Mysql优化_第十三篇(HashJoin篇)

1 适用场景

纯等值查询，不能使用索引

从MYSQL 8.0.18开始，MYSQL实现了对于相等条件下的HASHJOIN，并且，join条件中无法使用任何索引，比如下面的语句：

SELECT *

FROM t1

JOIN t2

ON t1.c1=t2.c1;

等值查询，使用到索引

当然，如果有一个或者多个索引可以适用于单表谓词，hash join也可以使用到。(这句话不是很懂？原句为：A hash join can also be used when there are one or more indexes that can be used for single-table predicates.

相对于Blocked Nested Loop Algorithm，以下简称BNL，hash join性能更高，并且两者的使用场景相同，所以从8.0.20开始，BNL已经被移除。使用hash join替代之。

通常在EXPLAIN的结果里面，在Extra列，会有如下描述：

Extra: Using where; Using join buffer (hash join)

说明使用到了hash join。

多个join条件中至少包含一个等值查询(可以包含非等值)

虽然hash join适用于等值join，但是，从原则上来讲，在多个join条件中，只要有每对join条件中，至少存在一个等值，Mysql就可以使用到hash join来提升速度，比如下面的语句：

SELECT * FROM t1

JOIN t2 ON (t1.c1 = t2.c1 AND t1.c2 < t2.c2) 该语句包含非等值的join条件

JOIN t3 ON (t2.c1 = t3.c1);

EXPLAIN FORMAT=TREE的结果如下：

EXPLAIN: -> Inner hash join (t3.c1 = t1.c1) (cost=1.05 rows=1)

-> Table scan on t3 (cost=0.35 rows=1)

-> Hash

-> Filter: (t1.c2 < t2.c2) (cost=0.70 rows=1)

-> Inner hash join (t2.c1 = t1.c1) (cost=0.70 rows=1)

-> Table scan on t2 (cost=0.35 rows=1)

-> Hash

-> Table scan on t1 (cost=0.35 rows=1)

多个join条件对中完全没有等值查询(从8.0.20开始)

在Mysql8.0.20之前，如果join条件中有任何一个条件没有包含等值，那么BNL就会被应用，但是从8.0.20开始，hash join也可以应用到下面的语句：

mysql> EXPLAIN FORMAT=TREE

-> SELECT * FROM t1

-> JOIN t2 ON (t1.c1 = t2.c1)

-> JOIN t3 ON (t2.c1 < t3.c1)\G 该join条件不包含等值，会作为filter来使用

*************************** 1. row ***************************

EXPLAIN: -> Filter: (t1.c1 < t3.c1) (cost=1.05 rows=1)

-> Inner hash join (no condition) (cost=1.05 rows=1)

-> Table scan on t3 (cost=0.35 rows=1)

-> Hash

-> Inner hash join (t2.c1 = t1.c1) (cost=0.70 rows=1)

-> Table scan on t2 (cost=0.35 rows=1)

-> Hash

-> Table scan on t1 (cost=0.35 rows=1)

笛卡尔积

当然，也可以适用于笛卡尔积(没有指定join条件)：

mysql> EXPLAIN FORMAT=TREE

-> SELECT *

-> FROM t1

-> JOIN t2

-> WHERE t1.c2 > 50\G

*************************** 1. row ***************************

EXPLAIN: -> Inner hash join (cost=0.70 rows=1)

-> Table scan on t2 (cost=0.35 rows=1)

-> Hash

-> Filter: (t1.c2 > 50) (cost=0.35 rows=1) where条件提早过滤

-> Table scan on t1 (cost=0.35 rows=1)

普通inner join完全没有等值

mysql> EXPLAIN FORMAT=TREE SELECT * FROM t1 JOIN t2 ON t1.c1 < t2.c1\G

*************************** 1. row ***************************

EXPLAIN: -> Filter: (t1.c1 < t2.c1) (cost=4.70 rows=12) //join条件变成了filter

-> Inner hash join (no condition) (cost=4.70 rows=12)

-> Table scan on t2 (cost=0.08 rows=6)

-> Hash

-> Table scan on t1 (cost=0.85 rows=6)

Semijoin(Mysql文档EXPLAIN有误，这里更正下)

mysql> EXPLAIN FORMAT=TREE SELECT * FROM t1

-> WHERE t1.c1 IN (SELECT t2.c2 FROM t2)\G

*************************** 1. row ***************************

| -> Filter: (t1.c1 < t2.c1) (cost=0.70 rows=1)

-> Inner hash join (no condition) (cost=0.70 rows=1)

-> Table scan on t2 (cost=0.35 rows=1)

-> Hash

-> Table scan on t1 (cost=0.35 rows=1)

|

Antijoin(Mysql文档EXPLAIN有误，这里更正下)

mysql> EXPLAIN FORMAT=TREE SELECT * FROM t2

-> WHERE NOT EXISTS (SELECT * FROM t1 WHERE t1.col1 = t2.col1)\G

*************************** 1. row ***************************

| -> Hash antijoin (t1.c1 = t2.c2) (cost=0.70 rows=1)

-> Table scan on t2 (cost=0.35 rows=1)

-> Hash

-> Table scan on t1 (cost=0.35 rows=1)

|

Left outer join

mysql> EXPLAIN FORMAT=TREE SELECT * FROM t1 LEFT JOIN t2 ON t1.c1 = t2.c1\G

*************************** 1. row ***************************

EXPLAIN: -> Left hash join (t2.c1 = t1.c1) (cost=3.99 rows=36)

-> Table scan on t1 (cost=0.85 rows=6)

-> Hash

-> Table scan on t2 (cost=0.14 rows=6)

Right outer join(MYSQL会把所有的右外连接转换为左外连接)：

mysql> EXPLAIN FORMAT=TREE SELECT * FROM t1 RIGHT JOIN t2 ON t1.c1 = t2.c1\G

*************************** 1. row ***************************

EXPLAIN: -> Left hash join (t1.c1 = t2.c1) (cost=3.99 rows=36)

-> Table scan on t2 (cost=0.85 rows=6)

-> Hash

-> Table scan on t1 (cost=0.14 rows=6)

相关配置

目前可以使用 join_buffer_size 系统变量来控制hash join使用到的内存大小，如果需要使用到的内存超过了这个大小，那么就会下盘，这个时候效率就会比较低了，需要使用者进行优化。