《Mysql實例探究MySQL優化器對索引和JOIN順序的選擇》要點：
本文介紹了Mysql實例探究MySQL優化器對索引和JOIN順序的選擇，希望對您有用。如果有疑問，可以聯系我們。
本文通過一個案例來看看MySQL優化器如何選擇索引和JOIN順序.表布局和數據準備參考本文最后部分"測試環境".這里主要介紹MySQL優化器的主要執行流程,而不是介紹一個優化器的各個組件(這是另一個話題).MYSQL入門
?? 我們知道,MySQL優化器只有兩個自由度：順序選擇；單表拜訪方式；這里將詳細剖析下面的SQL,看看MySQL優化器如何做出每一步的選擇.MYSQL入門
explain select * from employee as A,department as B where A.LastName = 'zhou' and B.DepartmentID = A.DepartmentID and B.DepartmentName = 'TBX';
1. 可能的選擇MYSQL入門
?? 這里看到JOIN的順序可以是A|B或者B|A,單表拜訪方式也有多種,對于A表可以選擇：全表掃描和索引`IND_L_D`(A.LastName = 'zhou')或者`IND_DID`(B.DepartmentID = A.DepartmentID).對于B也有三個選擇：全表掃描、索引IND_D、IND_DN.
2. MySQL優化器如何做
2.1 概述MYSQL入門
?? MySQL優化器主要工作包括以下幾部分：Query Rewrite(包括Outer Join轉換等)、const table detection、range analysis、JOIN optimization(順序和拜訪方式選擇)、plan refinement.這個案例從range analysis開始.
2.2 range analysisMYSQL入門
?? 這部分包含所有Range和index merge成本評估(參考1 參考2).這里,等值表達式也是一個range,所以這里會評估其成本,計算出found records(表示對應的等值表達式,大概會選擇出多少條記錄).MYSQL入門
?? 本案例中,range analysis會針對A表的條件A.LastName = 'zhou'和B表的B.DepartmentName = 'TBX'分別做闡發.其中：MYSQL入門
表A A.LastName = 'zhou' found records: 51
表B B.DepartmentName = 'TBX' found records: 1MYSQL入門
?? 這兩個條件都不是range,但是這里計算的值仍然會存儲,在后面的ref拜訪方式評估的時候使用.這里的值是根據records_in_range接口返回,而對于InnoDB每次調用這個函數都會進行一次索引頁的采樣,這是一個很消耗性能的操作,對于很多其他的關系數據庫是使用"直方圖"的統計數據來避免這次操作(相信MariaDB后續版本也將實現直方圖統計信息).
2.3 順序和拜訪方式的選擇：窮舉MYSQL入門
?? MySQL通過枚舉所有的left-deep樹(也可以說所有的left-deep樹就是整個MySQL優化器的搜索空間),來找到最優的執行順序和拜訪方式.
2.3.1 排序MYSQL入門
?? 優化器先根據found records對所有表進行一個排序,記錄少的放前面.所以,這里次序是B、A.
2.3.2 greedy searchMYSQL入門
?? 當表的數量較少(少于search_depth,默認是63)的時候,這里直接蛻化為一個窮舉搜索,優化器將窮舉所有的left-deep樹找到最優的執行計劃.另外,優化器為了減少因為搜索空間龐大帶來巨大的窮舉消耗,所以使用了一個"偷懶"的參數prune_level(默認打開),具體如何"偷懶",可以參考JOIN順序選擇的復雜度.不過至少必要有三個表以上的關聯才會有"偷懶",所以本案例不適用.
2.3.3 窮舉MYSQL入門
?? JOIN的第一個表可以是：A或者B；如果第一個表選擇了A,第二個表可以選擇B；如果第一個表選擇了B,第二個表可以選擇A；MYSQL入門
?? 因為前面的排序,B表的found records更少,所以JOIN次序窮舉時的第一個表先選擇B(這個是有講究的).MYSQL入門
(*) 選擇第一個JOIN的表為B
? (**) 確定B表的拜訪方式
??? 因為B表為第一個表,所以無法使用索引IND_D(B.DepartmentID = A.DepartmentID),而只能使用IND_DN(B.DepartmentName = 'TBX')
????? 使用IND_DN索引的成本計算：1.2；其中IO成本為1.
