mysql复杂查询--多表查询

多表查询是指基于两个和两个以上的表或是视图的查询.在实际应用中,查询单个表可能不能满足你的需求,（如显示sales部门位置和其员工的姓名),这种情况下需要使用到(dept表和emp表)

自连接是指在同一张表的连接查询

select * from emp where empno=(select mgr from emp where ename='ford')

子查询是指嵌入在其它sql查询语句中的select语句,也叫嵌套查询

单行子查询是 指只返回一行数据的子查询语句

select * from emp where deptno=(select deptno from emp where ename='smith')

多行子查询指返回多行数据的子查询 使用关键字 in

如果我们的一个子查询，返回的 结果是多列，就叫做列子查询

合并多个select语句的结果，可以使用集合 *** 作符 union,union all

我的主机内存只有100G，现在要全表扫描一个200G大表，会不会把DB主机的内存用光？

逻辑备份时，可不就是做整库扫描吗？若这样就会把内存吃光，逻辑备份不是早就挂了？

所以大表全表扫描，看起来应该没问题。这是为啥呢？

假设，我们现在要对一个200G的InnoDB表db1. t，执行一个全表扫描。当然，你要把扫描结果保存在客户端，会使用类似这样的命令：

InnoDB数据保存在主键索引上，所以全表扫描实际上是直接扫描表t的主键索引。这条查询语句由于没有其他判断条件，所以查到的每一行都可以直接放到结果集，然后返回给客户端。

那么，这个“结果集”存在哪里呢？

服务端无需保存一个完整结果集。取数据和发数据的流程是这样的：

查询结果发送流程

可见：

所以MySQL其实是“边读边发”。这意味着，若客户端接收得慢，会导致MySQL服务端由于结果发不出去，这个事务的执行时间变长。

比如下面这个状态，就是当客户端不读 socket receive buffer 内容时，在服务端show processlist看到的结果。

若看到State一直是“Sending to client”，说明服务器端的网络栈写满了。

若客户端使用–quick参数，会使用mysql_use_result方法：读一行处理一行。假设某业务的逻辑较复杂，每读一行数据以后要处理的逻辑若很慢，就会导致客户端要过很久才取下一行数据，可能就会出现上图结果。

因此，对于正常的线上业务来说，若一个查询的返回结果不多，推荐使用mysql_store_result接口，直接把查询结果保存到本地内存。

当然前提是查询返回结果不多。如果太多，因为执行了一个大查询导致客户端占用内存近20G，这种情况下就需要改用mysql_use_result接口。

若你在自己负责维护的MySQL里看到很多个线程都处于“Sending to client”，表明你要让业务开发同学优化查询结果，并评估这么多的返回结果是否合理。

若要快速减少处于这个状态的线程的话，可以将net_buffer_length设置更大。

有时，实例上看到很多查询语句状态是“Sending data”，但查看网络也没什么问题，为什么Sending data要这么久？

一个查询语句的状态变化是这样的：

即“Sending data”并不一定是指“正在发送数据”，而可能是处于执行器过程中的任意阶段。比如，你可以构造一个锁等待场景，就能看到Sending data状态。

读全表被锁：

Sending data状态

可见session2是在等锁，状态显示为Sending data。

所以，查询的结果是分段发给客户端，因此扫描全表，查询返回大量数据，并不会把内存打爆。

以上是server层的处理逻辑，在InnoDB引擎里又是怎么处理？

InnoDB内存的一个作用，是保存更新的结果，再配合redo log，避免随机写盘。

内存的数据页是在Buffer Pool (简称为BP)管理，在WAL里BP起加速更新的作用。

BP还能加速查询。

而BP对查询的加速效果，依赖于一个重要的指标，即：内存命中率。

可以在show engine innodb status结果中，查看一个系统当前的BP命中率。一般情况下，一个稳定服务的线上系统，要保证响应时间符合要求的话，内存命中率要在99%以上。

执行show engine innodb status ，可以看到“Buffer pool hit rate”字样，显示的就是当前的命中率。比如下图命中率，就是100%。

若所有查询需要的数据页都能够直接从内存得到，那是最好的，对应命中率100%。

InnoDB Buffer Pool的大小是由参数 innodb_buffer_pool_size确定，一般建议设置成可用物理内存的60%~80%。

在大约十年前，单机的数据量是上百个G，而物理内存是几个G；现在虽然很多服务器都能有128G甚至更高的内存，但是单机的数据量却达到了T级别。

所以，innodb_buffer_pool_size小于磁盘数据量很常见。若一个 Buffer Pool满了，而又要从磁盘读入一个数据页，那肯定是要淘汰一个旧数据页的。

