前 言
🍉 作者简介：半旧518，长跑型选手，立志坚持写10年博客，专注于java后端
🍌 专栏简介：mysql基础、进阶，主要讲解mysql数据库sql刷题、进阶知识，包括索引、数据库调优、分库分表等
🌰 文章简介：本文将介绍JOIN语句的底层原理，建议收藏备用。
🍓 相关推荐：

• MySql进阶索引篇01——深度讲解索引的数据结构：B+树
• Mysql进阶索引篇02——InnoDB存储引擎的数据存储结构
• Mysql进阶索引篇03——2个新特性，11+7条设计原则教你创建索引
• Mysql进阶优化篇01——四万字详解数据库性能分析工具(深入、全面、详细，收藏备用)
  Mysql进阶优化篇02——索引失效的10种情况及原理
  Mysql进阶优化篇03——多表查询的优化
  -mysql进阶优化篇04——深入JOIN语句的底层原理
• 大厂SQL面试真题大全

1.子查询的优化

MySQL 从 4.1 版本开始支持子查询，使用子查询可以进行 SELECT 语句的嵌套查询，即一个 SELECT 查询的结果作为另一个 SELECT 语句的条件。子查询可以一次性完成很多逻辑上需要多个步骤才能完成的操作 。

子查询是 MySQL 的一项重要的功能，可以帮助我们通过一个 SQL 语句实现比较复杂的查询。但是，子查询的执行效率不高。

原因:

执行子查询时，MySQL 需要为内层查询语句的查询结果建立一个临时表 ，然后外层查询语句从临时表中查询记录。查询完毕后，再撤销这些临时表 。这样会消耗过多的 CPU 和 IO 资源，产生大量的慢查询。
子查询的结果集存储的临时表，不论是内存临时表还是磁盘临时表都 不会存在索引 ，所以查询性能会受到一定的影响。
对于返回结果集比较大的子查询，其对查询性能的影响也就越大。
在 MySQL 中，可以使用连接（JOIN）查询来替代子查询。 连接查询 不需要建立临时表，其 速度比子查询要快，如果查询中使用索引的话，性能就会更好。

举例1：查询学生表中是班长的学生信息

使用子查询

#创建班级表中班长的索引
CREATE INDEX idx_monitor ON class(monitor);

#查询班长的信息
EXPLAIN SELECT * FROM student stu1
    WHERE stu1.`stuno` IN (
    SELECT monitor
    FROM class c
    WHERE monitor IS NOT NULL
);
1
2
3
4
5
6
7
8
9
10

本地测试执行实践0.036s。

推荐：使用多表查询，本地测试时间仅仅为0.016s。

EXPLAIN SELECT stu1.* FROM student stu1 JOIN class c 
ON stu1.`stuno` = c.`monitor`
WHERE c.`monitor` IS NOT NULL;
1
2
3

举例2：取所有不为班长的同学
不推荐

#查询不为班长的学生信息
EXPLAIN SELECT SQL_NO_CACHE a.* 
FROM student a 
WHERE  a.stuno  NOT  IN (
            SELECT monitor FROM class b 
            WHERE monitor IS NOT NULL);
1
2
3
4
5
6

推荐

EXPLAIN SELECT SQL_NO_CACHE a.*
FROM  student a LEFT OUTER JOIN class b 
ON a.stuno =b.monitor
WHERE b.monitor IS NULL;
1
2
3
4

🌹结论：尽量不要使用 NOT IN 或者 NOT EXISTS，用 LEFT JOIN xxx ON xx WHERE xx IS NULL 替代

2 排序优化

2.1 排序优化

问题：在 WHERE 条件字段上加索引，但是为什么在 ORDER BY 字段上还要加索引呢？

• 在 MySQL 中，支持两种排序方式，分别是 FileSort 和 Index 排序。 Index 排序中，索引可以保证数据的有序性，就不需要再进行排序，效率更更高。

