美团一面:为什么 MySQL 不推荐使用 join?

mysql sql优化心得 1、尽量避免使用子查询 例如: SELECT * FROM t1 WHERE id IN (SELECT id FROM t2 WHERE name=‘wyt’); 子查询在MySQL5.5版本里,内部执行计划器是这样执行的: 先查外表再匹配内表,而不是我们认为的先查出整个内表t2,作为临时表给外表使用 mysql在5.6版本里面做了优化,在执行sql优化器,优化成 join SELECT * FROM t1 LEFT JOIN t2 on t1.id=t2.id where t2. name='wyt; 阅读详情

👉 这是一个或许对你有用的社群

🐱 一对一交流/面试小册/简历优化/求职解惑,欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料: 

5d2af0c4e9eefeb0357b03298d349f2e.gif

👉这是一个或许对你有用的开源项目

国产 Star 破 10w+ 的开源项目,前端包括管理后台 + 微信小程序,后端支持单体和微服务架构。

功能涵盖 RBAC 权限、SaaS 多租户、数据权限、商城、支付、工作流、大屏报表、微信公众号、CRM 等等功能:

  • Boot 仓库:https://gitee.com/zhijiantianya/ruoyi-vue-pro

  • Cloud 仓库:https://gitee.com/zhijiantianya/yudao-cloud

  • 视频教程:https://doc.iocoder.cn

【国内首批】支持 JDK 21 + SpringBoot 3.2.2、JDK 8 + Spring Boot 2.7.18 双版本 

来源:cnblogs.com/liboware
/p/12740901.html

677cf9b0a66c3de870ed1068dce1e546.jpeg


1.对于mysql,不推荐使用子查询和join是因为本身join的效率就是硬伤,一旦数据量很大效率就很难保证,强烈推荐分别根据索引单表取数据,然后在程序里面做join,merge数据。

2.子查询就更别用了,效率太差,执行子查询时,MYSQL需要创建临时表,查询完毕后再删除这些临时表,所以,子查询的速度会受到一定的影响,这里多了一个创建和销毁临时表的过程。

3.如果是JOIN的话,它是走嵌套查询的。小表驱动大表,且通过索引字段进行关联。如果表记录比较少的话,还是OK的。大的话业务逻辑中可以控制处理。

4.数据库是最底层的,瓶颈往往是数据库。建议数据库只是作为数据store的工具,而不要添加业务上去。

一、应用层关联的优势

让缓存的效率更高。许多应用程序可以方便地缓存单表查询对应的结果对象。如果关联中的某个表发生了变化,那么就无法使用查询缓存了,而拆分后,如果某个表很少改变,那么基于该表的查询就可以重复利用查询缓存结果了。

  • 将查询分解后,执行单个查询可以减少锁的竞争。

  • 在应用层做关联,可以更容易对数据库进行拆分,更容易做到高性能和可扩展。

  • 查询本身效率也可能会有所提升。查询id集的时候,使用IN()代替关联查询,可以让MySQL按照ID顺序进行查询,这可能比随机的关联要更高效。

  • 可以减少冗余记录的查询。在应用层做关联查询,意味着对于某条记录应用只需要查询一次,而在数据库中做关联查询,则可能需

  • 要重复地访问一部分数据。从这点看,这样的重构还可能会减少网络和内存的消艳。

  • 更进一步,这样做相当于在应用中实现了哈希关联,而不是使用MySQL的嵌套循环关联。某些场景哈希关联的效率要高很多。

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

  • 项目地址:https://github.com/YunaiV/ruoyi-vue-pro

  • 视频教程:https://doc.iocoder.cn/video/

二、应用层关联的使用场景

  • 当应用能够方便地缓存单个查询的结果的时候

  • 当可以将数据分布到不同的MySQL服务器上的时候

  • 当能够使用IN()的方式代替关联查询的时候

  • 并发场景多,DB查询频繁,需要分库分表

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

  • 项目地址:https://github.com/YunaiV/yudao-cloud

  • 视频教程:https://doc.iocoder.cn/video/

三、不推荐使用join的原因

1.DB承担的业务压力大,能减少负担就减少。当表处于百万级别后,join导致性能下降;

