关于数据库:分布式数据库-Join-查询设计与实现浅析-京东云技术团队

绝对于单例数据库的查问操作，分布式数据查问会有很多技术难题。

本文记录 Mysql 分库分表 和 Elasticsearch Join 查问的实现思路，理解分布式场景数据处理的设计方案。
文章从罕用的关系型数据库 MySQL 的分库分表 Join 剖析，再到非关系型 ElasticSearch 来剖析 Join 实现策略。逐渐深刻 Join 的实现机制。

①Mysql 分库分表 Join 查问场景

分库分表场景下，查问语句如何散发，数据如何组织。相较于 NoSQL 数据库，Mysql 在 SQL 标准的范畴内，绝对比拟容易适配分布式场景。

基于 sharding-jdbc 中间件的计划，理解整个设计思路。

sharding-jdbc

• sharding-jdbc 代理了原始的 datasource, 实现 jdbc 标准来实现分库分表的散发和组装，应用层无感知。
• 执行流程：SQL 解析 => 执行器优化 => SQL 路由  =\> SQL 改写 => SQL 执行 =>  后果归并 io.shardingsphere.core.executor.ExecutorEngine#execute
• Join 语句的解析，决定了要散发 SQL 到哪些实例节点上。对应 SQL 路由。
• SQL 改写就是要把原始（逻辑）表名，改为理论分片的表名。
• 简单状况下，Join 查问散发的最多执行的次数 = 数据库实例 × 表 A 分片数 × 表 B 分片数

Code Insight

示例代码工程：git@github.com:cluoHeadon/sharding-jdbc-demo.git

/**
 * 执行查问 SQL 切入点，从这里能够残缺 debug 执行流程
 * @see ShardingPreparedStatement#execute()
 * @see ParsingSQLRouter#route(String, List, SQLStatement) Join 查问理论波及哪些表，就是在路由规定里匹配得进去的。*/
public boolean execute() throws SQLException {
    try {
        // 依据参数（决定分片）和具体的 SQL 来匹配相干的理论 Table。Collection<PreparedStatementUnit> preparedStatementUnits = route();
        // 应用线程池，散发执行和后果归并。return new PreparedStatementExecutor(getConnection().getShardingContext().getExecutorEngine(), routeResult.getSqlStatement().getType(), preparedStatementUnits).execute();} finally {JDBCShardingRefreshHandler.build(routeResult, connection).execute();
        clearBatch();}
}

SQL 路由策略

启用 sql 打印，直观看到理论散发执行的 SQL

# 打印的代码，就是在上述 route 得出 ExecutionUnits 后，打印的
sharding.jdbc.config.sharding.props.sql.show=true

sharding-jdbc 依据不同的 SQL 语句，会有不同的路由策略。咱们关注的 Join 查问，理论相干就是以下两种策略。

• StandardRoutingEngine binding-tables 模式
• ComplexRoutingEngine 最简单的状况，笛卡尔组合关联关系。

-- 参数不明，不能定位分片的状况
select * from order o inner join order_item oi on o.order_id = oi.order_id 

-- 路由后果
-- Actual SQL: db1 ::: select * from order_1 o inner join order_item_1 oi on o.order_id = oi.order_id 
-- Actual SQL: db1 ::: select * from order_1 o inner join order_item_0 oi on o.order_id = oi.order_id 
-- Actual SQL: db1 ::: select * from order_0 o inner join order_item_1 oi on o.order_id = oi.order_id 
-- Actual SQL: db1 ::: select * from order_0 o inner join order_item_0 oi on o.order_id = oi.order_id 
-- Actual SQL: db0 ::: select * from order_1 o inner join order_item_1 oi on o.order_id = oi.order_id 
-- Actual SQL: db0 ::: select * from order_1 o inner join order_item_0 oi on o.order_id = oi.order_id 
-- Actual SQL: db0 ::: select * from order_0 o inner join order_item_1 oi on o.order_id = oi.order_id 
-- Actual SQL: db0 ::: select * from order_0 o inner join order_item_0 oi on o.order_id = oi.order_id

