到底為什麼不建議使用SELECT * ？

“不要使用SELECT *”幾乎已經成為了使用MySQL的一條金科玉律，就連《阿里Java開發手冊》也明確表示不得使用*作為查詢的欄位列表，更是讓這條規則擁有了權威的加持。

不過我在開發過程中直接使用SELECT *還是比較多的，原因有兩個：

1. 因為簡單，開發效率非常高，而且如果後期頻繁新增或修改欄位，SQL語句也不需要改變；
2. 我認為過早最佳化是個不好的習慣，除非在一開始就能確定你最終實際需要的欄位是什麼，併為之建立恰當的索引；否則，我選擇遇到麻煩的時候再對SQL進行最佳化，當然前提是這個麻煩並不致命。

但是我們總得知道為什麼不建議直接使用SELECT *，本文從4個方面給出理由。

1. 不必要的磁碟I/O

我們知道 MySQL 本質上是將使用者記錄儲存在磁碟上，因此查詢操作就是一種進行磁碟IO的行為（前提是要查詢的記錄沒有快取在記憶體中）。

查詢的欄位越多，說明要讀取的內容也就越多，因此會增大磁碟 IO 開銷。尤其是當某些欄位是 TEXT、MEDIUMTEXT或者BLOB 等型別的時候，效果尤為明顯。

那使用SELECT *會不會使MySQL佔用更多的記憶體呢？

理論上不會，因為對於Server層而言，並非是在記憶體中儲存完整的結果集之後一下子傳給客戶端，而是每從儲存引擎獲取到一行，就寫到一個叫做net_buffer的記憶體空間中，這個記憶體的大小由系統變數net_buffer_length來控制，預設是16KB；當net_buffer寫滿之後再往本地網路棧的記憶體空間socket send buffer中寫資料傳送給客戶端，傳送成功（客戶端讀取完成）後清空net_buffer，然後繼續讀取下一行並寫入。

也就是說，預設情況下，結果集佔用的記憶體空間最大不過是net_buffer_length大小罷了，不會因為多幾個欄位就佔用額外的記憶體空間。

2. 加重網路時延

承接上一點，雖然每次都是把socket send buffer中的資料傳送給客戶端，單次看來資料量不大，可架不住真的有人用*把TEXT、MEDIUMTEXT或者BLOB 型別的欄位也查出來了，總資料量大了，這就直接導致網路傳輸的次數變多了。

如果MySQL和應用程式不在同一臺機器，這種開銷非常明顯。即使MySQL伺服器和客戶端是在同一臺機器上，使用的協議還是TCP，通訊也是需要額外的時間。

3. 無法使用覆蓋索引

為了說明這個問題，我們需要建一個表

CREATE TABLE `user_innodb` (
  `id` int NOT NULL AUTO_INCREMENT,
  `name` varchar(255) DEFAULT NULL,
  `gender` tinyint(1) DEFAULT NULL,
  `phone` varchar(11) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `IDX_NAME_PHONE` (`name`,`phone`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_0900_ai_ci;

我們建立了一個儲存引擎為InnoDB的表user_innodb，並設定id為主鍵，另外為name和phone建立了聯合索引，最後向表中隨機初始化了500W+條資料。

InnoDB會自動為主鍵id建立一棵名為主鍵索引（又叫做聚簇索引）的B+樹，這個B+樹的最重要的特點就是葉子節點包含了完整的使用者記錄，大概長這個樣子。

如果我們執行這個語句

SELECT * FROM user_innodb WHERE name = '蟬沐風';

使用EXPLAIN檢視一下語句的執行計劃：

發現這個SQL語句會使用到IDX_NAME_PHONE索引，這是一個二級索引。二級索引的葉子節點長這個樣子：

InnoDB儲存引擎會根據搜尋條件在該二級索引的葉子節點中找到name為蟬沐風的記錄，但是二級索引中只記錄了name、phone和主鍵id欄位（誰讓我們用的是SELECT *呢），因此InnoDB需要拿著主鍵id去主鍵索引中查詢這一條完整的記錄，這個過程叫做回表。

想一下，如果二級索引的葉子節點上有我們想要的所有資料，是不是就不需要回表了呢？是的，這就是覆蓋索引。

舉個例子，我們恰好只想搜尋name、phone以及主鍵欄位。

SELECT id, name,  phone FROM user_innodb WHERE name = "蟬沐風";