• FileSort 排序则一般在 内存中 进行排序，占用 CPU 较多。如果待排序的结果较大，会产生临时文件 I/O 到磁盘进行排序的情况，效率低。

优化建议:

• SQL 中，可以在 WHERE 子句和 ORDER BY 子句中使用索引，目的是在 WHERE 子句中 避免全表扫描，在 ORDER BY 子句 避免使用 FileSort 排序。当然，某些情况下全表扫描，或者 FileSort 排序不一定比索引慢。但总的来说，我们还是要避免，以提高查询效率。

• 尽量使用 Index 完成 ORDER BY 排序。如果 WHERE 和 ORDER BY 后面是相同的列就使用单索引列；如果不同就使用联合索引。

• 无法使用 Index 时，需要对 FileSort 方式进行调优。

2.2 测试

先准备下，调用存储过程删除student,和class表上的索引。

CALL proc_drop_index('mysql', 'student')
CALL proc_drop_index('mysql', 'class')
1
2

现在进行排序查询。

EXPLAIN SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid;  
1

很明显是using filesort.

创建索引。但是不加limit限制，索引失效。

CREATE  INDEX idx_age_classid_name ON student (age,classid,NAME);

#不限制,索引失效
EXPLAIN  SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid; 


1
2
3
4
5
6

这是优化器通过计算发现，这里需要回表的数据量特别大，使用索引的性能代价反而比不上不用索引的。

再来，不需要回表。

# 会使用索引 （覆盖索引）
EXPLAIN  SELECT SQL_NO_CACHE age,classid,name,id FROM student ORDER BY age,classid;  
1
2

再来。限制排序返回的结果数量，可以使用索引。

EXPLAIN  SELECT SQL_NO_CACHE * FROM student ORDER BY age,classid LIMIT 10; 
1

再来，order by 时顺序错误，索引失效

#创建索引age,classid,stuno
CREATE  INDEX idx_age_classid_stuno ON student (age,classid,stuno); 

#以下哪些索引失效?
# 失效
EXPLAIN  SELECT * FROM student ORDER BY classid LIMIT 10;

# 失效
EXPLAIN  SELECT * FROM student ORDER BY classid,NAME LIMIT 10;  

# 可以
EXPLAIN  SELECT * FROM student ORDER BY age,classid,stuno LIMIT 10; 

# 可以
EXPLAIN  SELECT * FROM student ORDER BY age,classid LIMIT 10;

# 可以
EXPLAIN  SELECT * FROM student ORDER BY age LIMIT 10;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

再来。order by 时规则不一致, 索引失效 （顺序错，不索引；方向反，不索引）

# 失效,因为age是降序排序，但是索引是升序排序
EXPLAIN  SELECT * FROM student ORDER BY age DESC, classid ASC LIMIT 10;

# 失效
EXPLAIN  SELECT * FROM student ORDER BY classid DESC, NAME DESC LIMIT 10;

# 失效
EXPLAIN  SELECT * FROM student ORDER BY age ASC,classid DESC LIMIT 10; 

# 可以，这是因为order by和classid在使用时都是降序查找的，统一了反而被优化器优化可以使用索引了
EXPLAIN  SELECT * FROM student ORDER BY age DESC, classid DESC LIMIT 10;
1
2
3
4
5
6
7
8
9
10
11

再来。无过滤，不索引。下面执行结果都是和优化器的优化有关，大家可以自己验证思考。

# 可以
EXPLAIN  SELECT * FROM student WHERE age=45 ORDER BY classid;

# 可以
EXPLAIN  SELECT * FROM student WHERE age=45 ORDER BY classid,NAME; 

# 失效
EXPLAIN  SELECT * FROM student WHERE classid=45 ORDER BY age;

# 可以
EXPLAIN  SELECT * FROM student WHERE classid=45 ORDER BY age LIMIT 10;

CREATE INDEX idx_cid ON student(classid);

