当初有两张表，t1表100行，t2表1000行select * from t1 straight_join t2 on (t1.a=t2.b);Simple Nested-Loop Join（没有被MYSQL应用）
前提：join字段t2.b不存在索引
查问过程：全表扫描t1，而后将每一条记录a字段作为条件到被驱动表t2进行一次全表扫描，也就是100次全表扫描。
Block Nested-Loop Join（简称BNL）
前提：join字段t2.b不存在索引。
查问过程：全表扫描t1，将数据放入join buffer，再将被驱动表t2数据与join buffr里的t1数据进行批量比照。当t1表数据过多，join buffer存不下时，会将数据分段反复执行整个查问过程。
tips：所以某些场景下能够通过设置join_buffer_size增大join buffer进步join速度。
通过explain的Extra 字段有 Using join buffer（Block Nested Loop）。
Index Nested-Loop Join（简称NLJ）
前提：join字段t2.b存在索引。
查问过程：全表扫描t1，循环100次（将第一条记录a字段作为条件去被驱动表t2查问二级索引树，失去主键ID，再回表查问主键索引树）。
应用BKA优化查问过程：全表扫描t1，循环100次（将每一条记录a字段放入join buffer），将join buffer里的a字段作为条件去被驱动表t2范畴查问二级索引树，失去主键ID，将主键ID放入read_rnd_buffer，递增排序后，范畴查问主键索引树。
工夫复杂度：100+1002log2^1000（先扫描驱动表100行，再循环100次扫描二级索引树失去主键ID，再"回表"扫描主键索引树1002log2^1000）。
tips：假如驱动表的行数是 N，被驱动表行数M，也就是N+N2log2^M。能够看出驱动表的行数N对后果影响更大，所以才有了小表驱动大表。
Multi-Range Read（针对回表的优化）
因为大多数的数据都是依照主键递增程序插入失去的，所以咱们能够认为，如果依照主键的递增程序查问的话，对磁盘的读比拟靠近程序读，可能晋升读性能。
开启MRR优化set optimizer_switch="mrr=on"稳固应用MRR优化，依照官网文档的说法，是当初的优化器策略，判断耗费的时候，会更偏向于不应用 MRR，把 mrr_cost_based 设置为 off，就是稳固应用 MRR 了set optimizer_switch="mrr=on,mrr_cost_based=off"所以回表会变为：依据二级索引树失去主键ID后存入read_rnd_buffer（read_rnd_buffer_size参数管制），进行递增排序，拿排序后的主键ID去主键索引树进行范畴查问。（用上MRR，通过explain的Extra 字段有 Using MRR）
Batched Key Access（针对NLJ的优化，BKA依赖MRR）
开启BKA优化，前两个参数是为了开启MRRset optimizer_switch='mrr=on,mrr_cost_based=off,batched_key_access=on';join_buffer 在 BNL 算法里的作用，是暂存驱动表的数据。然而在 NLJ 算法里并没有用。那么，刚好就能够复用 join_buffer 到 BKA 算法中。
在NLJ过程中，因为从驱动表 t1，一行行地取出 a 的值，再到被驱动表 t2 去做 join。也就是说，对于表 t2 来说，每次都是匹配一个值。这时，MRR 的劣势就用不上了。所以能够将t1表的a字段放入join buffer，递增排序后，在t2的b字段索引树上进行范畴查问，失去主键ID，再利用MRR优化进行后续回表。
hash join
因为join_buffer 外面保护的是一个无序数组，所以在和被驱动表join时就须要逐条匹配，如果通过hash构造去存储驱动表数据的话，就能大大减少等值判断次数。
存在where条件（小表驱动大表）
假如t1中100条c=100的数据select * from t2 straight_join t1 on (t2.b=t1.a) where t2.id <= 10 and t1.c = 100;这个时候须要抉择t2作为驱动表，因为先依据where条件过滤后失去10行的后果集作为驱动表，再进行join，join的过程再对t1.c=100的条件过滤。