本文通過壹個案例來看看MySQL優化器如何選擇索引和JOIN順序。表結構和數據準備參考本文最後部分"測試環境"。這裏主要介紹MySQL優化器的主要執行流程，而不是介紹壹個優化器的各個組件(這是另壹個話題)。
我們知道，MySQL優化器只有兩個自由度：順序選擇；單表訪問方式；這裏將詳細剖析下面的SQL，看看MySQL優化器如何做出每壹步的選擇。
explain
select *
from
employee as A,department as B
where
A.LastName = 'zhou'
and B.DepartmentID = A.DepartmentID
and B.DepartmentName = 'TBX';
1. 可能的選擇
這裏看到JOIN的順序可以是A|B或者B|A，單表訪問方式也有多種，對於A表可以選擇：全表掃描和索引`IND_L_D`(A.LastName = 'zhou')或者`IND_DID`(B.DepartmentID = A.DepartmentID)。對於B也有三個選擇：全表掃描、索引IND_D、IND_DN。
2. MySQL優化器如何做
2.1 概述
MySQL優化器主要工作包括以下幾部分：Query Rewrite(包括Outer Join轉換等)、const table detection、range analysis、JOIN optimization(順序和訪問方式選擇)、plan refinement。這個案例從range analysis開始。
2.2 range analysis
這部分包括所有Range和index merge成本評估(參考1 參考2)。這裏，等值表達式也是壹個range，所以這裏會評估其成本，計算出found records(表示對應的等值表達式，大概會選擇出多少條記錄)。
本案例中，range analysis會針對A表的條件A.LastName = 'zhou'和B表的B.DepartmentName = 'TBX'分別做分析。其中：
表A A.LastName = 'zhou' found records: 51
表B B.DepartmentName = 'TBX' found records: 1
這兩個條件都不是range，但是這裏計算的值仍然會存儲，在後面的ref訪問方式評估的時候使用。這裏的值是根據records_in_range接口返回，而對於InnoDB每次調用這個函數都會進行壹次索引頁的采樣，這是壹個很消耗性能的操作，對於很多其他的關系數據庫是使用"直方圖"的統計數據來避免這次操作(相信MariaDB後續版本也將實現直方圖統計信息)。
2.3 順序和訪問方式的選擇：窮舉
MySQL通過枚舉所有的left-deep樹(也可以說所有的left-deep樹就是整個MySQL優化器的搜索空間)，來找到最優的執行順序和訪問方式。
2.3.1 排序
優化器先根據found records對所有表進行壹個排序，記錄少的放前面。所以，這裏順序是B、A。
2.3.2 greedy search
當表的數量較少(少於search_depth，默認是63)的時候，這裏直接蛻化為壹個窮舉搜索，優化器將窮舉所有的left-deep樹找到最優的執行計劃。另外，優化器為了減少因為搜索空間龐大帶來巨大的窮舉消耗，所以使用了壹個"偷懶"的參數prune_level(默認打開)，具體如何"偷懶"，可以參考JOIN順序選擇的復雜度。不過至少需要有三個表以上的關聯才會有"偷懶"，所以本案例不適用。
2.3.3 窮舉
JOIN的第壹個表可以是：A或者B；如果第壹個表選擇了A，第二個表可以選擇B；如果第壹個表選擇了B，第二個表可以選擇A；
因為前面的排序，B表的found records更少，所以JOIN順序窮舉時的第壹個表先選擇B(這個是有講究的)。
(*) 選擇第壹個JOIN的表為B
(**) 確定B表的訪問方式
因為B表為第壹個表，所以無法使用索引IND_D(B.DepartmentID = A.DepartmentID)，而只能使用IND_DN(B.DepartmentName = 'TBX')
使用IND_DN索引的成本計算：1.2；其中IO成本為1。
是否使用全表掃描：這裏會比較使用索引的IO成本和全表掃描的IO成本，前者為1，後者為2；所以忽略全表掃描
所以，B表的訪問方式ref，使用索引IND_D
(**) 從剩余的表中窮舉選出第二個JOIN的表，這裏剩余的表為：A
(**) 將A表加入JOIN，並確定其訪問方式
可以使用的索引為：`IND_L_D`(A.LastName = 'zhou')或者`IND_DID`(B.DepartmentID = A.DepartmentID)
依次計算使用索引IND_L_D、IND_DID的成本：
(***) IND_L_D A.LastName = 'zhou'
在range analysis階段給出了A.LastName = 'zhou'對應的記錄約為：51。
所以，計算IO成本為：51；ref做IO成本計算時會做壹次修正，將其修正為worst_seek(參考)
修正後IO成本為：15，總成本為：25.2
(***) IND_DID B.DepartmentID = A.DepartmentID
這是壹個需要知道前面表的結果，才能計算的成本。所以range analysis是無法分析的
這裏，我們看到前面表為B，found_record是1，所以A.DepartmentID只需要對應壹條記錄就可以了
因為具體取值不知道，也沒有直方圖，所以只能簡單依據索引統計信息來計算：
索引IND_DID的列A.DepartmentID的Cardinality為1349，全表記錄數為1349
所以，每壹個值對應壹條記錄，而前面表B只有壹條記錄，所以這裏的found_record計算為1*1 = 1