②Elasticsearch Join 查问场景

首先，对于 NoSQL 数据库，要求 Join 查问，能够思考是不是应用场景和用法有问题。

而后，不可避免的，有些场景须要这个性能。Join 查问的实现更贴近 SQL 引擎。

基于 elasticsearch-sql 组件的计划，理解大略的实现思路。

elasticsearch-sql

• 这是个 elasticsearch 插件，通过提供 http 服务实现类 SQL 查问的性能，高版本的 elasticsearch 曾经具备该性能⭐
• 因为 elasticsearch 没有 Join 查问的个性，所以实现 SQL Join 性能，须要提供更加底层的性能，波及到 Join 算法。

Code Insight

源码地址：git@github.com:NLPchina/elasticsearch-sql.git

/**
 * Execute the ActionRequest and returns the REST response using the channel.
 * @see ElasticDefaultRestExecutor#execute
 * @see ESJoinQueryActionFactory#createJoinAction Join 算法抉择
 */
@Override
public void execute(Client client, Map<String, String> params, QueryAction queryAction, RestChannel channel) throws Exception{
    // sql parse
    SqlElasticRequestBuilder requestBuilder = queryAction.explain();

    // join 查问
    if(requestBuilder instanceof JoinRequestBuilder){
        // join 算法抉择。包含：HashJoinElasticExecutor、NestedLoopsElasticExecutor
        // 如果关联条件为等值（Condition.OPEAR.EQ）, 则应用 HashJoinElasticExecutor
        ElasticJoinExecutor executor = ElasticJoinExecutor.createJoinExecutor(client,requestBuilder);
        executor.run();
        executor.sendResponse(channel);
    }
    // 其余类型查问 ...
}

③More Than Join

Join 算法

• 罕用三种 Join 算法：Nested Loop Join，Hash Join、Merge Join
• MySQL 只反对 NLJ 或其变种，8.0.18 版本后反对 Hash Join
• NLJ 相当于两个嵌套循环，用第一张表做 Outter Loop，第二张表做 Inner Loop，Outter Loop 的每一条记录跟 Inner Loop 的记录作比拟，最终符合条件的就将该数据记录。
• Hash Join 分为两个阶段; build 构建阶段和 probe 探测阶段。
• 能够应用 Explain 查看 MySQL 应用哪种 Join 算法。须要的语法关键字：FORMAT=JSON or FORMAT=Tree

EXPLAIN FORMAT=JSON  
SELECT * FROM
    sale_line_info u
    JOIN sale_line_manager o ON u.sale_line_code = o.sale_line_code;

{
    "query_block": {
        "select_id": 1,
        // 应用的 join 算法：nested_loop
        "nested_loop": [
            // 波及 join 的表以及对应的 key, 其余的信息与罕用 explain 相似
            {
                "table": {
                    "table_name": "o",
                    "access_type": "ALL"
                }
            },
            {
                "table": {
                    "table_name": "u",
                    "access_type": "ref"
                }
            }
        ]
    }
}

Elasticsearch Nested 类型

剖析 Elasticsearch 业务数据以及应用场景，还有一种抉择是间接存储关联信息的文档。在 Elasticsearch 中，是以残缺文档模式提供查问和检索，彻底避开应用 Join 相干的技术。

这样就牵扯到关联是归属类型的数据还是专用类型的数据、关联数据量的大小、关联数据的更新频率等。这些都是应用 Nested 类型须要思考的因素。

更多的应用办法，能够从网上和官网找到，不做赘述。
咱们当初有个业务性能正好应用到 Nested 类型，在查问和优化过程中，解决了十分大的难题。

总结

通过运行原理剖析，对于运行流程有了清晰和深刻的认知。

对于中间件的优化和技术选型更加有目的性，应用上会更加审慎和小心。

明确的筛选条件，更小的筛选范畴，limit 取值数据，都能够缩小计算陈本，进步性能。

参考

• 如何在分布式数据库中实现 Hash Join
• 一文详解 MySQL——Join 的应用优化 – 掘金

作者：京东物流 杨攀

起源：京东云开发者社区