為什么阿里巴巴規(guī)定禁止超過三張表 join？

本周贈(zèng)書《性能之巔》第2版

前段時(shí)間在跟其他公司DBA交流時(shí)談到了mysql跟PG之間在多表關(guān)聯(lián)查詢上的一些區(qū)別，相比之下mysql只有一種表連接類型:嵌套循環(huán)連接(nested-loop)，不支持排序-合并連接(sort-merge join)與散列連接(hash join)，而PG是都支持的，而且mysql是往簡(jiǎn)單化方向去設(shè)計(jì)的，如果多個(gè)表關(guān)聯(lián)查詢（超過3張表）效率上是比不上PG的。

1. 摘要

• 不超過3層是為了效率。
• 更通用 ，更好為了分布式做準(zhǔn)備。

下面也對(duì)mysql多表關(guān)聯(lián)這個(gè)特性簡(jiǎn)單探討下~

2. 多表關(guān)聯(lián)

MySQL多表關(guān)聯(lián)查詢效率高點(diǎn)還是多次單表查詢效率高？

A,B兩個(gè)表數(shù)據(jù)規(guī)模十幾萬，數(shù)據(jù)規(guī)模都不大，單機(jī)MySQL夠用了，在單機(jī)的基礎(chǔ)上要關(guān)聯(lián)兩表的數(shù)據(jù)，先說一個(gè)極端情況，A,B兩個(gè)表都沒有索引，并且關(guān)聯(lián)是笛卡爾積，那關(guān)聯(lián)結(jié)果會(huì)爆炸式增長，可能到億級(jí)別，這個(gè)時(shí)候網(wǎng)絡(luò)IO成了瓶頸，這個(gè)時(shí)候兩次十萬行結(jié)果集的拉去可能遠(yuǎn)小于1次億級(jí)別的結(jié)果集的拉取，那么將關(guān)聯(lián)合并拉到service層做更快。

但實(shí)際業(yè)務(wù)中一般不會(huì)有這么蠢的行為，一般關(guān)聯(lián)會(huì)有連接條件，并且連接條件上會(huì)有索引，一般是有一個(gè)結(jié)果集比較小，拿到這個(gè)結(jié)果集去另一張表去關(guān)聯(lián)出其它信息。

如果放到service層去做，最快的方式是，先查A表，得到一個(gè)小的結(jié)果集，一次rpc，再根據(jù)結(jié)果集，拼湊出B表的查詢條件，去B表查到一個(gè)結(jié)果集，再一次rpc，再把結(jié)果集拉回service層，再一次rpc，然后service層做合并，3次rpc。

如果用數(shù)據(jù)庫的join，關(guān)聯(lián)結(jié)果拉回來，一次rpc，幫你省了兩次rpc，當(dāng)然數(shù)據(jù)庫上做關(guān)聯(lián)更快，對(duì)應(yīng)到數(shù)據(jù)庫就是一次blk nested loop join，這是業(yè)務(wù)常用情況。

但是確實(shí)大多數(shù)業(yè)務(wù)都會(huì)考慮把這種合并操作放到service層，一般是有以下幾方面考慮：

第一

單機(jī)數(shù)據(jù)庫計(jì)算資源很貴，數(shù)據(jù)庫同時(shí)要服務(wù)寫和讀，都需要消耗CPU，為了能讓數(shù)據(jù)庫的吞吐變得更高，而業(yè)務(wù)又不在乎那幾百微妙到毫秒級(jí)的延時(shí)差距，業(yè)務(wù)會(huì)把更多計(jì)算放到service層做，畢竟計(jì)算資源很好水平擴(kuò)展，數(shù)據(jù)庫很難啊，所以大多數(shù)業(yè)務(wù)會(huì)把純計(jì)算操作放到service層做，而將數(shù)據(jù)庫當(dāng)成一種帶事務(wù)能力的kv系統(tǒng)來使用，這是一種重業(yè)務(wù)，輕DB的架構(gòu)思路

第二

** **

很多復(fù)雜的業(yè)務(wù)可能會(huì)由于發(fā)展的歷史原因，一般不會(huì)只用一種數(shù)據(jù)庫，一般會(huì)在多個(gè)數(shù)據(jù)庫上加一層中間件，多個(gè)數(shù)據(jù)庫之間就沒辦法join了，自然業(yè)務(wù)會(huì)抽象出一個(gè)service層，降低對(duì)數(shù)據(jù)庫的耦合。