使用EXPLAIN檢視一下語句的執行計劃：

可以看到Extra一列顯示Using index，表示我們的查詢列表以及搜尋條件中只包含屬於某個索引的列，也就是使用了覆蓋索引，能夠直接摒棄回表操作，大幅度提高查詢效率。

4. 可能拖慢JOIN連線查詢

我們建立兩張表t1，t2進行連線操作來說明接下來的問題，並向t1表中插入了100條資料，向t2中插入了1000條資料。

CREATE TABLE `t1` (
  `id` int NOT NULL,
  `m` int DEFAULT NULL,
  `n` int DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT;

CREATE TABLE `t2` (
  `id` int NOT NULL,
  `m` int DEFAULT NULL,
  `n` int DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT;

如果我們執行下面這條語句

SELECT * FROM t1 STRAIGHT_JOIN t2 ON t1.m = t2.m;

這裡我使用了STRAIGHT_JOIN強制令t1表作為驅動表，t2表作為被驅動表

對於連線查詢而言，驅動表只會被訪問一遍，而被驅動表卻要被訪問好多遍，具體的訪問次數取決於驅動表中符合查詢記錄的記錄條數。由於已經強制確定了驅動表和被驅動表，下面我們說一下兩表連線的本質：

1. t1作為驅動表，針對驅動表的過濾條件，執行對t1表的查詢。因為沒有過濾條件，也就是獲取t1表的所有資料；
2. 對上一步中獲取到的結果集中的每一條記錄，都分別到被驅動表中，根據連線過濾條件查詢匹配記錄

用虛擬碼表示的話整個過程是這樣的：

// t1Res是針對驅動表t1過濾之後的結果集
for (t1Row : t1Res){
  // t2是完整的被驅動表
  for(t2Row : t2){
   if (滿足join條件 && 滿足t2的過濾條件){
      傳送給客戶端
    }  
  }
}

這種方法最簡單，但同時效能也是最差，這種方式叫做巢狀迴圈連線（Nested-LoopJoin，NLJ）。怎麼加快連線速度呢？

其中一個辦法就是建立索引，最好是在被驅動表（t2）連線條件涉及到的欄位上建立索引，畢竟被驅動表需要被查詢好多次，而且對被驅動表的訪問本質上就是個單表查詢而已（因為t1結果集定了，每次連線t2的查詢條件也就定死了）。

既然使用了索引，為了避免重蹈無法使用覆蓋索引的覆轍，我們也應該儘量不要直接SELECT *，而是將真正用到的欄位作為查詢列，併為其建立適當的索引。

但是如果我們不使用索引，MySQL就真的按照巢狀迴圈查詢的方式進行連線查詢嗎？當然不是，畢竟這種巢狀迴圈查詢實在是太慢了！

在MySQL8.0之前，MySQL提供了基於塊的巢狀迴圈連線（Block Nested-Loop Join，BLJ）方法，MySQL8.0又推出了hash join方法，這兩種方法都是為了解決一個問題而提出的，那就是儘量減少被驅動表的訪問次數。

這兩種方法都用到了一個叫做join buffer的固定大小的記憶體區域，其中儲存著若干條驅動表結果集中的記錄（這兩種方法的區別就是儲存的形式不同而已），如此一來，把被驅動表的記錄載入到記憶體的時候，一次性和join buffer中多條驅動表中的記錄做匹配，因為匹配的過程都是在記憶體中完成的，所以這樣可以顯著減少被驅動表的I/O代價，大大減少了重複從磁碟上載入被驅動表的代價。使用join buffer的過程如下圖所示：

我們看一下上面的連線查詢的執行計劃，發現確實使用到了hash join（前提是沒有為t2表的連線查詢欄位建立索引，否則就會使用索引，不會使用join buffer）。

最好的情況是join buffer足夠大，能容納驅動表結果集中的所有記錄，這樣只需要訪問一次被驅動表就可以完成連線操作了。我們可以使用join_buffer_size這個系統變數進行配置，預設大小為256KB。如果還裝不下，就得分批把驅動表的結果集放到join buffer中了，在記憶體中對比完成之後，清空join buffer再裝入下一批結果集，直到連線完成為止。

重點來了！並不是驅動表記錄的所有列都會被放到join buffer中，只有查詢列表中的列和過濾條件中的列才會被放到join buffer中，所以再次提醒我們，最好不要把*作為查詢列表，只需要把我們關心的列放到查詢列表就好了，這樣還可以在join buffer中放置更多的記錄，減少分批的次數，也就自然減少了對被驅動表的訪問次數。