所以IO成本為：1，總成本為1.2
(***) IND_L_D成本為25.2；IND_DID成本為1.2，所以選擇後者為當前表的訪問方式
(**) 確定A使用索引IND_DID，訪問方式為ref
(**) JOIN順序B|A，總成本為：1.2+1.2 = 2.4
(*) 選擇第壹個JOIN的表為A
(**) 確定A表的訪問方式
因為A表是第壹個表，所以無法使用索引`IND_DID`(B.DepartmentID = A.DepartmentID)
那麽只能使用索引`IND_L_D`(A.LastName = 'zhou')
使用IND_L_D索引的成本計算，總成本為25.2；參考前面計算；
(**) 這裏訪問A表的成本已經是25.2，比之前的最優成本2.4要大，忽略該順序
所以，這次窮舉搜索到此結束
把上面的過程簡化如下：
(*) 選擇第壹個JOIN的表為B
(**) 確定B表的訪問方式
(**) 從剩余的表中窮舉選出第二個JOIN的表，這裏剩余的表為：A
(**) 將A表加入JOIN，並確定其訪問方式
(***) IND_L_D A.LastName = 'zhou'
(***) IND_DID B.DepartmentID = A.DepartmentID
(***) IND_L_D成本為25.2；IND_DID成本為1.2，所以選擇後者為當前表的訪問方式
(**) 確定A使用索引IND_DID，訪問方式為ref
(**) JOIN順序B|A，總成本為：1.2+1.2 = 2.4
(*) 選擇第壹個JOIN的表為A
(**) 確定A表的訪問方式
(**) 這裏訪問A表的成本已經是25.2，比之前的最優成本2.4要大，忽略該順序
至此，MySQL優化器就確定了所有表的最佳JOIN順序和訪問方式。
3. 測試環境
MySQL: 5.1.48-debug-log innodb plugin 1.0.9
CREATE TABLE `department` (
`DepartmentID` int(11) DEFAULT NULL,
`DepartmentName` varchar(20) DEFAULT NULL,
KEY `IND_D` (`DepartmentID`),
KEY `IND_DN` (`DepartmentName`)
) ENGINE=InnoDB DEFAULT CHARSET=gbk;
CREATE TABLE `employee` (
`LastName` varchar(20) DEFAULT NULL,
`DepartmentID` int(11) DEFAULT NULL,
KEY `IND_L_D` (`LastName`),
KEY `IND_DID` (`DepartmentID`)
) ENGINE=InnoDB DEFAULT CHARSET=gbk;
for i in `seq 1 1000` ; do mysql -vvv -uroot test -e 'insert into department values (600000*rand(),repeat(char(65+rand()*58),rand()*20))'; done
for i in `seq 1 1000` ; do mysql -vvv -uroot test -e 'insert into employee values (repeat(char(65+rand()*58),rand()*20),600000*rand())'; done
for i in `seq 1 50` ; do mysql -vvv -uroot test -e 'insert into employee values ("zhou",27760)'; done
for i in `seq 1 200` ; do mysql -vvv -uroot test -e 'insert into employee values (repeat(char(65+rand()*58),rand()*20),27760)'; done
for i in `seq 1 1` ; do mysql -vvv -uroot test -e 'insert into department values (27760,"TBX")'; done
show index from employee;
+----------+------------+----------+--------------+--------------+-----------+-------------+----------+--------+------+------------+---------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment |
+----------+------------+----------+--------------+--------------+-----------+-------------+----------+--------+------+------------+---------+
| employee | 1 | IND_L_D | 1 | LastName | A | 1349 | NULL | NULL | YES | BTREE | |
| employee | 1 | IND_DID | 1 | DepartmentID | A | 1349 | NULL | NULL | YES | BTREE | |
+----------+------------+----------+--------------+--------------+-----------+-------------+----------+--------+------+------------+---------+