# 可以
EXPLAIN  SELECT * FROM student WHERE classid=45 ORDER BY age;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

💡小结
INDEX a_b_c(a,b,c)
order by 能使用索引最左前缀

• ORDER BY a
• ORDER BY a,b
• ORDER BY a,b,c
• ORDER BY a DESC,b DESC,c DESC
  如果 WHERE 使用索引的最左前缀定义为常量，则 order by 能使用索引
• WHERE a = const ORDER BY b,c
• WHERE a = const AND b = const ORDER BY c
• WHERE a = const ORDER BY b,c
• WHERE a = const AND b > const ORDER BY b,c

不能使用索引进行排序

• ORDER BY a ASC,b DESC,c DESC /* 排序不一致 */
• WHERE g = const ORDER BY b,c /丢失a索引/
• WHERE a = const ORDER BY c /丢失b索引/
• WHERE a = const ORDER BY a,d /d不是索引的一部分/
• WHERE a in (…) ORDER BY b,c /对于排序来说，多个相等条件也是范围查询/

2.3 案例实战

下面我们通过一个案例来实战filesort和index两种排序。对ORDER BY子句，尽量使用 Index 方式排序，避免使用 FileSort 方式排序。

场景:查询年龄为30岁的，且学生编号小于101000的学生，按用户名称排序

先删除以前的索引。再测试如下sql。

CALL proc_drop_index(`mysql`,`student`)
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
1
2

此时显然使用的是filesort进行排序。

优化思路:

方案一：为了去掉 filesort 我们可以创建特定索引

#创建新索引
CREATE INDEX idx_age_name ON student(age,NAME);
EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
1
2
3

方案二：尽量让 where 的过滤条件和排序使用上索引

建一个三个字段的组合索引:

DROP INDEX idx_age_name ON student;

CREATE INDEX idx_age_stuno_name ON student (age,stuno,NAME);

EXPLAIN SELECT SQL_NO_CACHE * FROM student WHERE age = 30 AND stuno <101000 ORDER BY NAME ;
1
2
3
4
5

此时又使用了filesort，这是为什么呢？这是因为此时filesort的性能更高。不信你可以对比执行下，看看时间的区别。结果竟然有 filesort 的 sql 运行速度，超过了已经优化掉 filesort的 sql，而且快了很多，几乎一瞬间就出现了结果。看来优化器做的工作真的特别灵活。

原因：所有的排序都是在条件过滤之后才执行的。所以，如果条件过滤大部分数据的话，剩下几百几千条数据进行排序其实并不是很消耗性能，即使索引优化了排序，但实际提升性能很有限。相对的 stuno < 10100 这个条件，如果没有用到索引的话，要对几万条数据进行扫描，这是非常消耗性能的，所以索引放在这个字段上性价比最高，是最优选择

结论:
两个索引同时存在，mysql 自动选择最优的方案。（对于这个例子，mysql 选择 idx_age_stuno_name）。但是，随着数据量的变化，选择的索引也会随之变化的 。
当【范围条件】和【group by 或者 order by】的字段出现二选一时，优先观察条件字段的过滤数量，如果过滤的数据足够多，而需要排序的数据并不多时，优先把索引放在范围字段上。反之，亦然。

2.4 filesort的算法

排序的字段若不在索引列上，则 filesort 会有两种算法：双路排序 和 单路排序

• 双路排序（慢）

MySQL4.1 之前是使用双路排序，字面意思就是两次扫描磁盘，最终得到数据， 读取行指针和 order by 列，对他们进行排序，然后扫描已经排序好的列表，按照列表中的值重新从列表中读取对应的数据输出
从磁盘取排序字段，在 buffer 进行排序，再从 磁盘取其他字段 。
取一批数据，要对磁盘进行两次扫描，众所周知，IO 是很耗时的，所以在 MySQL4.1 之后，出现了第二种改进的算法，就是单路排序。