使用的最近最少使用 (Least Recently Used, LRU)算法，淘汰最久未使用数据。

InnoDB管理BP的LRU算法，是用链表实现的：

最终就是最久没有被访问的数据页Pm被淘汰。

若此时要做一个全表扫描，会怎样？若要扫描一个200G的表，而这个表是一个历史数据表，平时没有业务访问它。

那么，按此算法扫描，就会把当前BP里的数据全部淘汰，存入扫描过程中访问到的数据页的内容。也就是说BP里主要放的是这个历史数据表的数据。

对于一个正在做业务服务的库，这可不行呀。你会看到，BP内存命中率急剧下降，磁盘压力增加，SQL语句响应变慢。

所以，InnoDB不能直接使用原始的LRU。InnoDB对其进行了优化。

InnoDB按5:3比例把链表分成New区和Old区。图中LRU_old指向的就是old区域的第一个位置，是整个链表的5/8处。即靠近链表头部的5/8是New区域，靠近链表尾部的3/8是old区域。

改进后的LRU算法执行流程：

该策略，就是为了处理类似全表扫描的 *** 作量身定制。还是扫描200G历史数据表：

可以看到，这个策略最大的收益，就是在扫描这个大表的过程中，虽然也用到了BP，但对young区完全没有影响，从而保证了Buffer Pool响应正常业务的查询命中率。

MySQL采用的是边算边发的逻辑，因此对于数据量很大的查询结果来说，不会在server端保存完整的结果集。所以，如果客户端读结果不及时，会堵住MySQL的查询过程，但是不会把内存打爆。

而对于InnoDB引擎内部，由于有淘汰策略，大查询也不会导致内存暴涨。并且，由于InnoDB对LRU算法做了改进，冷数据的全表扫描，对Buffer Pool的影响也能做到可控。

全表扫描还是比较耗费IO资源的，所以业务高峰期还是不能直接在线上主库执行全表扫描的。

方法

(1) 根据需求找到关联表

(2)找到关联条件

重点的表tables

* 需求1：统计world库下有几个表

需求2:统计所有库下表的个数

需求3:统计每个库的总数据大小

--单表占空间：AVG_ROW_LENGTH*TABLE_ROWS+INDEX_LENGTH

什么使索引：索引其实就是一种算法

BTree

HASH

Rtree

Fulltext

辅助索引

辅助索引只提取索引列作为叶子节点

聚集索引

聚集索引提取整行数据作为叶子节点

1、辅助索引和聚集索引最大的区别就在于叶子节点，枝节点和根节点原理相同

2、辅助索引会记录主键值，一般情况（除等值查询），最终都会通过聚集索引(主键)来找到需要的数据

第二种

一般经常用来查询的列作为索引

索引可以有多个，但是索引名不可重名

第一种:单列索引

第二种：前缀索引

前缀索引只能应用到字符串列，数字列不能用前缀索引

联合索引说明：如果在一个表内对A、B、C三个列创建联合索引那么创建索引将按照如下情况创建索引表：

A

AB

ABC

======================================================

(1)查询列无索引

(2)语句不符合走走索引条件

(3)需要查看全表

即把有索引的列全便利一遍

>、 <、 >=、 <=、 like、 between and 在范围扫描中，这些会受到B+tree索引叶子节点上额外的优化，因为这些是连续取值的

or、in 这两个不是连续的取值，所以不能受到B+tree索引的额外优化，使用时相当于Btree索引

!=、 not in 只有在主键列才走索引也是range级别

(1)>、 <、 >=、 <=、 like、 between and

(2)or、in

(3)!=、 not in

多表连接查询，非驱动表连接条件是主键或唯一键

一般多表查询的时，最左侧的表为驱动表，右侧的为非驱动表，下边的例子中country标为非驱动表

7.1.1 数字类型

7.1.2 字符串类型：

字符集

中文

gbk 2字节

utf8 3字节

utf8mb4 4字节

utf8mb4 为例:

举例(1)联合索引等值查询

举例(2) 联合索引中有不等值查询

如果Extra列出现Using temporary、Using filesort,两项内容，那么考虑以下语句的问题。

group by

order by

distinct

join on

union

---