MySQL查询优化器浅析(一)

1 定义 Mysql查询优化器的工作是为查询语句选择合适的执行路径。查询优化器的代码一般是经常变动的，这和存储引擎不太一样。因此，需要理解最新版本的查询优化器是如何组织的，请参考相应的源代码。整体而言，优化器有很多相同性，对mysql一个版本的优化器做 1 定义　　Mysql查询优化器的工作是为查询语句选择合适的执行路径。查询优化器的代码一般是经常变动的，这和存储引擎不太一样。因此，需要理解最新版本的查询优化器是如何组织的，请参考相应的源代码。整体而言，优化器有很多相同性，对mysql一个版本的优化器做到整体掌握，理解起mysql新版本以及其他数据库的优化器都是类似的。　　优化器会对查询语句进行转化，转化等价的查询语句。举个例子，优化器会将下面语句进行转化：　　SELECT … WHERE 5=a;　　转化后的等价语句为：　　SELECT … WHERE a=5;　　因为这两个语句的结果集是一致的，所以这两个语句是等价的。　　这里我需要提出一点需要注意的，如果查询语句没带order by。查询语句1出现的结果为(1,1),(2,2)，查询语句2出现的结果为(2,2),(1,1)，我们会认为这是等价的，因为不带order by的查询语句是无序的，怎么排序都行。2 代码组织　　在内核当中handle_select()函数是处理查询语句的顶层函数，里面有两个分支，一个是处理带union的情况，另外一个是处理不带union的情况，这里我们只是列出一个简单的路径便于说明，调用层次见下图。　 handle_select() mysql_select() JOIN::prepare() setup_fields() JOIN::optimize() /* optimizer is from here ... */ optimize_cond() opt_sum_query() make_join_statistics() get_quick_record_count() choose_plan() /* Find the best way to access tables */ /* as specified by the user. */ optimize_straight_join() best_access_path() /* Find a (sub-)optimal plan among all or subset */ /* of all possible query plans where the user */ /* controlls the exhaustiveness of the search. */ greedy_search() best_extension_by_limited_search() best_access_path() /* Perform an exhaustive search for an optimal plan */ find_best() make_join_select() /* ... to here */ JOIN::exec()　　上面的缩进表示函数的相互调用关系，因此可以看出handle_select()调用函数mysql_select(),mysql_select()调用JOIN::prepare()，等等。　　mysql_select()首先调用函数JOIN::prepare()进行语句分析、元数据设置、子查询转化等等。然后调用函数JOIN::optimize()进行优化，选出最后的执行计划。最后调用函数JOIN::exec()执行该执行计划。　　尽管出现了单词“JOIN”，这些优化函数是为所有的查询语句服务的，不管你是什么查询类型。　　函数optimize_cond()和函数opt_sum_query()是执行一些转化操作。函数make_join_statistics()对所有可用索引统计信息进行分析。3 常量转化　　对类似下面的表达式可以进行转化：　　WHERE column1 = column2 AND column2 = 'x';　　因为我们知道：如果A=B and B=C，那么A=C。所以上面的表达式可以转化为：　　WHERE column1 = 'x' AND column2 = 'x';　　对于column1 　　=,,=,,,LIKE　　从中我们也可以看出，对于BETWEEN的情况是不进行转换的。4 无效代码的排除　　见如下表达式：　　WHERE 0=0 AND column1='y'　　因为第一个条件是始终为true的，所以可以移除该条件，变为：　　WHERE column1='y'　　再见如下表达式：　　WHERE (0=1 AND s1=5) OR s1=7　　因为前一个括号内的表达式始终为false，因此可以移除该表达式，变为：　　WHERE s1=7　　一些情况下甚至可以将整个WHERE子句去掉，见下面的表达式：　　WHERE (0=1 AND s1=5)　　我们可以看到，WHERE子句始终为FALASE，那么WHERE条件是不可能发生的。当然我们也可以讲，WHERE条件被优化掉了。　　如果一个列的定义是不允许为NULL，那么：　　WHERE not_null_column IS NULL　　该条件是始终为false的，再看：　　WHERE not_null_column IS NOT NULL　　该条件是始终为true的，因此这样的表达式也是可以从条件表达式中删除的。　　当然，也是有特殊情况的，比如在out join中，被定义为NOT NULL的列也可能包含NULL值。在这种情况下，IS NULL条件是被保留的。　　当然优化器没有对所有的情况进行检测，因为这实在太复杂了。举个例子：　　CREATE TABLE Table1(column1 CHAR(1));　　…　　SELECT * FROM Table1 WHERE column1 = 'Canada';　　尽管该条件是无效条件，优化器也不会将它移除。5 常量计算　　如下表达式：　　WHERE columb1 = 1 + 2　　转化为：　　WHERE columb1 = 36 常量以及常量表　　常量表的定义如下：　　1) 一个表只有0行或者1行数据。　　2) 在WHERE子句中包含条件column = constant，并且这些列是primary key，或者这些列是UNIQUE(假设该UNIQUE同时被定义为NOT NULL)。这样生成的查询结果也可以成为常量表。　　如果表Table0定义中包含：　　… PRIMARY KEY(column1,column2)　　再看下面的语法：　　FROM Table0 … WHERE column1=5 AND column2=7 …　　那么该语句返回的就是常量表。　　举个更简单的情况，建设Table1定义中包含:　　… unique_not_null_column INT NOT NULL UNIQUE　　再看下面的语法：　　FROM Table1 ... WHERE unique_not_null_column=5　　该语句返回的也是常量表。　　从例子中我们可以看出常量表最多只有1个行值。MySQL会预先评估常量表，找出这个值，然后将这个值引入到查询语句中进行优化，举例如下：　　SELECT Table1.unique_not_null_column, Table2.any_column　　FROM Table1, Table2　　WHERE Table1.unique_not_null_column = Table2.any_column　　AND Table1.unique_not_null_column = 5;　　在评估这个查询语句时，MySQL首先发现通过Table1.unique_not_null_column条件的限制，Table1会变成一个常量表。然后，取回该值。　　如果取回操作失败(Table1中没有行满足条件unique_not_null_column = 5)，那么该常量表就包含0行，那么如果对该语句执行EXPLAIN操作，会得到提示信息：　　Impossible WHERE noticed after reading const tables　　另外一种情况是取回操作成功(Table1中严格只有一行满足条件unique_not_null_column = 5)，那么常量表中包含一条数据，并且MySQL会将查询语句转化为：　　SELECT 5, Table2.any_column　　FROM Table1, Table2　　WHERE 5 = Table2.any_column　　AND 5 = 5;　　实际上，这个例子是个复杂的例子，这里面也用到了上文所说的常量转化。　　7 存取类型　　当我们评估一个条件表达式，MySQL判断该表达式的存取类型。下面是一些存取类型，按照从最优到最差的顺序进行排列：　　system … 系统表，并且是常量表　　const … 常量表　　eq_ref … unique/primary索引，并且使用的是'='进行存取　　ref … 索引使用'='进行存取　　ref_or_null … 索引使用'='进行存取，并且有可能为NULL　　range … 索引使用BETWEEN、IN、>=、LIKE等进行存取　　index … 索引全扫描　　ALL … 表全扫描　　优化器根据存取类型选择合适的驱动表达式。考虑如下的查询语句：以下是引用片段：　　SELECT * 　　FROM Table1 　　WHERE indexed_column = 5 AND unindexed_column = 6　　因为indexed_column拥有更好的存取类型，所以更有可能使用该表达式做为驱动表达式。这里只考虑简单的情况，不考虑特殊的情况。　　那么驱动表达式的意思是什么呢?考虑到这个查询语句有两种可能的执行方法:　　1) 不好的执行路径：读取表的每一行(称为“全表扫描”)，对于读取到的每一行，检查相应的值是否满足indexed_column以及unindexed_column对应的条件。　　2) 好的执行路径：通过键值indexed_column=5查找B树，对于符合该条件的每一行，判断是否满足unindexed_column对应的条件。　　一般情况下，索引查找比全表扫描需要更少的存取路径，尤其当表数据量很大，并且索引的类型是UNIQUE的时候。因此称它为好的执行路径，使用indexed_column列作为驱动表达式。