join 优化的基本原则有哪些

1、join 优化的基本原则：
a：小结果集驱动大结果集
b: 确保被驱动的表被索引
c: 不能确保驱动表被索引加大 join_buffer_size 的大小。

原理： mysql 的 join 算法只有一种 Nested Loop Join算法。其最基本原理是 循环取驱动表中的每一条记录，
到匹配表中过滤，得到结果集list，再次循环list每条记录到下个匹配表中过滤，以此类推。

伪代码【2表关联】：
for each recode in table_a {
for each recode in table_b that table_a.column=table_b.column {
combination to output;
}
}

解析：Nested Loop Join 嵌套循环的代价取决于，内外循环代价的乘积。即 【驱动表行数】N*M【到匹配表中查找一次代价】
innodb B+ 树索引的高度一般是3 至4，也就是说一般情况下不管是哪个表作为匹配表，其一次查询代价是常量 T
即Join代价: N【表行数】*T【常量】所以 要用小结果集作为驱动表，另外强调一点是小结果集而不是小表，因为小 、大 是相对的，完全有可能大表通过过滤的结果
集比小表还要小的多。所以强调小结果集。

案例：1.2 亿大表关联 ，优化前执行3个小时没有结果。。。。。。 阿拉好想唱“等你 爱我 爱我哪怕只有一次也就足够........”
select c.current_name,count(*)
from ( select distinct PHONE from cis_data_qixin_score)a
join TMP_A1_INFO_MOBILE_H_20151201 b on substr(a.PHONE,1,7)=b.mobile_h_code
join TMP_A1_DICT_AREA_20151201 c on c.tele_code=b.prov_telecode
group by c.current_name ;

说明：sql 功能是获取 每个省的 电话号码数量。cis_data_qixin_score：号码表，TMP_A1_INFO_MOBILE_H_20151201 号码H码表，TMP_A1_DICT_AREA_20151201
号码H码对应省份表
执行计划：
+----+-------------+----------------------+-------+-------------------+-------------------+---------+------+-----------+---------------------------------------+
| id | select_type | table| type | possible_keys | key| key_len | ref | rows | Extra |
+----+-------------+----------------------+-------+-------------------+-------------------+---------+------+-----------+---------------------------------------+
| 1 | PRIMARY | c| ALL| NULL | NULL | NULL| NULL |41 | Using temporary; Using filesort|
| 1 | PRIMARY || ALL| NULL | NULL | NULL| NULL | 124364159 | Using join buffer (Block Nested Loop) |
| 1 | PRIMARY | b| ref| idx_mobile_h_code | idx_mobile_h_code | 33 | func | 1 | Using index condition; Using where|
| 2 | DERIVED | cis_data_qixin_score | index | PRIMARY,idx_phone | idx_phone | 62 | NULL | 124364159 | Using index|
+----+-------------+----------------------+-------+-------------------+-------------------+---------+------+-----------+---------------------------------------+

分析：由执行计划可知cis_data_qixin_score 通过号码去重后的衍生表DERIVED2 的124364159 条记录 【实际大概8千万，执行计划统计的不太精确】作为驱动表和匹
配表idx_mobile_h_code35W 条记录 进行Jion。这个正犯了“兵家之大忌”，大的结果集作为驱动表 其代价为124364159T 。又不能选择小表作为驱动表，
怎么办？ 现在的妹子不都是天天企盼着要减肥嘛，那我们也对“驱动表”这个妹子瘦瘦身吧。

sql功能分析：通过号码表和号码码表 substr(a.PHONE,1,7)=b.mobile_h_code关联 得到 号码的省份的code, 在和 省份表关联 得到省份名称，最后通过省份名称分组得
出所有省份的号码数量。也就是说PHONE的前七位的的数字对应相同的 省份code。一言以蔽之。直接对phone 的前七位分组，再join 。


改写后sql:
select c.current_name,sum(a.cou)
from (
select substr(a.PHONE,1,7) PHONE_h_code ,count(*) cou
from (select distinct PHONE from cis_data_qixin_score) a
group by substr(a.PHONE,1,7) order by null
)a
join TMP_A1_INFO_MOBILE_H_20151201 b on a.PHONE_h_code=b.mobile_h_code
join TMP_A1_DICT_AREA_20151201 c on c.tele_code=b.prov_telecode
group by c.current_name ;

执行计划：
+----+-------------+----------------------+-------+-------------------+-------------+---------+----------------------------+-----------+----------------------------------------------------+
| id | select_type | table| type | possible_keys | key | key_len | ref| rows | Extra |
+----+-------------+----------------------+-------+-------------------+-------------+---------+----------------------------+-----------+----------------------------------------------------+
| 1 | PRIMARY | c| ALL| NULL | NULL| NULL| NULL|41 | Using temporary; Using filesort|
| 1 | PRIMARY | b| ALL| idx_mobile_h_code | NULL| NULL| NULL|318794 | Using where; Using join buffer (Block Nested Loop) |
| 1 | PRIMARY || ref|| | 23 | cis_gather.b.mobile_h_code |390 | Using where|
| 2 | DERIVED || ALL| NULL | NULL| NULL| NULL| 124364170 | Using temporary|
| 3 | DERIVED | cis_data_qixin_score | index | PRIMARY,idx_phone | idx_phone| 62 | NULL| 124364170 | Using index|
+----+-------------+----------------------+-------+-------------------+-------------+---------+----------------------------+-----------+----------------------------------------------------+
5 rows in set (0.00 sec)


解析：通过 对号码前7位分组得到物化表【大概35w】自动创建索引PHONE_h_code 作为匹配表。join 代价为350000T
改写前后join 代价之比为：124364159T/350000T =355哈哈 是不是有种飞起来的赶脚。

结果： 优化后的sql 4 分钟 搞定。