JOIN数量超过3个需警惕性能拐点,5表以上几乎必然拖慢查询;应限制最多JOIN 3张表,超限拆为子查询或临时表,并确保字段类型、NULL约束一致,避免隐式转换与函数调用。
JOIN数量超过3个就该警惕性能拐点
实际业务里,5表以上JOIN几乎必然拖慢查询,不是语法错,是执行计划开始崩坏。MySQL 8.0+ 的
能直接看到嵌套深度,PostgreSQL 则看
里的“Join Filter”层级——一旦出现三层以上嵌套循环(Nested Loop),基本可以判定为隐患。
线上查询强制限制最多
3 张表,超限必须拆成子查询或临时表
比
更易引发全表扫描,尤其右表无索引时,务必检查
中
是否为
或
用
(MySQL)或
(PostgreSQL)手动指定连接顺序,避免优化器误判
连接字段必须严格匹配数据类型和NULL约束
常见错误是
(
)去
(
),表面能跑通,但会触发隐式类型转换,导致索引失效。更隐蔽的是
字段和允许
的字段混用——即使值全非空,优化器也可能放弃使用索引。
确认两边字段类型完全一致:
或
查
和
字符串字段JOIN前加
或
看似稳妥,实则破坏索引,应提前清洗入库
时间字段慎用
作为连接条件,会绕过
上的索引,改用范围查询替代
ON条件里别塞WHERE逻辑
后在
里写
,等价于把
降级为
,丢失左表无匹配记录的行。这是线上漏数据的高频原因。
过滤右表必须写进
子句:
若需保留左表全量且对右表做复杂过滤,先用子查询或CTE预过滤右表,再JOIN
中避免函数调用(如
),除非该字段上建了函数索引
小表驱动大表不是玄学,得看rows和filtered
所谓“小表驱动”,本质是让
中
最小的表当驱动表。
值低(比如
)说明条件过滤性差,即使表小也不适合作为驱动——它会导致大量无效匹配传给下一层。
用
快速估算各表有效参与JOIN的行数,而非总行数
对高基数字段(如
)建索引比对低基数字段(如
)更有效,尤其当
> 90%时
复合索引顺序必须匹配
中的字段顺序,例如
,则索引应为
而非
最常被忽略的一点:JOIN字段上有索引,不代表执行时一定用得上——如果统计信息过期(
没跑),优化器可能选错执行路径。生产环境定期更新统计信息比加索引还管用。
EXPLAIN FORMAT=TREEEXPLAIN (ANALYZE, BUFFERS)JOINLEFT JOININNER JOINEXPLAINtypeALLindexSTRAIGHT_JOIN/*+ Leading() */user.idBIGINTJOINorder.user_idVARCHARNOT NULLNULLDESCRIBE table_name\d table_namedata_typeis_nullableTRIM()CAST(... AS CHAR)DATE(created_at)created_atLEFT JOINWHEREright_table.status = 'active'LEFT JOININNER JOINONLEFT JOIN orders ON users.id = orders.user_id AND orders.status = 'active'ONON UPPER(a.name) = UPPER(b.name)EXPLAINrowsfiltered10%SELECT COUNT(*)user_idstatusfilteredONON a.x = b.x AND a.y = b.y(x, y)(y, x)ANALYZE TABLE