步步深入:MySQL 架构总览-查询执行流程-SQL 解析顺序

本文主要是介绍步步深入:MySQL 架构总览-查询执行流程-SQL 解析顺序,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

你知道的越多,不知道的就越多,业余的像一棵小草!

你来,我们一起精进!你不来,我和你的竞争对手一起精进!

编辑:业余草

cnblogs.com/annsshadow/p/5355090.html

推荐:https://www.xttblog.com/?p=5271

一直是想知道一条 SQL 语句是怎么被执行的,它执行的顺序是怎样的,然后查看总结各方资料,就有了下面这一篇博文了。

本文将从 MySQL 总体架构 -> 查询执行流程 -> 语句执行顺序来探讨一下其中的知识。

MySQL 架构总览

架构最好看图,再配上必要的说明文字。

下图根据参考书籍中一图为原本,再在其上添加上了自己的理解。

从上图中我们可以看到,整个架构分为两层,上层是 MySQLD 的被称为的SQL Layer,下层是各种各样对上提供接口的存储引擎,被称为Storage Engine Layer。其它各个模块和组件,从名字上就可以简单了解到它们的作用,这里就不再累述了。

查询执行流程

下面再向前走一些,容我根据自己的认识说一下查询执行的流程是怎样的:

连接

  1. 客户端发起一条 Query 请求,监听客户端的连接管理模块接收请求;

  2. 将请求转发到连接进/线程模块

  3. 调用用户模块来进行授权检查;

  4. 通过检查后,连接进/线程模块线程连接池中取出空闲的被缓存的连接线程和客户端请求对接,如果失败则创建一个新的连接请求。

处理

  1. 先查询缓存,检查 Query 语句是否完全匹配,接着再检查是否具有权限,都成功则直接取数据返回;

  2. 上一步有失败则转交给‘命令解析器’,经过词法分析,语法分析后生成解析树;

  3. 接下来是预处理阶段,处理解析器无法解决的语义,检查权限等,生成新的解析树;

  4. 再转交给对应的模块处理;

  5. 如果是 SELECT 查询还会经由‘查询优化器’做大量的优化,生成执行计划;

  6. 模块收到请求后,通过访问控制模块检查所连接的用户是否有访问目标表和目标字段的权限;

  7. 有则调用表管理模块,先是查看 table cache 中是否存在,有则直接对应的表和获取锁,否则重新打开表文件;

  8. 根据表的 meta 数据,获取表的存储引擎类型等信息,通过接口调用对应的存储引擎处理;

  9. 上述过程中产生数据变化的时候,若打开日志功能,则会记录到相应二进制日志文件中。

结果

  1. Query 请求完成后,将结果集返回给连接进/线程模块

  2. 返回的也可以是相应的状态标识,如成功或失败等;

  3. 连接进/线程模块进行后续的清理工作,并继续等待请求或断开与客户端的连接。

一图小总结

SQL解析顺序

接下来再走一步,让我们看看一条 SQL 语句的前世今生。

首先看一下示例语句:

SELECT DISTINCT    < select_list >FROM    < left_table >
< join_type >JOIN < right_table > ON < join_condition >
WHERE    < where_condition >GROUP BY    < group_by_list >
HAVING    < having_condition >
ORDER BY    < order_by_condition >
LIMIT < limit_number >

然而它的执行顺序是这样的:

FROM <left_table>ON <join_condition><join_type> 
JOIN <right_table>
WHERE <where_condition>
GROUP BY <group_by_list>
HAVING <having_condition>
SELECT DISTINCT <select_list>
ORDER BY <order_by_condition>
LIMIT <limit_number>

虽然自己没想到是这样的,不过一看还是很自然和谐的,从哪里获取,不断的过滤条件,要选择一样或不一样的,排好序,那才知道要取前几条呢。

既然如此了,那就让我们一步步来看看其中的细节吧。

准备工作

创建测试数据库

create database testQuery

创建测试表

CREATE TABLE table1(    uid VARCHAR(10) NOT NULL,    name VARCHAR(10) NOT NULL,    PRIMARY KEY(uid)
)ENGINE=INNODB DEFAULT CHARSET=UTF8;CREATE TABLE table2(    oid INT NOT NULL auto_increment,    uid VARCHAR(10),    PRIMARY KEY(oid)
)ENGINE=INNODB DEFAULT CHARSET=UTF8;

