本文目标是：了解查询的核心原理，对比 SQL 查询优化技巧在 h2database 中的落地实现。
前提：为了贴近实际应用，本文 Code Insight 基于 BTree 存储引擎。
数据查询核心原理
数据库实现查询的原理：遍历表/索引，判断是否满足where筛选条件，添加到结果集。简单通用。
对于选择表还是索引、如何遍历关联表、优先遍历哪个表、怎样提升遍历的效率，这个就是数据库查询复杂的地方。
/** * 查询命令实现查询的主要过程 * @see org.h2.command.dml.Select#queryFlat */private void queryFlat(int columnCount, ResultTarget result, long limitRows) { // 遍历单表 or 关联表。topTableFilter 可以简单理解为游标 cursor。 while (topTableFilter.next()) { // 判断是否符合 where 筛选条件 if (condition == null || Boolean.TRUE.equals(condition.getBooleanValue(session))) { Value[] row = new Value[columnCount]; // 填充select 需要的 columns ① for (int i = 0; i < columnCount; i++) { Expression expr = expressions.get(i); row[i] = expr.getValue(session); } // 保存符合条件的数据，这个对应 resultSet result.addRow(row); // 没有 sort 语句的情况下，达到 limitRows， 终止 table scan ② if ((sort == null || sortUsingIndex) && limitRows > 0 && result.getRowCount() >= limitRows) { break; } } }}
复制代码
Join 查询核心原理
基于状态机模式，实现多表嵌套循环遍历。
使用的 Join 算法是： Nested Loop Join。
状态变迁：BEFORE_FIRST --> FOUND --> AFTER_LAST
/** * Check if there are more rows to read. * 遍历的数据 row 记录在当前 session 中，随时随地可以获取 * * @return true if there are * @see org.h2.table.TableFilter#next */public boolean next() { // 遍历结束，没有符合的条件的 row if (state == AFTER_LAST) { return false; } else if (state == BEFORE_FIRST) { // cursor 遍历初始化， 如果基于索引的游标，则可以提前锁定数据范围。③ cursor.find(session, indexConditions); if (!cursor.isAlwaysFalse()) { // 如果包含 join 表，重置关联表的状态机。 if (join != null) { join.reset(); } } } else { // state == FOUND || NULL_ROW 的情况 // 嵌套遍历 join 关联表。这是个递归调用关联表的过程。 if (join != null && join.next()) { return true; } } // 表/索引数据扫描，匹配filterCondition，直到找到符合的 row while (true) { if (cursor.isAlwaysFalse()) { state = AFTER_LAST; } else { if (cursor.next()) { currentSearchRow = cursor.getSearchRow(); current = null; state = FOUND; } else { state = AFTER_LAST; } } // where 条件判断 if (!isOk(filterCondition)) { continue; } // 嵌套遍历 join 关联表。主表的每一行 row，需要遍历关联子表一次。④ if (join != null) { join.reset(); if (!join.next()) { continue; } } // check if it's ok if (state == NULL_ROW || joinConditionOk) { return true; } } state = AFTER_LAST; return false;}
复制代码
获取查询数据
从遍历的 row 中，获取 select 语句需要的 column 数据。
对应的 Cursor 实现是：org.h2.index.PageBtreeCursor
/** * 根据 columnId 获取对应的值 * @see org.h2.table.TableFilter#getValue */public Value getValue(Column column) { if (current == null) { // 优先从当前遍历的 row 获取数据。 // 如果是索引中的 row，不会包含所有的行，会有取不到的情况 Value v = currentSearchRow.getValue(columnId); if (v != null) { return v; } // 如果没有，再尝试从原始表 row 存储中获取数据。⑤ // 对应的实现： currentRow = index.getRow(session, currentSearchRow.getKey()); current = cursor.get(); if (current == null) { return ValueNull.INSTANCE; } } return current.getValue(columnId);}
复制代码
常用的 SQL 查询优化技巧
分别对应上述源代码注释的数字角标。
①避免使用 SELECT *：只选择需要的列
如果使用 select *, 即使使用了索引查询。也需要取原数据行的所有数据（⑤）。会进行数据的二次读取，也就是回表查询。影响了性能。
②避免使用 ORDER BY, 尽量使用 LIMIT
使用 LIMIT：如果只需要部分结果，可以使用 LIMIT 子句限制返回的行数，避免检索整个结果集。
如上源代码，如果没有 Order By，有 limit 限制情况下，可以中途结束表遍历。
如果有 Order By 的情况下，肯定要执行完成整个扫描遍历的过程，最终在 result 结果集中再一次进行排序计算。
③使用索引：确保表中的列上有适当的索引，以加快查询速度。
如果使用索引，在初始化扫描阶段，会给 cursor 一定的范围，避免全表扫描。极大的缩小的查询范围。
④减少连接的表的数量：如果可能，尽量减少查询中的表的数量。
无需多言，嵌套递归查询，理论上是所有表的笛卡尔积。
⑤使用覆盖索引：一个查询的所有列都包含在索引中。
这样查询可以只扫描索引而不需要回表。例如，如果你的查询是 SELECT id, name FROM users WHERE age = 30，那么在 age, id, name 上创建一个复合索引可以避免回表。
其他
Nested Loop Join
// 用伪代码表示，可以更清晰理解上述 join 遍历的过程for (r in R) { for (s in S) { if (r satisfy condition s) { output <r, s>; } }}
复制代码
MySQL 中的 Nested Loop Join
MySQL 官方文档中提到，MySQL 只支持 Nested Loop Join 这一种 join algorithm.
MySQL resolves all joins using a nested-loop join method.
This means that MySQL reads a row from the first table, and then finds a matching row in the second table, the third table, and so on.
作者：京东物流 杨攀
来源：京东云开发者社区 自猿其说 Tech 转载请注明来源
评论