????? 是否使用全表掃描：這里會比較使用索引的IO成本和全表掃描的IO成本,前者為1,后者為2；所以忽略全表掃描
??? 所以,B表的拜訪方式ref,使用索引IND_DMYSQL入門
? (**) 從剩余的表中窮舉選出第二個JOIN的表,這里剩余的表為：A
? (**) 將A表加入JOIN,并確定其拜訪方式
??? 可以使用的索引為：`IND_L_D`(A.LastName = 'zhou')或者`IND_DID`(B.DepartmentID = A.DepartmentID)
??? 依次計算使用索引IND_L_D、IND_DID的成本：
??? (***) IND_L_D A.LastName = 'zhou'
????????? 在range analysis階段給出了A.LastName = 'zhou'對應的記錄約為：51.
????????? 所以,計算IO成本為：51；ref做IO成本計算時會做一次修正,將其修正為worst_seek(參考)
????????? 修正后IO成本為：15,總成本為：25.2
??? (***) IND_DID B.DepartmentID = A.DepartmentID
????????? 這是一個需要知道前面表的結果,才能計算的成本.所以range analysis是無法分析的
????????? 這里,我們看到前面表為B,found_record是1,所以A.DepartmentID只需要對應一條記錄就可以了
????????? 因為具體取值不知道,也沒有直方圖,所以只能簡單依據索引統計信息來計算：
??????????? 索引IND_DID的列A.DepartmentID的Cardinality為1349,全表記錄數為1349
??????????? 所以,每一個值對應一條記錄,而前面表B只有一條記錄,所以這里的found_record計算為1*1 = 1
??????????? 所以IO成本為：1,總成本為1.2
??? (***) IND_L_D成本為25.2；IND_DID成本為1.2,所以選擇后者為當前表的拜訪方式
? (**) 確定A使用索引IND_DID,拜訪方式為ref
? (**) JOIN順序B|A,總成本為：1.2+1.2 = 2.4MYSQL入門
(*) 選擇第一個JOIN的表為A
? (**) 確定A表的拜訪方式
?????? 因為A表是第一個表,所以無法使用索引`IND_DID`(B.DepartmentID = A.DepartmentID)
?????? 那么只能使用索引`IND_L_D`(A.LastName = 'zhou')
???????? 使用IND_L_D索引的成本計算,總成本為25.2；參考前面計算；
? (**) 這里拜訪A表的成本已經是25.2,比之前的最優成本2.4要大,忽略該順序
?????? 所以,這次窮舉搜索到此結束MYSQL入門
?? 把上面的過程簡化如下：MYSQL入門
(*) 選擇第一個JOIN的表為B
? (**) 確定B表的拜訪方式
? (**) 從剩余的表中窮舉選出第二個JOIN的表,這里剩余的表為：A
? (**) 將A表加入JOIN,并確定其拜訪方式
??? (***) IND_L_D A.LastName = 'zhou'
??? (***) IND_DID B.DepartmentID = A.DepartmentID
??? (***) IND_L_D成本為25.2；IND_DID成本為1.2,所以選擇后者為當前表的拜訪方式
? (**) 確定A使用索引IND_DID,拜訪方式為ref
? (**) JOIN順序B|A,總成本為：1.2+1.2 = 2.4MYSQL入門
(*) 選擇第一個JOIN的表為A
? (**) 確定A表的拜訪方式
? (**) 這里拜訪A表的成本已經是25.2,比之前的最優成本2.4要大,忽略該順序MYSQL入門
?? 至此,MySQL優化器就確定了所有表的最佳JOIN順序和拜訪方式.