插入数据

INSERT INTO table1(uid,name) 
VALUES('aaa','mike'),
('bbb','jack'),('ccc','mike'),
('ddd','mike');INSERT INTO table2(uid) VALUES('aaa'),
('aaa'),('bbb'),('bbb'),
('bbb'),('ccc'),(NULL);

最后想要的结果

SELECT    a.uid,    count(b.oid) AS total 
FROM table1 AS aLEFT 
JOIN table2 AS b ON a.uid = b.uid
WHERE    a. NAME = 'mike'
GROUP BY    a.uid
HAVING    count(b.oid) < 2
ORDER BY    total DESC
LIMIT 1;

下面我们现在开始 SQL 解析之旅吧!

FROM

当涉及多个表的时候,左边表的输出会作为右边表的输入,之后会生成一个虚拟表  VT1。

(1-J1)笛卡尔积

计算两个相关联表的笛卡尔积 (CROSS JOIN) ,生成虚拟表 VT1-J1。

mysql> select * from table1,table2;
+-----+------+-----+------+
| uid | name | oid | uid  |
+-----+------+-----+------+
| aaa | mike |   1 | aaa  |
| bbb | jack |   1 | aaa  |
| ccc | mike |   1 | aaa  |
| ddd | mike |   1 | aaa  |
| aaa | mike |   2 | aaa  |
| bbb | jack |   2 | aaa  |
| ccc | mike |   2 | aaa  |
| ddd | mike |   2 | aaa  |
| aaa | mike |   3 | bbb  |
| bbb | jack |   3 | bbb  |
| ccc | mike |   3 | bbb  |
| ddd | mike |   3 | bbb  |
| aaa | mike |   4 | bbb  |
| bbb | jack |   4 | bbb  |
| ccc | mike |   4 | bbb  |
| ddd | mike |   4 | bbb  |
| aaa | mike |   5 | bbb  |
| bbb | jack |   5 | bbb  |
| ccc | mike |   5 | bbb  |
| ddd | mike |   5 | bbb  |
| aaa | mike |   6 | ccc  |
| bbb | jack |   6 | ccc  |
| ccc | mike |   6 | ccc  |
| ddd | mike |   6 | ccc  |
| aaa | mike |   7 | NULL |
| bbb | jack |   7 | NULL |
| ccc | mike |   7 | NULL |
| ddd | mike |   7 | NULL |
+-----+------+-----+------+
28 rows in set (0.00 sec)

(1-J2) ON过滤

基于虚拟表 VT1-J1 这一个虚拟表进行过滤,过滤出所有满足 ON 谓词条件的列,生成虚拟表 VT1-J2。

注意:这里因为语法限制,使用了WHERE代替,从中读者也可以感受到两者之间微妙的关系。

mysql> SELECT-> *-> FROM-> table1,-> table2-> WHERE-> table1.uid = table2.uid-> ;
+-----+------+-----+------+
| uid | name | oid | uid  |
+-----+------+-----+------+
| aaa | mike |   1 | aaa  |
| aaa | mike |   2 | aaa  |
| bbb | jack |   3 | bbb  |
| bbb | jack |   4 | bbb  |
| bbb | jack |   5 | bbb  |
| ccc | mike |   6 | ccc  |
+-----+------+-----+------+
6 rows in set (0.00 sec)

(1-J3) 添加外部列

如果使用了外连接 (LEFT,RIGHT,FULL),主表(保留表)中的不符合 ON 条件的列也会被加入到 VT1-J2 中,作为外部行,生成虚拟表 VT1-J3。

mysql> SELECT-> *-> FROM-> table1 AS a-> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid;
+-----+------+------+------+
| uid | name | oid  | uid  |
+-----+------+------+------+
| aaa | mike |    1 | aaa  |
| aaa | mike |    2 | aaa  |
| bbb | jack |    3 | bbb  |
| bbb | jack |    4 | bbb  |
| bbb | jack |    5 | bbb  |
| ccc | mike |    6 | ccc  |
| ddd | mike | NULL | NULL |
+-----+------+------+------+
7 rows in set (0.00 sec)

下面从网上找到一张很形象的关于SQL JOINS的解释图,如若侵犯了你的权益,请劳烦告知删除,谢谢。

WHERE

对 VT1 过程中生成的临时表进行过滤,满足 WHERE 子句的列被插入到 VT2 表中。

注意:此时因为分组,不能使用聚合运算;也不能使用 SELECT 中创建的别名;

