深入了解MySQL中的join语句算法（优化方法介绍）

结论： MySQL JOIN算法：NLJ（小表驱动大表，使用索引）、BNL（无索引，全表扫描）、SNLJ（理论算法，未使用）。
优化方法： 1 . 确保JOIN字段有索引。
2 . 设置 join_buffer_size （默认：2 5 6 KB）。
3 、使用MRR优化范围查询。
4 .BKA优化NLJ。
5 、解决BNL问题：使用临时表或者业务端HashJoin。
重要建议：
监控BufferPool命中率。

考虑复杂查询的临时表。
性能影响：
BNL 问题：多个 I/O、高 CPU、对 BufferPool 的影响。

解决方案重点：索引优化、BKA、临时表、业务处理。

mysqlmysql如何优化in条件大列表查询

说白了，MySQL中优化IN条件大列表查询的关键是诊断性能问题，选择合适的查询方法，合理分区或存储数据。
其实很简单。
以下是一些要点：
我们先来说说最重要的事情。
使用 EXPLAIN 和慢查询日志来诊断性能问题。
例如，在我去年运行的一个项目中，我使用 EXPLAIN 看到类型列是 ALL，行列显示大约 3 ,000。
这表明索引没有得到有效使用，IN 条件可能是性能瓶颈。

还有一点就是，分析慢查询日志也很重要。
一开始我以为慢查询日志只记录慢查询，后来发现我错了。
您还可以使用大型 IN 列表记录查询。
例如，如果执行时间超过慢查询阈值，我们使用日志来查找需要优化的查询。

另一个重要的细节是JOIN和IN之间的性能比较。
JOIN 通常更高效，尤其是在 JOIN 操作正确使用索引的情况下。
例如，要在临时表 temp_users 中查询订单表中属于用户的订单，使用 JOIN 查询比 IN 查询更快。

接下来限制IN列表大小的优化策略也很实用。
例如，将一个大的 IN 列表拆分为几个较小的列表并使用 UNIONALL 将它们连接起来，或者将列表存储在临时表中并使用 JOIN 进行查询。
我们去年处理的一个大项目是将一个大列表分成几个较小的列表。
通过将每个小列表的大小控制在数百到数千，然后使用UNIONALL合并结果，查询效率大大提高。

最后一个很容易陷入的陷阱是避免全表扫描。
确保查询计划中的类型列不是 ALL，并减少通过索引检索的行数。
没有多少人关注这一点，但我认为值得一试。