 从原来的 匹配次数 = 外层表行数 * 内层表行数 , 变成了 匹配次数 = 外层表的行数 * 内层表索引的高度 ，极大的提升了 join的性能。
• 当 order 表的 user_id 为索引的时候执行过程会如下图：

注意：使用Index Nested-Loop Join 算法的前提是匹配的字段必须建立了索引。

3、Block Nested-Loop Join，块嵌套循环

如果 join 的字段有索引，MySQL 会使用 INL 算法。如果没有的话，MySQL 会如何处理？

因为不存在索引了，所以被驱动表需要进行扫描。这里 MySQL 并不会简单粗暴的应用 SNL 算法，而是加入了 buffffer 缓冲区，降低了内循环的个数，也就是被驱动表的扫描次数。

• 在外层循环扫描 user表中的所有记录。扫描的时候，会把需要进行 join 用到的列都缓存到buffffer 中。buffffer 中的数据有一个特点，里面的记录不需要一条一条地取出来和 order 表进行比较，而是整个 buffffer 和 order表进行批量比较。
• 如果我们把 buffffer 的空间开得很大，可以容纳下 user 表的所有记录，那么 order 表也只需要访问一次。
• MySQL 默认 buffffer 大小 256K，如果有 n 个 join 操作，会生成 n-1个join buffffer。

mysql> show variables like '%join_buffer%';
+------------------+--------+
| Variable_name 	 | Value  |
+------------------+--------+
| join_buffer_size | 262144 |
+------------------+--------+
  
mysql> set session join_buffer_size=262144;
Query OK, 0 rows affected (0.00 sec)

4、总结

1. 永远用小结果集驱动大结果集(其本质就是减少外层循环的数据数量)；
2. 为匹配的条件增加索引(减少内层表的循环匹配次数)；
3. 增大join buffffer size的大小（一次缓存的数据越多，那么内层包的扫表次数就越少）；
4. 减少不必要的字段查询（字段越少，join buffffer 所缓存的数据就越多；

二、in和exists函数

上面我们说了 小表驱动大表,就是小的数据集驱动大的数据集, 主要是为了减少数据库的连接次数,根据具体情况的不同,又出现了两个函数 exists 和 in 函数。

创建部门表与员工表,并插入数据

-- 部门表
CREATE TABLE department (
id INT(11) PRIMARY KEY,
deptName VARCHAR(30) ,
address VARCHAR(40)
) ;

-- 部门表测试数据
INSERT INTO `department` VALUES (1, '研发部', '1层');
INSERT INTO `department` VALUES (2, '人事部', '3层');
INSERT INTO `department` VALUES (3, '市场部', '4层');
INSERT INTO `department` VALUES (5, '财务部', '2层');

-- 员工表
CREATE TABLE employee (
id INT(11) PRIMARY KEY,
NAME VARCHAR(20) ,
dep_id INT(11) ,
age INT(11) ,
salary DECIMAL(10, 2)
);

-- 员工表测试数据
INSERT INTO `employee` VALUES (1, '鲁班', 1, 15, 1000.00);
INSERT INTO `employee` VALUES (2, '后裔', 1, 22, 2000.00)
INSERT INTO `employee` VALUES (4, '阿凯', 2, 20, 3000.00);
INSERT INTO `employee` VALUES (5, '露娜', 2, 30, 3500.00);
INSERT INTO `employee` VALUES (6, '李白', 3, 25, 5000.00);
INSERT INTO `employee` VALUES (7, '韩信', 3, 50, 5000.00);
INSERT INTO `employee` VALUES (8, '蔡文姬', 3, 35, 4000.00);
INSERT INTO `employee` VALUES (3, '孙尚香', 4, 20, 2500.00);

1、in 函数

假设: department表的数据小于 employee表数据, 将所有部门下的员工都查出来,应该使用 in 函数

-- 编写SQL,使in 函数
SELECT * FROM employee e WHERE e.dep_id IN (SELECT id FROM department);

in函数的执行原理

in 语句, 只执行一次, 将 department 表中的所有id字段查询出来并且缓存。

然后, 检查 department 表中的id与 employee 表中的 dep_id 是否相等, 如果相等 添加到结果集, 直到遍历完 department 所有的记录。

-- 先循环: select id from department; 相当于得到了小表的数据
-- 后循环: select * from employee where e.dep_id = d.id;

for(i = 0; i < $dept.length; i++){ -- 小表
  for(j = 0 ; j < $emp.legth; j++){ -- 大表
    if($dept[i].id == $emp[j].dep_id){
      $result[i] = $emp[j]
      break;
    }
  }
}

结论: 如果子查询得出的结果集记录较少，主查询中的表较大且又有索引时应该用 in

2、exists 函数

假设: department表的数据大于 employee表数据, 将所有部门下的的员工都查出来,应该使用exists 函数。

explain SELECT * FROM employee e WHERE EXISTS
(SELECT id FROM department d WHERE d.id = e.dep_id);

exists 特点

exists 子句返回的是一个 布尔值，如果有返回数据，则返回值是 true ，反之是 false 。

如果结果为 true , 外层的查询语句会进行匹配,否则 外层查询语句将不进行查询或者查不出任何记录。

exists 函数的执行原理

-- 先循环: SELECT * FROM employee e;
-- 再判断: SELECT id FROM department d WHERE d.id = e.dep_id

for(j = 0; j < $emp.length; j++){ -- 小表
                                 
  -- 遍历循环外表，检查外表中的记录有没有和内表的的数据一致的, 匹配得上就放入结果集。
  if(exists(emp[i].dep_id)){ -- 大表
  	$result[i] = $emp[i];
  }
}

3、in 和 exists 的区别

• 如果子查询得出的结果集记录较少，主查询中的表较大且又有索引时应该用 in。
• 如果主查询得出的结果集记录较少，子查询中的表较大且又有索引时应该用 exists。
• in后面跟的是小表，exists后面跟的是大表。