【6】mysql查询性能优化-关联子查询

【README】

0. 先说结论：一般用inner join来改写in和exist，用left join来改写not in，not exist；（本文会比较内连接，包含in子句的子查询，exist的性能）

1. 本文总结自高性能mysql 6.5.1章节【关联子查询】

2. 数据库表及数据特征：

wn_film_tbl：电影表， 50w数据量；
wn_actor_tbl: 演员表， 50w数据量；
wn_file_actor_rel_tbl：电影演员关联表， 10w数据量；

3. ddl如下：

CREATE TABLE `wn_film_tbl` (
  `film_id` varchar(20) COLLATE utf8mb4_general_ci NOT NULL COMMENT '电影id',
  `film_name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '电影名称',
  `release_year` int(11) NOT NULL COMMENT '上映年份',
  `remark` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '备注',
  `create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `last_modify_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`film_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci COMMENT='电影表'

CREATE TABLE `wn_actor_tbl` (
  `actor_id` varchar(20) COLLATE utf8mb4_general_ci NOT NULL COMMENT '演员id',
  `actor_name` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '演员名称',
  `remark` varchar(255) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '备注',
  `create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `last_modify_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`actor_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci COMMENT='演员表'

CREATE TABLE `wn_film_actor_rel_tbl` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT 'id',
  `film_id` varchar(20) COLLATE utf8mb4_general_ci NOT NULL COMMENT '电影id',
  `actor_id` varchar(20) COLLATE utf8mb4_general_ci NOT NULL COMMENT '演员id',
  `create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `last_modify_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`),
  KEY `idx_film_id` (`film_id`) COMMENT '电影id索引',
  KEY `idx_actor_id` (`actor_id`) COMMENT '演员id索引'
) ENGINE=InnoDB AUTO_INCREMENT=100001 DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_general_ci COMMENT='电影与演员关联表'

【1】查询某演员参演的电影清单

1. 具体的，查询演员0420AAAID000099参演的电影清单，通过造数，该演员参演的电影有 15000部；

2. 几种不同的实现方式：

方案1：使用包含in()子句的子查询（性能非常低，作为反例，供各位看官参考）；
方案2：使用内连接；
方案3：使用exists；

【1.1】使用包含in()子句的子查询

1. sql如下（为了方便打印执行计划，这里仅查询一条#limit 1）：

select sql_no_cache * 
from wn_film_tbl film
where film_id in (select film_id from wn_film_actor_rel_tbl  where actor_id='0420AAAID000099')
limit 1
;

2. 查看其执行计划及查询成本：

explain 查看执行计划；
show status like 'last_query_cost' 查询上一个sql的执行成本；（成本的最小单位是随机读取1个大小为4K的数据页）

3. 执行计划剖析（执行计划列的含义，参见
mysql_explain执行计划字段解析-CSDN博客）：

4. 关联表执行步骤：

第1步：扫描film_actor_rel_tbl 表的普通索引 idx_actor_id ，查询 actor_id 等于0420AAAID000099 的电影演员关联记录，得到列表 result_list
第2步：全表扫描查询结果result_list（猜测是在内存中，因为extra没有 using temporary）；
第3步：扫描film表的主键索引树，查询film表中film_id（主键）等于 result_list#film_id 字段值的记录并返回；

5. 对于上述步骤的总结：mysql对任何关联都执行嵌套循环关联操作（即先查询 rel表，然后全表扫描rel表，循环遍历rel表，再在单次遍历中循环遍历 film表）；

有个问题：为什么不反着来？先查询 film表，再在循环遍历film过程中，遍历rel表（动脑筋的时候到了）；
小表驱动大表原则；为什么小表驱动大表，大表驱动小表不行吗？（如果理解了上面的问题，就可以推导出小表驱动大表的依据）

6. 嵌套循环关联查询步骤如下：

查询外层表的数据行，并构建外层表的迭代器；
遍历外层表迭代器，获取单个外层表数据行（第1层循环）；
- 根据单个外层表数据行，查询内层表的数据行，并构建内层表迭代器；
- 遍历内层表迭代器，获取单个内层表数据行（第2层循环）；
  - 合并外层与内层表数据行，构建输出结果；
  - 内层表迭代器滑动；
外层表迭代器滑动；

【1.2】使用内连接

sql如下：

select sql_no_cache film.* 
from wn_film_tbl film
inner join wn_film_actor_rel_tbl rel on film.film_id = rel.film_id 
where rel.actor_id='0420AAAID000099'
limit 1

【敲黑板】

显然，根据执行计划，我们看到，mysql先查询了rel 表，然后再查询了 film表，为什么？（id相同，则按照从上到下的顺序执行）
为什么不是先查询film表，再查询rel表；

【1.3】使用exists

sql如下：

select sql_no_cache film.* 
from wn_film_tbl film
where exists (
  select * from wn_film_actor_rel_tbl rel where rel.actor_id='0420AAAID000099'
  and rel.film_id = film.film_id 
) 
limit 1;