与 ON 的区别

  • 如果有外部列,ON 针对过滤的是关联表,主表(保留表)会返回所有的列;

  • 如果没有添加外部列,两者的效果是一样的。

「应用」

  • 对主表的过滤应该放在 WHERE;

  • 对于关联表,先条件查询后连接则用 ON,先连接后条件查询则用 WHERE。

mysql> SELECT-> *-> FROM-> table1 AS a-> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid-> WHERE-> a. NAME = 'mike';
+-----+------+------+------+
| uid | name | oid  | uid  |
+-----+------+------+------+
| aaa | mike |    1 | aaa  |
| aaa | mike |    2 | aaa  |
| ccc | mike |    6 | ccc  |
| ddd | mike | NULL | NULL |
+-----+------+------+------+
4 rows in set (0.00 sec)

GROUP BY

这个子句会把 VT2 中生成的表按照 GROUP BY 中的列进行分组,生成 VT3 表。

注意:其后处理过程的语句,如 SELECT、HAVING,所用到的列必须包含在 GROUP BY 中,对于没有出现的,得用聚合函数;

「原因」:GROUP BY 改变了对表的引用,将其转换为新的引用方式,能够对其进行下一级逻辑操作的列会减少。

「我的理解是」:根据分组字段,将具有相同分组字段的记录归并成一条记录,因为每一个分组只能返回一条记录,除非是被过滤掉了,而不在分组字段里面的字段可能会有多个值,多个值是无法放进一条记录的,所以必须通过聚合函数将这些具有多值的列转换成单值;

mysql> SELECT-> *-> FROM-> table1 AS a-> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid-> WHERE-> a. NAME = 'mike'-> GROUP BY-> a.uid;
+-----+------+------+------+
| uid | name | oid  | uid  |
+-----+------+------+------+
| aaa | mike |    1 | aaa  |
| ccc | mike |    6 | ccc  |
| ddd | mike | NULL | NULL |
+-----+------+------+------+
3 rows in set (0.00 sec)

HAVING

这个子句对 VT3 表中的不同的组进行过滤,只作用于分组后的数据,满足 HAVING 条件的子句被加入到 VT4 表中。

mysql> SELECT-> *-> FROM-> table1 AS a-> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid-> WHERE-> a. NAME = 'mike'-> GROUP BY-> a.uid-> HAVING-> count(b.oid) < 2;
+-----+------+------+------+
| uid | name | oid  | uid  |
+-----+------+------+------+
| ccc | mike |    6 | ccc  |
| ddd | mike | NULL | NULL |
+-----+------+------+------+
2 rows in set (0.00 sec)

SELECT

这个子句对 SELECT 子句中的元素进行处理,生成 VT5 表。

(5-J1) 计算表达式 计算 SELECT 子句中的表达式,生成 VT5-J1。

(5-J2) DISTINCT

寻找 VT5-1 中的重复列,并删掉,生成 VT5-J2。

如果在查询中指定了 DISTINCT 子句,则会创建一张内存临时表(如果内存放不下,就需要存放在硬盘了)。这张临时表的表结构和上一步产生的虚拟表 VT5 是一样的,不同的是对进行 DISTINCT 操作的列增加了一个唯一索引,以此来除重复数据。

mysql> SELECT-> a.uid,-> count(b.oid) AS total-> FROM-> table1 AS a-> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid-> WHERE-> a. NAME = 'mike'-> GROUP BY-> a.uid-> HAVING-> count(b.oid) < 2;
+-----+-------+
| uid | total |
+-----+-------+
| ccc |     1 |
| ddd |     0 |
+-----+-------+
2 rows in set (0.00 sec)

ORDER BY

从 VT5-J2 中的表中,根据 ORDER BY 子句的条件对结果进行排序,生成 VT6 表。

注意:唯一可使用 SELECT 中别名的地方。

mysql> SELECT-> a.uid,-> count(b.oid) AS total-> FROM-> table1 AS a-> LEFT OUTER JOIN table2 AS b ON a.uid = b.uid-> WHERE-> a. NAME = 'mike'-> GROUP BY-> a.uid-> HAVING-> count(b.oid) < 2-> ORDER BY-> total DESC;
+-----+-------+
| uid | total |
+-----+-------+
| ccc |     1 |
| ddd |     0 |
+-----+-------+
2 rows in set (0.00 sec)

