面试官灵魂拷问：为什么 SQL 语句不要过多的 join？

点击上方“朱小厮的博客”，选择“ 设为星标”

后台回复" 书 "，获取

后台回复“ k8s ”，可领取k8s资料

来源：r6d.cn/W2LN

送分题

面试官 ：有操作过Linux吗?

我 ：有的呀

面试官 ：我想查看内存的使用情况该用什么命令

我 ： free 或者 top

面试官 ：那你说一下用free命令都可以看到啥信息

我 ：那，如下图所示 可以看到内存以及缓存的使用情况

• total 总内存

• used 已用内存

• free 空闲内存

• buff/cache 已使用的缓存

• avaiable 可用内存

面试官 ：那你知道怎么清理已使用的缓存吗(buff/cache)

我 ：em... 不知道

面试官 ： sync; echo 3 > /proc/sys/vm/drop_caches 就可以清理 buff/cache 了，你说说我在线上执行这条命令做好不好?

我 ：(送分题,内心大喜)好处大大的有，清理出缓存我们就有更多可用的内存空间, 就跟pc上面xx卫士的小火箭一样，点一下，就释放出好多的内存

面试官 ：em...., 回去等通知吧

再谈SQL Join

面试官 ：换个话题，谈谈你对join的理解

我 ：好的（再答错就彻底完了,把握住机会)

回顾

SQL中的 join 可以根据某些条件把指定的表给结合起来并将数据返回给客户端

join 的方式有：5 种

• inner join 内连接

• left join 左连接

• right join 右连接

• full join 全连接

面试官 ：在项目开发中如果需要使用 join 语句，如何优化提升性能?

我 ：分为两种情况，数据规模小的，数据规模大的。

面试官 : 然后?

我 ：对于

• 数据规模较小 全部干进内存就完事了嗷

• 数据规模较大

可以通过增加索引来优化 join 语句的执行速度 可以通过冗余信息来减少 join 的次数 尽量减少表连接的次数，一个SQL语句表连接的次数不要超过5次

面试官 ：可以总结为 join 语句是相对比较耗费性能，对吗？

我 ：是的

面试官 : 为什么?

缓冲区

我 : 在执行join语句的时候必然要有一个比较的过程

面试官 : 是的

我 ：逐条比较两个表的语句是比较慢的，因此我们可以把两个表中数据依次读进一个 内存块 中, 以MySQL的InnoDB引擎为例，使用以下语句我们必然可以查到相关的内存区域 show variables like '%buffer%'

如下图所示 join_buffer_size 的大小将会影响我们 join 语句的执行性能

面试官 : 除此之外呢?

一个大前提

我 ：任何项目终究要上线，不可避免的要产生数据，数据的规模又不可能太小

面试官 : 是这样的

我 ：大部分数据库中的数据最终要保存到 硬盘 上,并且以文件的形式进行存储。

以MySQL的InnoDB引擎为例

• InnoDB以 页 (page)为基本的IO单位，每个页的大小为16KB

• InnoDB会为每个表创建用于存储数据的 .ibd 文件

验证

我 ：这意味着我们有多少表要连接就需要读多少个文件，虽然可以利用索引，但还是免不了频繁的移动硬盘的磁头

面试官 ：也就是说频繁的移动磁头会影响性能对吧

我 ：是的，现在的开源框架不都喜欢说自己通过顺序读写大大的提升了性能吗，比如 hbase 、 kafka

面试官 ：说的没错，那你认为 Linux 有对此做出优化吗?提示，你可以再执行一次 free 命令看一下

我 ：奇怪缓存怎么占用了1.2G多

面试官 : 你有没有想过

• buff/cache 里面存的是什么,？

• 为什么 buff/cache 占了那么多内存，可用内存即 availlable 还有 1.1G ？

• 为什么你可以通过两条命令来清理 buff/cache 占用的内存，而想要释放 used 只能通过结束进程来实现?

品，你细品

思考了几分钟后

我 ：这么随便就释放了 buff/cache 所占用的内存，说明它就不重要, 清除它不会对系统的运行造成影响

面试官 : 不完全对

我 ：难道是？想起来《CSAPP》（深入理解计算机系统）里面说过一句话

存储器层次结构的本质是，每一层存储设备都是较低一层设备的缓存

翻译成人话，就是说 Linux会把内存当作是硬盘的高速缓存

面试官 ：现在知道那道送分题应该怎么回答了吧

我 ：我....

Join算法

面试官 ：再给你个机会，如果让你来实现Join算法你会怎么做?

我 ：无索引的话,嵌套循环就完事了嗷。有索引的话，则可以利用索引来提升性能.

面试官 ：说回 join_buffer 你认为 join_buffer 里面存储的是什么?

我 ：在扫描过程中，数据库会选择一个表把他 要返回以及需要进行和其他表进行比较的数据 放进 join_buffer

面试官 ：有索引的情况下是怎么处理的？

我 ：这个就比较简单了，直接读取两个表的索引树进行比较就完事了嗷，我这边介绍一下无索引的处理方式

Nested Loop Join

嵌套循环，每次只读取表中的一行数据，也就是说如果outerTable有10万行数据, innerTable有100行数据，需要读取 10000000 次(假设这两个表的文件没有被操作系统给缓存到内存, 我们称之为冷数据表)

当然现在没啥数据库引擎使用这种算法（太慢了)

Block nested loop

Block 块，也就是说每次都会取一块数据到内存以减少I/O的开销

当没有索引可以使用的时候，MySQL InnoDB 就会使用这种算法

考虑以下两个表 t_a 和 t_b

当无法使用索引执行join操作的时候，InnoDB会自动使用 Block nested loop 算法

总结

上学时，数据库老师最喜欢考数据库范式，直到上班才学会一切以性能为准，能冗余就冗余，实在冗余不了的就 join 如果 join 真的影响到性能。试着调大你的 join_buffer_size , 或者换固态硬盘。