為什麼阿里巴巴禁止資料庫中做多表join？

作者 l Hollis

來源 l Hollis（ID：hollischuang）

阿里出過一個《Java開發手冊》，上面有一條規約是禁止超過三張表的join。

而實際操作過程中，我們平時確實在SQL中寫JOIN也比較少，兩張表JOIN有的時候也有，多張表的JOIN在離線資料分析的時候很多，但是線上系統確實很少。經常有人問我為什麼？

其實最主要的原因就是join的效率比較低。

MySQL是使用了巢狀迴圈（Nested-Loop Join）的方式來實現關聯查詢的，簡單點說就是要透過兩層迴圈，用第一張表做外迴圈，第二張表做內迴圈，外迴圈的每一條記錄跟內迴圈中的記錄作比較，符合條件的就輸出。

而具體到演算法實現上主要有simple nested loop，block nested loop和index nested loop這三種。

而且這三種的效率都沒有特別高。

首先，最差的演算法就是simple nested loop，他的做法簡單粗暴，就是全量掃描連線兩張表進行資料的兩兩對比，所以他的複雜度可以認為是O（n^2)

好一點的演算法是index nested loop，當Inner Loop的表用到欄位有索引的話，可以用到索引進行查詢資料，因為索引是B+樹的，複雜度可以近似認為是O（nlogn）

那block nested loop這種演算法，其實是引入了一個Buffer，會提前把外迴圈的一部分結果提前放到多個JOIN BUFFER中，然後內迴圈的每一行都和多個buffer中的所有資料作比較，從而減少內迴圈的次數。他的複雜度是O（M*N），這裡的M是buffer的個數。

所以，雖然MySQL已經儘可能的在最佳化了，但是這幾種演算法複雜度都還是挺高的，這也是為什麼不建議在資料庫中多表JOIN的原因。隨著表越多，表中的資料量越多，JOIN的效率會呈指數級下降。

如果不能透過資料庫做關聯查詢，那麼需要查詢多表的資料的時候要怎麼做呢？

主要有兩種做法：

1、在記憶體中自己做關聯，即先從資料庫中把資料查出來之後，我們在程式碼中再進行二次查詢，然後再進行關聯。 

2、資料冗餘，那就是把一些重要的資料在表中做冗餘，這樣就可以避免關聯查詢了。

其實資料冗餘是網際網路業務中比較常見的做法，其實本質上是軟體開發中一個比較典型的方案，那就是"用空間換時間"，透過做一些資料冗餘，來提升查詢速度。

在網際網路業務中，比較典型的就是資料量大，併發高，並且通常查詢的頻率要遠高於寫入的頻率，所以適當的做一些反正規化，透過做一些欄位的冗餘，可以提升查詢效能，降低響應時長，從而提升併發度。