第三

對(duì)于一些大型公司由于數(shù)據(jù)規(guī)模龐大，不得不對(duì)數(shù)據(jù)庫進(jìn)行分庫分表，對(duì)于分庫分表的應(yīng)用，使用join也受到了很多限制，除非業(yè)務(wù)能夠很好的根據(jù)sharding key明確要join的兩個(gè)表在同一個(gè)物理庫中。而中間件一般對(duì)跨庫join都支持不好。

舉一個(gè)很常見的業(yè)務(wù)例子，在分庫分表中，要同步更新兩個(gè)表，這兩個(gè)表位于不同的物理庫中，為了保證數(shù)據(jù)一致性，一種做法是通過分布式事務(wù)中間件將兩個(gè)更新操作放到一個(gè)事務(wù)中，但這樣的操作一般要加全局鎖，性能很捉急，而有些業(yè)務(wù)能夠容忍短暫的數(shù)據(jù)不一致，怎么做？

讓它們分別更新唄，但是會(huì)存在數(shù)據(jù)寫失敗的問題，那就起個(gè)定時(shí)任務(wù)，掃描下A表有沒有失敗的行，然后看看B表是不是也沒寫成功，然后對(duì)這兩條關(guān)聯(lián)記錄做訂正，這個(gè)時(shí)候同樣沒法用join去實(shí)現(xiàn)，只能將數(shù)據(jù)拉到service層應(yīng)用自己來合并了。

到這里答案就很清楚了~

對(duì)關(guān)聯(lián)查詢進(jìn)行分解

很多高性能的應(yīng)用都會(huì)對(duì)關(guān)聯(lián)查詢進(jìn)行分解。

簡(jiǎn)單地，可以對(duì)每個(gè)表進(jìn)行一次單表查詢，然后將結(jié)果在應(yīng)用程序中進(jìn)行關(guān)聯(lián)。例如，下面這個(gè)查詢：

select * from tag
join tag_post on tag_post.tag_id=tag.id
join post on tag_post.post_id=post.id
where tag.tag=’mysql’;

可以分解成下面這些查詢來代替：

Select * from tag where tag=’mysql’;
Select * from tag_post where tag_id=1234;
Select * from post where id in(123,456,567,9989,8909);

為什么會(huì)這樣做呢？原本一條查詢，這里卻變成了多條查詢，返回結(jié)果又是一模一樣。

事實(shí)上，用分解關(guān)聯(lián)查詢的方式重構(gòu)查詢具有如下優(yōu)勢(shì)：

• 讓緩存的效率更高。
• 許多應(yīng)用程序可以方便地緩存單表查詢對(duì)應(yīng)的結(jié)果對(duì)象。另外對(duì)于MySQL的查詢緩存來說，如果關(guān)聯(lián)中的某個(gè)表發(fā)生了變化，那么就無法使用查詢緩存了，而拆分后，如果某個(gè)表很少改變，那么基于該表的查詢就可以重復(fù)利用查詢緩存結(jié)果了。
• 將查詢分解后，執(zhí)行單個(gè)查詢可以減少鎖的競(jìng)爭(zhēng)。
• 在應(yīng)用層做關(guān)聯(lián)，可以更容易對(duì)數(shù)據(jù)庫進(jìn)行拆分，更容易做到高性能和可擴(kuò)展。
• 查詢本身效率也可能會(huì)有所提升
• 可以減少冗余記錄的查詢。
• 更進(jìn)一步，這樣做相當(dāng)于在應(yīng)用中實(shí)現(xiàn)了哈希關(guān)聯(lián)，而不是使用MySQL的嵌套環(huán)關(guān)聯(lián)，某些場(chǎng)景哈希關(guān)聯(lián)的效率更高很多。

3. 解釋

RPC(Remote Procedure Call)：遠(yuǎn)程過程調(diào)用，它是一種通過網(wǎng)絡(luò)從遠(yuǎn)程計(jì)算機(jī)程序上請(qǐng)求服務(wù)，而不需要了解底層網(wǎng)絡(luò)技術(shù)的思想

來源：blog.csdn.net/NumberOneStudent/article/details/102776289