MySQL·8.0·源码subquery 子查询处理分析（一）

引言

在 SQL 中，子查询属于 Nested Query 的一种形式，根据 Kim 的分类[1]，Nested Query 即嵌套查询是一种 SQL-like 形式的查询语句嵌套在另一 SQL 中，SQL-like 的嵌套子句可以出现在 SELECT、FROM 和 WHERE 子句的任意位置。

在 MySQL 中，一般把出现在 WHERE 子句中的嵌套 SQL 称为 subquery（子查询），而出现在 FROM 子句的称为 derived table，因为出现在 WHERE 子句中，最终属于 boolean factor 的一部分，目的是为了进行 FILTER 过滤记录。而出现在 FROM 子句不同，其结果最终是需要以抽象成一张虚拟表，用以与其他表进行 JOIN 操作或者用于二次计算过滤使用。

subquery 出现在 WHERE 子句中，而谓词形式一般为 [Ri.ck op Q]：

Ri 表示为第 i 张 Relation，ck 表示第 k 列，op 表示运算操作符，Q 则表示一个 SQL-like 形式的子查询

op 可以是 scalar 标量比较运算符（=、！=、>、>=、<、<=）或者是 set 集合成员运算符（IS IN，IS NOT IN、EXISTS、NOT EXISTS、ANY、ALL、SOME）。
两者的区别在于 scalar 标量运算符的右操作数总是返回单行单列值，而 set 运算符右操作数则是一个集合。
例如：

  • scalar 子查询

    select * from t1 where c1 = (select max(c1) from t2 where c2 > 25);

  • 普通子查询

    select * from t1 where c1 in (select c1 from t2 where c2 > 25);

Rule-based 转换

前面在 【MySQL·8.0·源码】MySQL 的查询处理有介绍，SQL 在 Transform 阶段会根据规则进行尝试简化，在此之前，我们必须知道子查询有以下等效规则[2]：

  1. Exists 的转换 
    WHERE EXISTS (select <sel> from <tbl> where <cond>)

    可以被等效为

    WHERE 0 < (select count(<sel>) from <tbl> where <cond>)
  2. Not Exists 的转换 
    WHERE NOT EXISTS (select <sel> from <tbl> where <cond>)

    可以被等效为

    WHERE 0 = (select count(<sel>) from <tbl> where <cond>)
  3. ANY 和 ALL 的转换
  • < ANY 
    < ANY (select <sel> from <tbl> where <cond>)

    可以被等效为

    < (select MAX(<sel>) from <tbl> where <cond>)
  • > ANY 
    > ANY (select <sel> from <tbl> where <cond>)

    可以被等效为

    > (select MIN(<sel>) from <tbl> where <cond>)
  • < ALL 
    < ALL (select <sel> from <tbl> where <cond>)

    可以被等效为

    < (select MIN(<sel>) from <tbl> where <cond>)
  • > ALL 
    > ALL (select <sel> from <tbl> where <cond>)

    可以被等效为

    > (select MAX(<sel>) from <tbl> where <cond>)

语法树形式

引言中介绍了子查询有以下形式：

select <selitems> from Ri where Ri.ck op <Q>

在 【MySQL·8.0·源码】MySQL 语法树基础知识 中有介绍，在 MySQL 中，<SELECT> 和 <WHERE> 子句都是使用 Item 来表示各个 expression 表达式的。
对于子查询也不例外，MySQL 通过使用一个 Item_subselect 的基类引申不同类型的子查询：
Item_subselect 基类的继承关系有：

Item_subselect
+--Item_singlerow_subselect
   +--Item_maxmin_subselect
+--Item_exists_subselect
   +--Item_in_subselect
      +--Item_allany_subselect

其中：

  • Item_singlerow_subselect 对应的是 SCALAR 子查询或者单行的子查询
  • Item_exists_subselect 对应的是 [NOT] EXISTS 的子查询
  • Item_in_subselect 对应的是 [NOT] IN 子查询
  • Item_allany_subselect 对应 <op> ALL 或者 <op> ANY 形式的子查询

引言中提到，子查询是 Nested Query 的一种形式，在【MySQL·8.0·源码】MySQL 语法树结构 中有介绍过形如另外几种形式的嵌套查询：

  • 括号嵌套查询
select * from t3, (t1, t2) where t1.c1 = t2.c2;
  • 外连接嵌套查询
select * from t1 left outer join(t2, t3) on t1.c1 = t2.c1 and t1.c2 = t3.c2 where t1.c1 = t2.c2;

它们两的语法结构形式可以回顾【MySQL·8.0·源码】MySQL 语法树结构 。

同理，子查询作为另外一种嵌套查询，在 MySQL 中也是以相同的形式进行组织，而且子查询的 WHERE 子句上也使用形如 Item_xxx_subselect 代替普通的 Item 来表示一个子查询，整体语法树结构大致为：

例如，形如一下的 IN 子查询

select * from t1 where c1 in (select c1 from t2 where c1 > 25);

在这里插入图片描述
左侧为 Parse 结束后的语法树结构，两个 Query_block 分别对应外表 t1 和子查询 t2，除了 Query_block 和 Query_expression 可以从 t1 查询找到 t2 查询外，外表 t1 还通过 where 子句 Item_in_subselect 可以找到内表子查询 Query_block(t2)，两个 Query 分别都有各自的 select list，from，where 子句。

右侧为经过 Transform 转为 semi-join 之后的语法树逻辑，这时内表子查询 t2 已经被 pullout 或 Merge 到外表查询块上，而内表条件也被 merge 到外表 where 条件中，而 t1 与 t2 也称为了的一种 semi-join 形式的嵌套查询。

Scalar 子查询的处理

对于只需返回单一值的子查询，称为 Scalar 子查询
可以是 scalar 标量比较运算符（=、！=、>、>=、<、<=）和 > ALL、< ALL、> ANY、< ANY 及其拓展形式
子查询中使用聚合函数（SUM，AVG，MAX，MIN，COUNT）返回结果等
例如：

select * from t1 where c1 > (select max(c1) from t2 where c1 > 25);

Prepare

在外表查询块 Query_block::prepare 进行 resolve 时，会 resolve where 条件，尝试解析 where 条件上的 Item 列到
实际 table field 的各种引用关系，而外表查询块的 where 条件是一个子查询 item（Item_singlerow_subselect），所以
最终会尝通过 Item_singlerow_subselect::fix_fields 来解析子查询 item 到实际 field 的引用。

Item_singlerow_subselect::fix_fields()->Item_subselect::fix_fields()->query_expr()->prepare()

子查询右侧操作数实际上是一个查询 Query_block，所以 resolve 时，会进一步调用子查询 Query_block::prepare 来
进一步 resolve/transform 子查询块，直到最终实际上是引用到 max(t2.c1) field

Optimize

子查询块的 prepare 是通过外层查询块的 resolve where 子句触发的，而 optimize 则是挪到了实际 Execute 阶段，由于
scalar 子查询最终返回的是单行单列结果，所以对实际延迟到 Execute 做子查询的 optimize 没有任何影响

Execute

scalar 子查询的执行由外层查询块在 evaluate where 条件时触发，对 Item_in_select 进行 boolean factor 的校验时，
触发子查询的 optimize 和 Execute，单行单列结果存储在子查询的 <select> 中

Item_singlerow_subselect::val_xxx()->Item_subselect::exec()->query_expr()->optimize()
Item_singlerow_subselect::val_xxx()->Item_subselect::exec()->query_expr()->execute()

预告：下篇继续普通 set 集合运算 subquery 的处理分析

引用

  1. Kim W. On optimizing an SQL-like nested query[J]. ACM Transactions on Database Systems (TODS), 1982, 7(3): 443-469.
  2. Ganski R A, Wong H K T. Optimization of nested SQL queries revisited[J]. ACM SIGMOD Record, 1987, 16(3): 23-33.