本文详细介绍了MySQL中的Multi-RangeRead（MRR）和BatchedKeyAccess（BKA）优化技术，如何提升查询性能。通过示例展示了MRR如何减少随机访问，提高顺序读取效率，以及BKA如何改进NLJ算法，减少磁盘IO和CPU资源消耗。同时，提出了临时表和哈希JOIN的优化策略，以应对特定场景下的性能挑战。
表初始化
CREATE TABLE t1(id INT PRIMARY KEY, a INT, b INT, INDEX(a));
CREATE TABLE t2 LIKE t1;
DROP PROCEDURE idata;
DELIMITER ;;
CREATE PROCEDURE idata()
BEGIN
DECLARE i INT;
SET i=1;
WHILE (i <= 1000) DO
INSERT INTO t1 VALUES (i,1001-i,i);
SET i=i+1;
END WHILE;
SET i=1;
WHILE (i <= 1000000) DO
INSERT INTO t2 VALUES (i,i,i);
SET i=i+1;
END WHILE;
END;;
DELIMITER ;
CALL idata();
Multi-Range Read
MRR的目的：尽量使用顺序读盘
回表
SELECT * FROM t1 WHERE a>=1 AND a<=100;
如果随着a递增的顺序进行查询的话，id的值会变成随机的，就会出现随机访问，性能相对较差
MRR
- 根据索引a，定位到满足条件的记录，将id的值放入read_rnd_buffer中
- 将read_rnd_buffer中的id进行递增排序
- 排序后的id值，依次到主键索引中查找
- 如果read_rnd_buffer满，先执行完第2步和第3步，然后清空read_rnd_buffer，继续遍历索引a
-- 默认值为256KB
-- 8388608 Bytes = 8 MB
mysql> SHOW VARIABLES LIKE '%read_rnd_buffer_size%';
+----------------------+---------+
| Variable_name | Value |
+----------------------+---------+
| read_rnd_buffer_size | 8388608 |
+----------------------+---------+
-- mrr_cost_based=on：现在的优化器基于消耗的考虑，更倾向于不使用MRR
mysql> SHOW VARIABLES LIKE '%optimizer_switch%'\G;
*************************** 1. row ***************************
Variable_name: optimizer_switch
Value: index_merge=on,index_merge_union=on,index_merge_sort_union=on,index_merge_intersection=on,engine_condition_pushdown=on,index_condition_pushdown=on,mrr=on,mrr_cost_based=on,block_nested_loop=on,batched_key_access=off,materialization=on,semijoin=on,loosescan=on,firstmatch=on,duplicateweedout=on,subquery_materialization_cost_based=on,use_index_extensions=on,condition_fanout_filter=on,derived_merge=on,use_invisible_indexes=off
-- 稳定启动MRR优化
SET optimizer_switch='mrr_cost_based=off';
执行流程
explain
mysql> SET optimizer_switch='mrr_cost_based=on';
Query OK, 0 rows affected (0.00 sec)
-- 优化器没有选择MRR
mysql> EXPLAIN SELECT * FROM t1 WHERE a>=1 AND a<=100;
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+-----------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+-----------------------+
| 1 | SIMPLE | t1 | NULL | range | a | a | 5 | NULL | 100 | 100.00 | Using index condition |
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+-----------------------+
1 row in set, 1 warning (0.00 sec)
mysql> SET optimizer_switch='mrr_cost_based=off';
Query OK, 0 rows affected (0.00 sec)
-- 优化器选择了MRR
mysql> EXPLAIN SELECT * FROM t1 WHERE a>=1 AND a<=100;
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+----------------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+----------------------------------+
| 1 | SIMPLE | t1 | NULL | range | a | a | 5 | NULL | 100 | 100.00 | Using index condition; Using MRR |
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+----------------------------------+
小结
MRR提升性能的核心：能够在索引a上做范围查询，得到足够多的主键，完成排序后再回表，体现出顺序性的优势
NLJ优化
NLJ算法
从驱动表t1，一行行地取出a的值，再到被驱动表t2去join，此时没有利用到MRR的优势
BKA优化
Batched Key Access，是MySQL 5.6引入的对Index Nested-Loop Join（NLJ）的优化
- BKA优化的思路：复用join_buffer
- 在BNL算法中，利用了join_buffer来暂存驱动表的数据，但在NLJ里面并没有利用到join_buffer
- 在join_buffer中放入的数据为P1~P100，表示只会取查询所需要的字段
- 如果join_buffer放不下P1~P100，就会将这100行数据分成多段执行
启动
-- BKA算法依赖于MRR
SET optimizer_switch='mrr=on,mrr_cost_based=off,batched_key_access=on';
BNL（Block Nested-Loop Join）优化
性能问题
- 使用BNJ算法，可能会对被驱动表做多次扫描，如果被驱动表是一个大的冷数据表，首先IO压力会增大
- Buffer Pool的LRU算法
- 第一次从磁盘读入内存的数据页，会先放在old区
- 如果1s后这个数据页不再被访问，就不会被移动到LRU链表头部，对Buffer Pool的命中率影响不大
- 如果一个使用了BNJ算法的Join语句，多次扫描一个冷表
- 如果冷表不大，能够完全放入old区
- 再次扫描冷表的时候，会把冷表的数据页移到LRU链表头部，不属于期望的晋升
- 如果冷表很大，业务正常访问的数据页，可能没有机会进入young区
- 一个正常访问的数据页，要进入young区，需要隔1S后再次被访问
- 由于Join语句在循环读磁盘和淘汰内存页，进入old区的数据页，很有可能在1S内被淘汰
- 正常业务访问的数据页也一并被冲掉，影响正常业务的内存命中率
- 如果冷表不大，能够完全放入old区
- 大表Join虽然对IO有影响，但在语句执行结束后，对IO的影响也就结束了
- 但对Buffer Pool的影响是持续性的，需要依靠后续的查询请求慢慢恢复内存命中率、
- 为了减少这种影响，可以考虑适当地增大join_buffer_size，减少对被驱动表的扫描次数
- 小结
- 可能会多次扫描被驱动表，占用磁盘IO资源
- 判断Join条件需要执行M∗N次对比，如果是大表会占用非常多的CPU资源
- 可能会导致Buffer Pool的热数据被淘汰和正常的业务数据无法成为热数据，进而影响内存命中率
- 如果优化器选择了BNL算法，就需要做优化
- 给被驱动表Join字段加索引，把BNL算法转换成BKA算法
- 临时表
不适合建索引
t2中需要参与Join的只有2000行，并且为一个低频语句，为此在t2.b上建索引是比较浪费的
SELECT * FROM t1 JOIN t2 ON (t1.b=t2.b) WHERE t2.b>=1 AND t2.b<=2000;
采用BNL
- 取出t1的所有字段，存入join_buffer（无序数组），完全放得下
- 扫描t2，取出每一行数据跟join_buffer中的数据进行对比
- 如果不满足t1.b=t2.b，则跳过
- 如果满足t1.b=t2.b，再判断是否满足其它条件，如果满足就作为结果集的一部分返回，否则跳过
- 等值判断的次数为1000100W=10亿，计算量很大
-- 使用BNL算法
mysql> EXPLAIN SELECT * FROM t1 JOIN t2 ON (t1.b=t2.b) WHERE t2.b>=1 AND t2.b<=2000;
+----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+----------------------------------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+----------------------------------------------------+
| 1 | SIMPLE | t1 | NULL | ALL | NULL | NULL | NULL | NULL | 1000 | 100.00 | Using where |
| 1 | SIMPLE | t2 | NULL | ALL | NULL | NULL | NULL | NULL | 998414 | 1.11 | Using where; Using join buffer (Block Nested Loop) |
+----+-------------+-------+------------+------+---------------+------+---------+------+--------+----------+----------------------------------------------------+
-- 执行耗时为75S，非常久！
mysql> SELECT * FROM t1 JOIN t2 ON (t1.b=t2.b) WHERE t2.b>=1 AND t2.b<=2000;
...