2.分布式的分库分表。这种时候是不建议跨库join的。目前mysql的分布式中间件,跨库join表现不良。

3.修改表的schema,单表查询的修改比较容易,join写的sql语句要修改,不容易发现,成本比较大,当系统比较大时,不好维护。

四、不使用join的解决方案

在业务层,单表查询出数据后,作为条件给下一个单表查询。也就是子查询。会担心子查询出来的结果集太多。mysql对in的数量没有限制,但是mysql限制整条sql语句的大小。

通过调整参数max_allowed_packet ,可以修改一条sql的最大值。建议在业务上做好处理,限制一次查询出来的结果集是能接受的。

五、join查询的优势

关联查询的好处是可以做分页,可以用副表的字段做查询条件,在查询的时候,将副表匹配到的字段作为结果集,用主表去in它。

但是问题来了,如果匹配到的数据量太大就不行了,也会导致返回的分页记录跟实际的不一样,解决的方法可以交给前端,一次性查询,让前端分批显示就可以了,这种解决方案的前提是数据量不太,因为sql本身长度有限。


欢迎加入我的知识星球,全面提升技术能力。

👉 加入方式,“长按”或“扫描”下方二维码噢:

491de7ebbcc891aee23f8142a8ef65b0.png

星球的内容包括:项目实战、面试招聘、源码解析、学习路线。

367649fd3b72267052a2fababe297be0.png

cc9334bbb8d5c490bcc139e68eca4841.pngfc6783ce34ad3ffa18eb884755df0d01.png30238b1d656f158136d08fe6ccb32ed4.png0bf8d744027570639f703a7c249c892a.png

文章有帮助的话,在看,转发吧。
谢谢支持哟 (*^__^*)
12个SQL优化方法 用小结果集驱动大结果集,将筛选结果小的表(在决定哪个表做驱动表的时候,应该是两个表按照各自的条件过滤,过滤完之后,计算参与join的各个字段的总数据量,数据量小的那个表,就是“小表”)首先连接,再去连接结果集比较大的表,尽量减少join语句只的Nested-Loop的循环总次数。对于一棵B+树索引来讲,如果根节点是字符def,假如查询条件的通配符在后面,例如abc%,则其知道应该搜索左子树,假如传入为efg%,则应该搜索右子树,如果通配符在前面%abc,则数据库不知道应该走哪一面,就都扫描一遍了。 阅读详情

相关推荐

美团2016研发笔试题解析:从算法到系统设计的实战指南

在互联网技术面试中,数据结构与算法、操作系统、数据库等基础知识是衡量研发工程师工程能力的重要标准。理解LRU缓存、TCP三次握手、死锁条件、SQL聚合查询等核心原理,不仅有助于应对大厂笔试,更能指导高并发业务下的系统设计。从算法优化到底层原理,再到实际业务场景的应用,比如缓存设计、慢查询优化、短URL系统等,技术选型与工程决策往往相辅相成。本文以美团2016研发工程师笔试题为例,逐题拆解解题思路与常见踩坑点,帮助求职者查漏补缺,提升从笔试到面试的实战能力,真正掌握应对复杂技术问题的思维方法。

weixin_34345753的博客 418

为什么MySQL不推荐使用子查询和join

来源:cnblogs.com/liboware/p/12740901.html1.对于mysql,不推荐使用子查询和join是因为本身join的效率就是硬伤,一旦数据量很大效率就很难保证,...

Java笔记虾 1258

Python+whisper/vosk实现语音识别

Whisper 是一个由 OpenAI 开发的人工智能语音识别模型,它能够将语音转换为文本。Whisper 模型特别之处在于它的设计目标是能够理解和转录多种语言的语音,包括但不限于英语。Whisper 模型在训练时使用了大量不同语言的语音数据,这使得它具有很好的跨语言能力。Vosk 是一个开源的语音识别库,它可以在离线环境下工作,不依赖于任何外部服务。Vosk 基于Kaldi语音识别框架,支持多种语言,包括中文。Vosk提供了多种预训练模型,可以根据需求选择适合的模型进行语音识别。

weixin_44458771的博客 5944

join和子查询效率_深入理解mysql数据库join查询

我们在日常开发中,时常会面临sql优化的问题,通常情况下,我们总会说join查询比普通的关联查询效率会高很多,话虽如此,但是为何join查询效率通常情况下比关联查询效率高呢,我们一起探究一下。我们知道,关联查询,会将符合条件的查询结果显示出来;而join查询,不光显示符合条件的数据,还会将符合左表但是不符合右表的全部数据都查询出来。假如我有两张数据库表,分别是h_user(7条数据) 和 h_us...