• 单路排序（快）

从磁盘读取查询需要的 所有列 ，按照 order by 列在 buffer 对它们进行排序，然后扫描排序后的列表进行输出， 它的效率更快一些，避免了第二次读取数据。并且把随机 IO 变成了顺序 IO，但是它会使用更多的空间， 因为它把每一行都保存在内存中了。

• 结论及引申出的问题

由于单路是后出的，总体而言好过双路
但是用单路有问题
在 sort_buffer 中，单路比多路要 多占用很多空间，因为单路是把所有字段都取出，所以可能取出的数据的总大小超出了 sort_buffer 的容量，导致每次只能取 sort_buffer 容量大小的数据，进行排序（创建 temp 文件，多路合并），排完再取 sort_buffer 容量大小，再排…从而多次I/O。
单路本来想省一次 I/O 操作，反而导致了大量的 I/O 操作，反而得不偿失。
优化策略

尝试提高 sort_buffer_size

不管用哪种算法，提高这个参数都会提高效率，要根据系统的能力去提高，因为这个参数是针对每个进程（connection）的 1M - 8M 之间调整。MySQL5.7，InnoDB 存储引擎默认值都是 1048576 字节，1MB。
image-20220701143536810
尝试提高 max_length_for_sort_data

提高这个参数，会增加改进算法的概率。

SHOW VARIABLES LIKE’%max_length_for_sort_data%';
SQL 复制
但是如果设的太高，数据总容量超出 sort_buffer_size 的概率就增大，明显症状是高的磁盘 I/O 活动和低的处理器使用率。如果需要返回的列的总长度大于 max_length_for_sort_data，使用双路算法，否则使用单路算法。1024-8192字节之间调整。

Order by 时 select 是一个大忌。最好只Query需要的字段。*

当 Query 的字段大小综合小于 max_length_for_sort_data，而且排序字段不是 TEXT|BLOG 类型时，会改进后的算法——单路排序，否则用老算法——多路排序。
两种算法的数据都有可能超出 sort_buffer_size 的容量，超出之后，会创建 tmp 文件进行合并排序，导致多次 I/O，但是用单路排序算法的风险会更大一些，所以要提高 sort_buffer_size
6. GROUP BY优化
group by 使用索引的原则几乎跟 order by 一致 ，group by 即使没有过滤条件用到索引，也可以直接使用索引。

group by 先排序再分组，遵照索引建的最佳左前缀法则

当无法使用索引列，增大 max_length_for_sort_data 和 sort_buffer_size 参数的设置

where 效率高于 having，能写在 where 限定的条件就不要写在 having 中了

减少使用 order by，和业务沟通能不排序就不排序，或将排序放到程序端去做。Order by、group by、distinct 这些语句较为耗费 CPU，数据库的 CPU 资源是极其宝贵的。

包含了 order by、group by、distinct 这些查询的语句，where 条件过滤出来的结果集请保持在 1000 行以内，否则 SQL 会很慢。

工欲善其事，必先利其器”。要想成为工作上的数据库高手，面试时的题霸，独步江湖，就必须拿到一份"武林秘籍"。

我个人强推牛客网：找工作神器|大厂java面经汇总|超全笔试题库

推荐理由：
1.刷题题库，题目特别全面，刷爆笔试再也不担心

链接： 找工作神器|大厂java面经汇总|超全笔试题库
2.超全面试题、成体系、高质量，还有AI模拟面试黑科技

链接： 工作神器|大厂java面经汇总|超全笔试题库
3.超多面经，大厂面经很多

4.内推机会，大厂招聘特别多

链接： 找工作神器|大厂java面经汇总|超全笔试题库
5.大厂真题，直接拿到大厂真实题库，而且和许多大厂都有直接合作，题目通过率高有机会获得大厂内推资格。

链接： 找工作神器|大厂java面经汇总|超全笔试题库