3. 測試環境MYSQL入門
MySQL: 5.1.48-debug-log innodb plugin 1.0.9
CREATE TABLE `department` (
`DepartmentID` int(11) DEFAULT NULL,
`DepartmentName` varchar(20) DEFAULT NULL,
KEY `IND_D` (`DepartmentID`),
KEY `IND_DN` (`DepartmentName`)
) ENGINE=InnoDB DEFAULT CHARSET=gbk;
CREATE TABLE `employee` (
`LastName` varchar(20) DEFAULT NULL,
`DepartmentID` int(11) DEFAULT NULL,
KEY `IND_L_D` (`LastName`),
KEY `IND_DID` (`DepartmentID`)
) ENGINE=InnoDB DEFAULT CHARSET=gbk;
for i in `seq 1 1000` ; do mysql -vvv -uroot test -e 'insert into department values (600000*rand(),repeat(char(65+rand()*58),rand()*20))'; done
for i in `seq 1 1000` ; do mysql -vvv -uroot test -e 'insert into employee values (repeat(char(65+rand()*58),rand()*20),600000*rand())'; done
for i in `seq 1 50` ; do mysql -vvv -uroot test -e 'insert into employee values ("zhou",27760)'; done
for i in `seq 1 200` ; do mysql -vvv -uroot test -e 'insert into employee values (repeat(char(65+rand()*58),rand()*20),27760)'; done
for i in `seq 1 1` ; do mysql -vvv -uroot test -e 'insert into department values (27760,"TBX")'; done
show index from employee;
+----------+------------+----------+--------------+--------------+-----------+-------------+----------+--------+------+------------+---------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment |
+----------+------------+----------+--------------+--------------+-----------+-------------+----------+--------+------+------------+---------+
| employee | 1 | IND_L_D | 1 | LastName | A | 1349 | NULL | NULL | YES | BTREE | |
| employee | 1 | IND_DID | 1 | DepartmentID | A | 1349 | NULL | NULL | YES | BTREE | |
+----------+------------+----------+--------------+--------------+-----------+-------------+----------+--------+------+------------+---------+
show index from department;
+------------+------------+----------+--------------+----------------+-----------+-------------+----------+--------+------+------------+---------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment |
+------------+------------+----------+--------------+----------------+-----------+-------------+----------+--------+------+------------+---------+
| department | 1 | IND_D | 1 | DepartmentID | A | 1001 | NULL | NULL | YES | BTREE | |
| department | 1 | IND_DN | 1 | DepartmentName | A | 1001 | NULL | NULL | YES | BTREE | |
+------------+------------+----------+--------------+----------------+-----------+-------------+----------+--------+------+------------+---------+
4. 構造一個Bad caseMYSQL入門
?? 因為關聯條件中MySQL使用索引統計信息做本錢預估,所以數據分布不均勻的時候,就容易做出錯誤的判斷.簡單的我們構造下面的案例：MYSQL入門
?? 表和索引結構不變,依照下面的方式構造數據：MYSQL入門
for i in `seq 1 10000` ; do mysql -uroot test -e 'insert into department values (600000*rand(),repeat(char(65+rand()*58),rand()*20))'; done
for i in `seq 1 10000` ; do mysql -uroot test -e 'insert into employee values (repeat(char(65+rand()*58),rand()*20),600000*rand())'; done
for i in `seq 1 1` ; do mysql -uroot test -e 'insert into employee values ("zhou",27760)'; done
for i in `seq 1 10` ; do mysql -uroot test -e 'insert into department values (27760,"TBX")'; done
for i in `seq 1 1000` ; do mysql -uroot test -e 'insert into department values (27760,repeat(char(65+rand()*58),rand()*20))';
done
explain
select *
from
employee as A,department as B
where
A.LastName = 'zhou'
and B.DepartmentID = A.DepartmentID
and B.DepartmentName = 'TBX';
+----+-------------+-------+------+-----------------+---------+---------+---------------------+------+-------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+------+-----------------+---------+---------+---------------------+------+-------------+
| 1 | SIMPLE | A | ref | IND_L_D,IND_DID | IND_L_D | 43 | const | 1 | Using where |
| 1 | SIMPLE | B | ref | IND_D,IND_DN | IND_D | 5 | test.A.DepartmentID | 1 | Using where |
+----+-------------+-------+------+-----------------+---------+---------+---------------------+------+-------------+
?? 可以看到這里,MySQL執行方案對表department使用了索引IND_D,那么A表命中一條記錄為(zhou,27760)；根據B.DepartmentID=27760將返回1010條記錄,然后根據條件DepartmentName = 'TBX'進行過濾.MYSQL入門
?? 這里可以看到如果B表選擇索引IND_DN,效果要更好,因為DepartmentName = 'TBX'僅僅返回10條記錄,再依據條件A.DepartmentID=B.DepartmentID過濾之.
MYSQL入門
歡迎參與《Mysql實例探究MySQL優化器對索引和JOIN順序的選擇》討論，分享您的想法，維易PHP學院為您提供專業教程。