weixin_39730587的博客 3118

深入解析:el-table合并单元格

  在企业级应用开发中,我们经常需要处理复杂的数据展示需求。在构建复杂的数据展示后台时,我们常常需要将表格中具有相同属性的行进行视觉上的合并,以提升信息的聚合度和可读性。在 Element Plus 的 el-table 组件中,span-method 属性是实现单元格合并的核心机制,允许开发者自定义单元格的合并逻辑,开发者可以通过实现自定义合并策略来满足各种负责需求。  合并行的本质是通过计算相邻行数据的相似性,确定满足合并的单元格范围,然后通过 DOM 操作将多个单元格合并为一个。这种操作在前端数据可视

独泪了无痕 232

用scons编译STM32F103工程

想用vscode来实现代码的编辑与调试代码,原先这个工程是用STM32CUBEIDE建立的,参照STM32CUBEIDE的编译过程,编写了下面的scons脚本,scons是初次了解,既然是python脚本,那么会什么就怎么写吧。 import os import sys import glob cross_compiler_prefix = 'arm-none-eabi-' CC = cross_compiler_prefix+'gcc' CXX = cross_compiler_prefix+'g+

cylinc的专栏 1623

联接与子查询:哪个更快?

虽然联接和子查询在 SQL 语句中都各有所长,但我个人建议你尽量尝试仅使用联接编写查询。只有在没有子查询的情况下无法获取你想要的数据时,才应使用子查询。

Navicat 官方账号 3986

876-基于STM32的毫米波雷达智能睡眠监测系统

基于STM32的毫米波雷达智能睡眠监测系统通过非接触式毫米波雷达检测人体呼吸频率和体动次数,结合WIFI数据传输和OLED显示,实现睡眠质量分析与远程监控。系统核心功能包括生理参数采集、阈值设置、数据可视化及远程交互。

m0_50083169的博客 1545

美团:为什么 MySQL 不推荐使用 join?

程序员的成长之路互联网/程序员/技术/资料共享关注阅读本文大概需要 2.8 分钟。来自:cnblogs.com/liboware/p/12740901.html一、应用层关联的优势二、应用层关联的使用场景三、不推荐使用join的原因四、不使用join的解决方案五、join查询的优势1.对于mysql,不推荐使用子查询和join是因为本身join的效率就是硬伤,一旦数据量很大效率就很难保证,强烈推...

良月柒 311

详细教程:如何使用elasticsearch 8.x进行向量搜索

大模型的热度使得向量数据库和embedding也成了ai领域的热门话题,有别于从头开始训练一个大模型或基于基础模型进行微调的方式,embedding检索相关上下文是对大模型进行定制的各种方法中成本最低、技术实现最便捷的方式。从技术实现的角度,

qq_50790981的博客 1万+

Modkit

Nmod- 通过过滤器分类为具有指定碱基修饰的残基的调用数量。Ncanonical- 通过过滤器分类为未修饰的碱基的调用数量。确切的碱基必须通过修饰代码推断。例如,如果修饰代码是m(5mC),则未修饰的碱基是胞嘧啶。如果修饰代码是a,则未修饰的碱基是腺苷。Nother mod- 通过过滤器分类为修饰的调用数量,但修饰不同于列出的碱基(且相应的未修饰碱基相同)。例如,对于给定的胞嘧啶,可能有 3 个读取带有h调用,1 个带有未修饰调用,2 个带有m调用。在h的 bedMethyl 行中,N。

生物信息学 1267

为什么在生产中不推荐使用 MySQL 的 TEXT 字段?

摘要: 在生产环境中,MySQL的TEXT字段可以使用,但需谨慎。TEXT字段易导致表膨胀、索引失效、查询性能下降等问题。适用场景包括仅存储内容(如新闻正文、评论内容)且不参与查询、排序或频繁更新的字段。实践规范包括:将TEXT字段拆分到冷表、避免核心流程表使用、不用LIKE搜索、优先使用VARCHAR替代。TEXT会引发缓存命中率下降、备份恢复慢、主从延迟等问题,因此核心业务表应避免使用,建议拆表或采用外部存储方案。

Knight 1137

(功能安全六)硬件FMEDA计算

FMEDA(故障模式、影响与诊断分析)是功能安全验证的核心方法,通过量化分析硬件故障模式及其影响,计算SPFM、LFM、PMHF等关键指标。分析过程包含六大步骤:计算元器件失效率、识别故障模式、评估安全机制诊断覆盖率、分类计算各类失效率、量化指标计算及设计优化。输入需要系统架构图、硬件故障模式清单等资料,输出安全指标达标情况及改进建议,确保设计满足ASIL等级要求。该方法通过系统化的故障分类和量化评估,为硬件安全设计提供科学依据。

Dayongger的博客 1456

美团一面:聊聊分库分表设计

分库:就是一个数据库分成多个数据库,部署到不同机器。分表:就是一个数据库表分成多个表。

lc547913923的专栏 1145

Codex 100个真实案例 - 用AI批量清洗Excel脏数据(10万行3分钟搞定)

每个做数据分析的人都被"脏数据"折磨过——空值、重复行、日期格式五花八门、手机号多一位少一位……手动清洗几千行就已经让人崩溃,更别提10万行了。本文将展示如何用 Codex 生成一套完整的 Python pandas 数据清洗工具,从读取Excel/CSV、识别脏数据、自动清洗、生成清洗报告,到可视化对比清洗前后的数据质量,全程自然语言驱动,10万行数据3分钟搞定!

yueyeguzhuo的专栏 89

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

面试拷打:为什么 MySQL 不推荐 join?答出「性能差」只有 30 分

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能。——MyCAT、ShardingSphere 跨库 join 表现都极差,同库 join 能力勉强,跨库基本只能拉到内存里 join,OOM 风险大。——当下 join 能省 5 行代码,未来分库时要重写 500 行——这账,大厂帮你算过了。

weixin_44421461的博客 33

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

SQLAdvisor终极指南:美团点评开源SQL索引优化神器

🚀 **SQLAdvisor**是美团点评DBA团队开源的SQL索引优化工具,只需输入SQL语句,就能智能输出最优的索引优化建议!这款强大的SQL优化工具已经在美团内部大规模使用,能够显著提升数据库性能,降低运维成本。 ## 什么是SQLAdvisor? **SQLAdvisor**是一款专注于MySQL数据库的**索引优化工具**,通过分析SQL语句的结构和表关系,自动推荐最优索引方案。它

gitblog_00377的博客 665

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

基于BERT的美团点评情感分析与餐厅推荐系统实践

情感分析是自然语言处理(NLP)的核心技术之一,通过机器学习模型自动识别文本情感倾向。BERT等预训练大模型显著提升了分析准确率,结合推荐系统技术可构建智能餐饮服务平台。本文以美团点评数据为例,详细解析了从数据采集、BERT模型微调,到混合推荐算法实现的全流程。系统采用Python+Flask技术栈,整合了基于内容的推荐和协同过滤算法,并提供了Docker容器化部署方案。该实践对电商评论分析和个性化推荐系统开发具有重要参考价值。

深未来技术 357

Mysql好文推荐

Mysql好文推荐 MySQL的几种join方法 Hive中HSQL中left semi join和INNER JOIN、LEFT JOIN、RIGHT JOIN、FULL JOIN区别 左半连接LEFT SEMI JOIN

迷路剑客个人博客 393

阿里不让多表 join?我偏要!

程序员的成长之路互联网/程序员/成长/职场关注阅读本文大概需要 7分钟。作者:谢斌来源:http://blog.itpub.net/30393770/viewspa...

良月柒 1949

Java后端面试核心:Stream、MySQL与分布式系统解析

Java 8 Stream API通过流水线操作和延迟执行特性,为集合处理提供了函数式编程范式,其底层基于Fork/Join框架实现并行计算。MySQL的MVCC机制通过Undo日志和ReadView实现事务隔离,而redo log与binlog的两阶段提交确保数据一致性。在分布式系统中,雪花算法等ID生成方案解决了全局唯一性挑战。这些技术广泛应用于电商、金融等高并发场景,如美团在订单系统中采用定制化Leaf方案处理日均10亿级ID生成。理解这些原理对Java后端开发至关重要,特别是在处理大数据量、高并发的

weixin_33984032的博客 306
上一篇: SSH 的 22 端口原来是这么来的?
下一篇: SpringBoot 将 jar 包和 lib 依赖分离,Dockerfile 构建镜像
公众号-芋道源码
博客等级 码龄10年 1640粉丝 377原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值