show index from department;
+------------+------------+----------+--------------+----------------+-----------+-------------+----------+--------+------+------------+---------+
| Table | Non_unique | Key_name | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment |
+------------+------------+----------+--------------+----------------+-----------+-------------+----------+--------+------+------------+---------+
| department | 1 | IND_D | 1 | DepartmentID | A | 1001 | NULL | NULL | YES | BTREE | |
| department | 1 | IND_DN | 1 | DepartmentName | A | 1001 | NULL | NULL | YES | BTREE | |
+------------+------------+----------+--------------+----------------+-----------+-------------+----------+--------+------+------------+---------+
4. 構造壹個Bad case
因為關聯條件中MySQL使用索引統計信息做成本預估，所以數據分布不均勻的時候，就容易做出錯誤的判斷。簡單的我們構造下面的案例：
表和索引結構不變，按照下面的方式構造數據：
for i in `seq 1 10000` ; do mysql -uroot test -e 'insert into department values (600000*rand(),repeat(char(65+rand()*58),rand()*20))'; done
for i in `seq 1 10000` ; do mysql -uroot test -e 'insert into employee values (repeat(char(65+rand()*58),rand()*20),600000*rand())'; done
for i in `seq 1 1` ; do mysql -uroot test -e 'insert into employee values ("zhou",27760)'; done
for i in `seq 1 10` ; do mysql -uroot test -e 'insert into department values (27760,"TBX")'; done
for i in `seq 1 1000` ; do mysql -uroot test -e 'insert into department values (27760,repeat(char(65+rand()*58),rand()*20))';
done
explain
select *
from
employee as A,department as B
where
A.LastName = 'zhou'
and B.DepartmentID = A.DepartmentID
and B.DepartmentName = 'TBX';
+----+-------------+-------+------+-----------------+---------+---------+---------------------+------+-------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+------+-----------------+---------+---------+---------------------+------+-------------+
| 1 | SIMPLE | A | ref | IND_L_D,IND_DID | IND_L_D | 43 | const | 1 | Using where |
| 1 | SIMPLE | B | ref | IND_D,IND_DN | IND_D | 5 | test.A.DepartmentID | 1 | Using where |
+----+-------------+-------+------+-----------------+---------+---------+---------------------+------+-------------+
可以看到這裏，MySQL執行計劃對表department使用了索引IND_D，那麽A表命中壹條記錄為(zhou,27760)；根據B.DepartmentID=27760將返回1010條記錄，然後根據條件DepartmentName = 'TBX'進行過濾。
這裏可以看到如果B表選擇索引IND_DN，效果要更好，因為DepartmentName = 'TBX'僅僅返回10條記錄，再根據條件A.DepartmentID=B.DepartmentID過濾之。
這個案例中因為數據量很小，性能還相差不大，但如果生產環境中數據是千萬或者億級別的時候性能就會差非常非常非常大。通過簡單的Hint可以解決這個問題。
原文地址：案例：MySQL優化器如何選擇索引和JOIN順序, 感謝原作者分享。