MySql优化join_buffer 的大小是由参数 join_buffer_size 设定的，默认值是 256k。如果

分页

走的聚集索引直接全表查询900005条数据,然后取出最后5条数据,还会文件排序,效率低

会走二级索引(这里会索引覆盖)，先查出来5个id排好序,再去聚集索引里查询,效率高

mysql的表关联常见有两种算法

1、嵌套循环连接 Nested-Loop Join(NLJ) 算法

下图中t1和t2表结构一样,t2是100条数据,t1是10000条数据,a字段都有索引,那么他执行计划会先去t2表中查询全部的数据这个过程不会走索引,但是查出来的数据会去t1表继续查询,那这个时候t1表会走a的这个索引,最终查询的结果是t2表会查询100次,t1表也会查询100次,总共200次

   mysql> EXPLAIN select * from t1 inner join t2 on t1.a= t2.a;

2、基于块的嵌套循环连接 Block Nested-Loop Join(BNL)算法

1.下图中t1和t2表结构一样,t2是100条数据t1是10000条数据,b字段都没有索引,那么他执行计划会先去t2表中查询全部的数据，把这些数据放入到join_buffe(内存),加载到内存中的数据是无序的,这个过程不会走索引,然后再去t1表全表查询,这个过程也不会走索引,每查询1条数据就会加入到join_buffe中跟t2表100条数据进行比对,那么整个过程就是t2表查询100次,t1表查询10000次,他们在内存中对比的次数就是10000X100次

2.这个例子里表 t2 才 100 行，要是表 t2 是一个大表，join_buffer 放不下怎么办呢？· join_buffer 的大小是由参数 join_buffer_size 设定的，默认值是 256k。如果放不下表 t2 的所有数据话，策略很简单，就是分段放。比如 t2 表有1000行记录， join_buffer 一次只能放800行数据，那么执行过程就是先往 join_buffer 里放800行记录，然后从 t1 表里取数据跟 join_buffer 中数据对比得到部分结果，然后清空 join_buffer ，再放入 t2 表剩余200行记录，再次从 t1 表里取数据跟 join_buffer 中数据对比。所以就多扫了一次 t1 表

**3.被驱动表的关联字段没索引为什么要选择使用 BNL 算法而不使用 Nested-Loop Join 呢？如果上面第二条sql使用 Nested-Loop Join，那么扫描行数为 100 * 10000 = 100万次，这个是磁盘扫描。很显然，用BNL磁盘扫描次数少很多，相比于磁盘扫描，BNL的内存计算会快得多。因此MySQL对于被驱动表的关联字段没索引的关联查询，一般都会使用 BNL 算法。如果有索引一般选择 NLJ 算法，有索引的情况下 NLJ 算法比 BNL算法性能更高 **

4.优化:对于关联sql的优化关联字段加索引，让mysql做join操作时尽量选择NLJ算法，驱动表因为需要全部查询出来，所以过滤的条件也尽量要走索引，避免全表扫描,被驱动表一般数据量比驱动表大,也尽量走索引，总之，能走索引的过滤条件尽量都走索引小表驱动大表，写多表连接sql时如果明确知道哪张表是小表可以用straight_join写法固定连接驱动方式，省去mysql优化器自己判断的时间

mysql>EXPLAIN select * from t1 inner join t2 on t1.b= t2.b;

count(*)查询优化

-- 临时关闭mysql查询缓存，为了查看sql多次执行的真实时间
mysql> set global query_cache_size=0;
mysql> set global query_cache_type=0;

mysql> EXPLAIN select count(1) from employees;
mysql> EXPLAIN select count(id) from employees;
mysql> EXPLAIN select count(name) from employees;
mysql> EXPLAIN select count(*) from employees;

注意：以上4条sql只有根据某个字段count不会统计字段为null值的数据行

四个sql的执行计划一样，说明这四个sql执行效率应该差不多

1.字段有索引：count(*)≈count(1)>count(字段)>count(主键 id) //字段有索引，count(字段)统计走二级索引，二级索引存储数据比主键索引少，所以count(字段)>count(主键 id)

2.字段无索引：count(*)≈count(1)>count(主键 id)>count(字段) //字段没有索引count(字段)统计走不了索引，count(主键 id)还可以走主键索引，所以count(主键 id)>count(字段)

3.count(1)跟count(字段)执行过程类似，不过count(1)不需要取出字段统计，就用常量1做统计，count(字段)还需要取出字段，所以理论上count(1)比count(字段)会快一点

4.count()是例外，mysql并不会把全部字段取出来，而是专门做了优化，不取值，按行累加，效率很高，所以不需要用count(列名)或count(常量)来替代 count()。为什么对于count(id)，mysql最终选择辅助索引而不是主键聚集索引？因为二级索引相对主键索引存储数据更少，检索性能应该更高，mysql内部做了点优化(应该是在5.7版本才优化)

MySql优化

分页