LIMIT

LIMIT 子句从上一步得到的 VT6 虚拟表中选出从指定位置开始的指定行数据。

注意:

  • offset 和 rows 的正负带来的影响;

  • 当偏移量很大时效率是很低的,可以这么做;

  • 采用子查询的方式优化,在子查询里先从索引获取到最大 id,然后倒序排,再取 N 行结果集;

  • 采用 INNER JOIN 优化,JOIN 子句里也优先从索引获取 ID 列表,然后直接关联查询获得最终结果。

mysql> SELECT-> a.uid,-> count(b.oid) AS total-> FROM-> table1 AS a-> LEFT JOIN table2 AS b ON a.uid = b.uid-> WHERE-> a. NAME = 'mike'-> GROUP BY-> a.uid-> HAVING-> count(b.oid) < 2-> ORDER BY-> total DESC-> LIMIT 1;
+-----+-------+
| uid | total |
+-----+-------+
| ccc |     1 |
+-----+-------+
1 row in set (0.00 sec)

至此 SQL 的解析之旅就结束了,上图总结一下:

「参考书籍」

  • 《MySQL性能调优与架构实践》

  • 《MySQL技术内幕:SQL编程》

「尾声」

嗯,到这里这一次的深入了解之旅就差不多真的结束了,虽然也不是很深入,只是一些东西将其东拼西凑在一起而已,参考了一些以前看过的书籍,大师之笔果然不一样。而且在这过程中也是 get 到了蛮多东西的。

这篇关于步步深入:MySQL 架构总览-查询执行流程-SQL 解析顺序的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/409166

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

Security OAuth2 单点登录流程

单点登录(英语:Single sign-on,缩写为 SSO),又译为单一签入,一种对于许多相互关连,但是又是各自独立的软件系统,提供访问控制的属性。当拥有这项属性时,当用户登录时,就可以获取所有系统的访问权限,不用对每个单一系统都逐一登录。这项功能通常是以轻型目录访问协议(LDAP)来实现,在服务器上会将用户信息存储到LDAP数据库中。相同的,单一注销(single sign-off)就是指

Spring Security基于数据库验证流程详解

Spring Security 校验流程图 相关解释说明(认真看哦) AbstractAuthenticationProcessingFilter 抽象类 /*** 调用 #requiresAuthentication(HttpServletRequest, HttpServletResponse) 决定是否需要进行验证操作。* 如果需要验证,则会调用 #attemptAuthentica

mybatis的整体架构

mybatis的整体架构分为三层: 1.基础支持层 该层包括:数据源模块、事务管理模块、缓存模块、Binding模块、反射模块、类型转换模块、日志模块、资源加载模块、解析器模块 2.核心处理层 该层包括:配置解析、参数映射、SQL解析、SQL执行、结果集映射、插件 3.接口层 该层包括:SqlSession 基础支持层 该层保护mybatis的基础模块,它们为核心处理层提供了良好的支撑。

SQL中的外键约束

外键约束用于表示两张表中的指标连接关系。外键约束的作用主要有以下三点: 1.确保子表中的某个字段(外键)只能引用父表中的有效记录2.主表中的列被删除时,子表中的关联列也会被删除3.主表中的列更新时,子表中的关联元素也会被更新 子表中的元素指向主表 以下是一个外键约束的实例展示

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

百度/小米/滴滴/京东,中台架构比较

小米中台建设实践 01 小米的三大中台建设:业务+数据+技术 业务中台--从业务说起 在中台建设中,需要规范化的服务接口、一致整合化的数据、容器化的技术组件以及弹性的基础设施。并结合业务情况,判定是否真的需要中台。 小米参考了业界优秀的案例包括移动中台、数据中台、业务中台、技术中台等,再结合其业务发展历程及业务现状,整理了中台架构的核心方法论,一是企业如何共享服务,二是如何为业务提供便利。

如何去写一手好SQL

MySQL性能 最大数据量 抛开数据量和并发数,谈性能都是耍流氓。MySQL没有限制单表最大记录数,它取决于操作系统对文件大小的限制。 《阿里巴巴Java开发手册》提出单表行数超过500万行或者单表容量超过2GB,才推荐分库分表。性能由综合因素决定,抛开业务复杂度,影响程度依次是硬件配置、MySQL配置、数据表设计、索引优化。500万这个值仅供参考,并非铁律。 博主曾经操作过超过4亿行数据

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置