| 999 | 2 | 999 | 999 | 999 | 999 |
| 1000 | 1 | 1000 | 1000 | 1000 | 1000 |
+------+------+------+------+------+------+
1000 rows in set (1 min 15.29 sec)
# Time: 2019-03-11T12:04:49.066846Z
# User@Host: root[root] @ localhost [] Id: 8
# Query_time: 75.288703 Lock_time: 0.000174 Rows_sent: 1000 Rows_examined: 1001000
SET timestamp=1552305889;
SELECT * FROM t1 JOIN t2 ON (t1.b=t2.b) WHERE t2.b>=1 AND t2.b<=2000;
临时表
思路
- 把t2中满足条件的数据先放到临时表tmp_t中
- 为了让join使用BKA算法，给临时表tmp_t的字段b加上索引
- 让表t1和tmp_t做join操作
执行过程
CREATE TEMPORARY TABLE temp_t (id INT PRIMARY KEY, a INT, b INT, INDEX(b)) ENGINE=InnoDB;
INSERT INTO temp_t SELECT * FROM t2 WHERE b>=1 AND b<=2000;
# Time: 2019-03-11T12:20:01.810030Z
# User@Host: root[root] @ localhost [] Id: 8
# Query_time: 0.624821 Lock_time: 0.002347 Rows_sent: 0 Rows_examined: 1000000
SET timestamp=1552306801;
INSERT INTO temp_t SELECT * FROM t2 WHERE b>=1 AND b<=2000;
-- 采用NLJ算法，如果batched_key_access=on，将采用BKA优化
mysql> EXPLAIN SELECT * FROM t1 JOIN temp_t ON (t1.b=temp_t.b);
+----+-------------+--------+------------+------+---------------+------+---------+-----------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+--------+------------+------+---------------+------+---------+-----------+------+----------+-------------+
| 1 | SIMPLE | t1 | NULL | ALL | NULL | NULL | NULL | NULL | 1000 | 100.00 | Using where |
| 1 | SIMPLE | temp_t | NULL | ref | b | b | 5 | test.t1.b | 1 | 100.00 | NULL |
+----+-------------+--------+------------+------+---------------+------+---------+-----------+------+----------+-------------+
-- 执行耗时为20ms，提升很大
mysql> SELECT * FROM t1 JOIN temp_t ON (t1.b=temp_t.b);
...
| 999 | 2 | 999 | 999 | 999 | 999 |
| 1000 | 1 | 1000 | 1000 | 1000 | 1000 |
+------+------+------+------+------+------+
1000 rows in set (0.02 sec)
# Time: 2019-03-11T12:20:11.041259Z
# User@Host: root[root] @ localhost [] Id: 8
# Query_time: 0.012139 Lock_time: 0.000187 Rows_sent: 1000 Rows_examined: 2000
SET timestamp=1552306811;
SELECT * FROM t1 JOIN temp_t ON (t1.b=temp_t.b);
- 执行INSERT语句构造tmp_t表并插入数据的过程中，对t2做了全表扫描，扫描行数为100W
- JOIN语句先扫描t1，扫描行数为1000，在JOIN的比较过程中，做了1000次带索引的查询
Hash Join
- 如果join_buffer维护的不是一个无序数组，而是一个哈希表，那只需要100W次哈希查找即可\
- MySQL目前不支持Hash Join，业务端可以自己实现Hash Join
- SELECT * FROM t1。 取t1的全部1000行数据，在业务端存入一个hash结构
- SELECT * FROM t2 WHERE b>=1 AND b<=2000，获取t2中满足条件的2000行数据
- 把这2000行数据，一行行地到hash结构去匹配，将满足匹配条件的行数据，作为结果集的一行
小结
- BKA是MySQL内置支持的，推荐使用
- BNL算法效率低，建议都尽量换成BKA算法，优化的方向是给被驱动表的关联字段加上索引
- 基于临时表的改进方案，对于能够提前过滤出小数据的JOIN语句来说，效果还是很明显的
- MySQL目前还不支持Hash Join
参考资料
《MySQL实战45讲》
扫一扫
258
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
