where field in(...) 是怎么执行的?

我们日常写 SQL 时,子查询应该算是常客了。MySQL 为子查询执行准备了各种优化策略,接下来我会写子查询各种优化策略是怎么执行的系列文章。

本文以包含最简单的 in 条件的查询入手,介绍 where field in (8,18,88,...) 这种值都是常量的 in 条件是怎么执行的。

这虽然不是子查询,我们就把它当成子查询的邻居好了,用它作为子查询系列的开篇,算是离子查询又近了一步 ^_^。

本文内容基于 MySQL 8.0.29 源码。

目录

[TOC]

正文

1. 概述

MySQL 为了能让 SQL 语句执行的更快一点,费尽心思进行了各种优化。

where field in (8,18,88,...) 这种值都是常量的 in 条件,看起来已经是最简单的形式了,执行过程似乎也没有什么可以优化的,但 MySQL 还是对它进行了优化。

这种 in 条件会有 2 种执行方式:

  • 二分法查找
  • 循环比较

MySQL 会优先使用二分法查找方式执行,如果不满足条件,再退而使用循环比较方式。

2. 二分法查找

判断 in 条件括号中的值和记录字段值是否匹配,相比于循环比较方式,二分法查找把时间复杂度从 O(N) 降为 O(logN),大大减少了需要比较的次数,提升了 SQL 的执行效率。

2.1 构造二分法查找数组

二分法查找虽好,但需要满足一定条件才能使用:

  • in 条件括号中的所有值都是常量,也就是说不能包含任何表中的字段、也不能包含系统变量(如 @@tmp_table_size)或自定义变量(如 @a),总之是不能包含任何可以变化的东西。

  • in 条件括号中所有值的数据类型必须相同。举个反例:where field in (1,8,'10') 这种既包含整数又包含字符串的 in 条件就是不行的。

  • in 条件括号中所有值的类型,以及字段本身的类型都不能是 json

如果以上 3 个条件都满足,就具备使用二分法查找的基础了。

接下来我们看看判断上述 3 个条件是否满足的主要流程:

第 1 步,循环 in 条件括号中的每个值,看看是否都是常量,只要碰到一个不是常量的值,就结束循环。

 1bool Item_func_in::resolve_type(THD *thd) {
 2  ......
 3  // 判断 in 条件字段本身是不是 json 类型
 4  bool compare_as_json = (args[0]->data_type() == MYSQL_TYPE_JSON);
 5  ......
 6  bool values_are_const = true;
 7  Item **arg_end = args + arg_count;
 8  for (Item **arg = args + 1; arg != arg_end; arg++) {
 9    // 判断 in 条件括号中的值是不是 json 类型
10    compare_as_json |= (arg[0]->data_type() == MYSQL_TYPE_JSON);
11    // 判断 in 条件括号中的值是不是常量
12    if (!(*arg)->const_item()) {
13      // in 条件括号中的值,只要有一个不是常量,就记录下来
14      values_are_const = false;
15      // @todo - rewrite as has_subquery() ???
16      if ((*arg)->real_item()->type() == Item::SUBSELECT_ITEM)
17        dep_subq_in_list = true;
18      // 然后结束循环
19      break;
20    }
21  }
22  ......
23}

上面代码里面还干了另一件事,就是判断 in 条件括号中的所有值,以及 in 条件字段是不是 json 类型。

args[0] 表示 in 条件字段,args[1~N] 是 in 条件括号中的值。

第 2 步,计算 in 条件括号中的所有值总共有几种数据类型。

 1bool Item_func_in::resolve_type(THD *thd) {
 2  ......
 3  uint type_cnt = 0;
 4  for (uint i = 0; i <= (uint)DECIMAL_RESULT; i++) {
 5    if (found_types & (1U << i)) {
 6      (type_cnt)++;
 7      cmp_type = (Item_result)i;
 8    }
 9  }
10  ......
11}

第 3 步,基于前两步的结果,综合起来判断是否满足二分法查找的 3 个前提条件。

 1bool Item_func_in::resolve_type(THD *thd) {
 2  ......
 3  /*
 4    First conditions for bisection to be possible:
 5     1. All types are similar, and
 6     2. All expressions in <in value list> are const
 7     3. No JSON is compared (in such case universal JSON comparator is used)
 8  */
 9  bool bisection_possible = type_cnt == 1 &&     // 1
10                            values_are_const &&  // 2
11                            !compare_as_json;    // 3
12  ......
13}

判断是否满足二分法查找的 3 个前提条件,逻辑就是上面这些了,不算太复杂。

MySQL 对于 where row(filed1,field2) in ((1,5), (8,10), ...) 这种 row 类型的 in 条件也会尽量使用二分法查找,本文内容不会涉及这些逻辑。

2.2 填充数组并排序

要使用二分法查找,只满足 3 个前提条件不算完事,还要求 in 条件括号中的值必须是已经排好序的,接下来就该再往前推进一步了,那就是对 in 条件括号中的值进行排序。

排序流程分为 2 步:

第 1 步,依然是用一个循环,把 in 条件括号中的每个值都依次加入到数组中。

第 2 步,所有值都加入数组之后,对数组元素进行排序。

 1// items 就是用于存放 in 条件括号中所有值的数组
 2bool in_vector::fill(Item **items, uint item_count) {
 3  used_count = 0;
 4  for (uint i = 0; i < item_count; i++) {
 5    // in 条件括号中的值加入数组
 6    set(used_count, items[i]);
 7    /*
 8      We don't put NULL values in array, to avoid erroneous matches in
 9      bisection.
10    */
11    // include this cell in the array.
12    if (!items[i]->null_value) used_count++;
13  }
14  assert(used_count <= count);
15  // 对数组元素进行排序
16  resize_and_sort();
17
18  // True = at least one null value found.
19  return used_count < item_count;
20}

不知道大家有没有这样的疑问:如果 in 条件括号中存在重复值,MySQL 会对数组中的元素去重吗?

答案是:MySQL 只会把 in 条件括号中的值原样加入数组,不会对数组中的元素去重

到这里,使用二分法查找的准备工作都已完成,这些准备工作都是在查询准备阶段进行的。

2.3 判断记录是否匹配 in 条件

server 层每从存储引擎读取到一条记录,都会判断记录是否和 in 条件匹配。

有了前面构造的有序数组,判断是否匹配的逻辑就很简单了,就是从读取出来的记录中拿到 in 条件字段的值,然后用有序数组进行二分法查找。

如果找到了,就说明记录和 in 条件匹配。

以 in 条件括号中所有值都是整数为例,二分法查找代码如下:

 1bool in_longlong::find_item(Item *item) {
 2  if (used_count == 0) return false;
 3  packed_longlong result;
 4  // 从记录中读取 in 字段的值到 result
 5  val_item(item, &result);
 6  // 读取出来的记录中,in 字段值为 null 就不用二分法查找了
 7  if (item->null_value) return false;
 8  // 对于非 null 值进行二分法查找
 9  return std::binary_search(base.begin(), base.end(), result, Cmp_longlong());
10}

3. 循环比较

前面介绍过,使用二分法查找执行 in 条件判断是有前提条件的,如果不满足条件,那就只能退而使用原始的执行方式了。

原始执行方式就是循环 in 条件括号中的值,逐个和存储引擎读取出来的记录字段值进行比较。

只要碰到一个相等的值,说明记录和 in 条件匹配,就结束循环,这条记录需要返回给客户端。

如果一直循环到 in 条件括号中的最后一个值,都没有碰到和存储引擎读取出来的记录字段值一样的,说明记录和 in 条件不匹配,这条记录不需要发送给客户端。

 1longlong Item_func_in::val_int() {
 2  ......
 3  for (uint i = 1; i < arg_count; i++) {
 4    // in 条件括号中当前循环的值是 null,跳过
 5    if (args[i]->real_item()->type() == NULL_ITEM) {
 6      have_null = true;
 7      continue;
 8    }
 9    
10    // 获取 in 条件括号中的值,用什么类型进行比较,记为 cmp_type
11    Item_result cmp_type =
12        item_cmp_type(left_result_type, args[i]->result_type());
13    in_item = cmp_items[(uint)cmp_type];
14    assert(in_item);
15    if (!(value_added_map & (1U << (uint)cmp_type))) {
16      // 把读取出来的记录的 in 字段值转换为 cmp_type 类型
17      in_item->store_value(args[0]);
18      value_added_map |= 1U << (uint)cmp_type;
19      if (current_thd->is_error()) return error_int();
20    }
21    // 比较读取出来的记录的 in 字段值和当前循环的值是否相等
22    const int rc = in_item->cmp(args[i]);
23    // rc 就是比较结果,false 表示相等
24    if (rc == false) return (longlong)(!negated);
25    have_null |= (rc == UNKNOWN);
26    if (current_thd->is_error()) return error_int();
27  }
28  ......
29}

4. 总结

不包含子查询的 in 条件,和存储引擎读取出来的记录字段值进行比较,有二分法查找、循环比较两种方式。

二分法查找虽然有 3 个条件限制,但实际上这些条件还是很容易满足的,所以,多数情况下都能够使用二分法查找以获得更高执行效率。




欢迎扫码关注公众号,我们一起学习更多 MySQL 知识: