Scott's world.

MySQL-orderby笔记

Word count: 3.5kReading time: 12 min
2020/02/02 Share

MySQL-orderby笔记

在日常开发中我们经常会使用到order by这一字段,即根据指定的字段排序来显示结果。

以我们前面举例用过的市民表为例,假设查询某一个城市的所有人名字并根据姓名排序返回前1000个人的姓名和年龄。

我们很容易会想到下面的这一条SQL语句:

1
select city,name,age from t where city='杭州' order by name limit 1000  ;

今天我们就来了解关于这一个语句是怎么执行的,以及有什么参数会影响执行的行为。

全字段排序

为了避免全表扫描,我们需要在city字段加上索引,然后我们用explain来查看这个语句执行情况

我们可以看到Extra字段中有一句“Using filesort”,这句表示的就是需要排序,MySQL会给每个线程分配一块内存用于排序,称为sort_buffer

我们再来看一下city这个索引的示意图

从图中我们可以看到满足city=‘杭州’条件的行是从IDX到ID(X+N)的这些记录

通常情况下,这个语句执行流程如下所示:

  1. 初始化sort_buffer,确定放入name、city、age这三个字段;
  2. 从索引city找到第一个满足city=’杭州’条件的主键id,也就是图中的ID_X;
  3. 到主键id索引取出整行,取name、city、age三个字段的值,存入sort_buffer中;
  4. 从索引city取下一个记录的主键id;
  5. 重复步骤3、4直到city的值不满足查询条件为止,对应的主键id也就是图中的ID_Y;
  6. 对sort_buffer中的数据按照字段name做快速排序;
  7. 按照排序结果取前1000行返回给客户端。

这个排序过程暂且称为全字段排序

  • 图中按name排序操作可能在内存中完成,也可能需要使用外部排序,这取决于排序所需的内存和参数sort_buffer_size

sort_buffer_size,就是MySQL为排序开辟的内存(sort_buffer)的大小。如果要排序的数据量小于sort_buffer_size,排序就在内存中完成。但如果排序数据量太大,内存放不下,则不得不利用磁盘临时文件辅助排序。

我们可以使用下面介绍的方法,来确定一个排序语句是否使用了临时文件。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
/* 打开optimizer_trace,只对本线程有效 */
SET optimizer_trace='enabled=on';

/* @a保存Innodb_rows_read的初始值 */
select VARIABLE_VALUE into @a from performance_schema.session_status where variable_name = 'Innodb_rows_read';

/* 执行语句 */
select city, name,age from t where city='杭州' order by name limit 1000;

/* 查看 OPTIMIZER_TRACE 输出 */
SELECT * FROM `information_schema`.`OPTIMIZER_TRACE`\G

/* @b保存Innodb_rows_read的当前值 */
select VARIABLE_VALUE into @b from performance_schema.session_status where variable_name = 'Innodb_rows_read';

/* 计算Innodb_rows_read差值 */
select @b-@a;

这个方法就是通过查看OPTIMIZER_TRACE的结果来确认的,你可以从number_of_tmp_files中看到是否使用了临时文件。

number_of_tmp_files表示的是,排序过程中使用的临时文件数。

你一定奇怪,为什么需要12个文件?内存放不下时,就需要使用外部排序,外部排序一般使用归并排序算法

我们的示例表中有4000条满足city='杭州’的记录,所以你可以看到 examined_rows=4000,表示参与排序的行数是4000行。

sort_mode 里面的packed_additional_fields`的意思是,排序过程对字符串做了“紧凑”处理。即使`name`字段的定义是`varchar(16),在排序过程中还是要按照实际长度来分配空间的。

同时,最后一个查询语句`select @b-@a的返回结果是4000,表示整个执行过程只扫描了4000行。

这里需要注意的是,为了避免对结论造成干扰,我把`internal_tmp_disk_storage_engine设置成MyISAM。否则,select @b-@a的结果会显示为4001。

这是因为查询`OPTIMIZER_TRACE这个表时,需要用到临时表,而internal_tmp_disk_storage_engine的默认值是InnoDB。如果使用的是InnoDB引擎的话,把数据从临时表取出来的时候,会让Innodb_rows_read的值加1。

rowid排序

上面的算法过程总结下来就是对原表的数据读了一遍,剩下的操作都是在sort_buffer和临时文件中执行

但这个算法不可避免的问题就死若查询要返回的字段很多,那么sort_buffer里面要放的字段数太多,内存里能够同时放下的行数很少,要分成多个临时文件,排序的性能会很差。

所以如果单行很大,这个方法效率就不够好。

那么,如果MySQL认为排序的单行长度太大会怎么做?

接下来,可以通过修改一个参数,让MySQL采用另外一种算法

1
2
SET max_length_for_sort_data = 16;
#max_length_for_sort_data,是MySQL中专门控制用于排序的行数据的长度的一个参数。它的意思是,如果单行的长度超过这个值,MySQL就认为单行太大,要换一个算法。

要查询的字段长度超过了设置值,那么新的算法放入soft_buffer字段,只有要排序的列(即name字段)和主键id。

但这时,排序的结果就因为少了city和age字段的值,不能直接返回,整个执行流程就变成如下所下所示的样子:

  1. 初始化sort_buffer,确定放入两个字段,即name和id;
  2. 从索引city找到第一个满足city=’杭州’条件的主键id,也就是图中的ID_X;
  3. 到主键id索引取出整行,取name、id这两个字段,存入sort_buffer中;
  4. 从索引city取下一个记录的主键id;
  5. 重复步骤3、4直到不满足city=’杭州’条件为止,也就是图中的ID_Y;
  6. 对sort_buffer中的数据按照字段name进行排序;
  7. 遍历排序结果,取前1000行,并按照id的值回到原表中取出city、name和age三个字段返回给客户端。

这个执行流程的示意图如下,我把它称为rowid排序。

对比全字段排序,我们可以发现排序过程中少了不相关的两个字段,而等排序结果出来后再通过主键id回到表中取出那两个字段。

需要说明的是,最后的“结果集”是一个逻辑概念,实际上MySQL服务端从排序后的sort_buffer中依次取出id,然后到原表查到city、name和age这三个字段的结果,不需要在服务端再耗费内存存储结果,是直接返回给客户端的。

现在,我们就来看看结果有什么不同。

首先,图中的examined_rows的值还是4000,表示用于排序的数据是4000行。但是`select @b-@a这个语句的值变成5000了。

因为这时候除了排序过程外,在排序完成后,还要根据id去原表取值。由于语句是`limit 1000,因此会多读1000行。

`OPTIMIZER_TRACE的结果中,你还能看到另外两个信息也变了。

  • sort_mode变成了,表示参与排序的只有name和id这两个字段。
  • number_of_tmp_files变成10了,需要排序的总数据量就变小了,需要的临时文件也相应地变少了。

全字段排序 VS rowid排序

我们来分析一下,从这两个执行流程里,还能得出什么结论。

  • 如果MySQL实在是担心排序内存太小,会影响排序效率,才会采用rowid排序算法,这样排序过程中一次可以排序更多行,但是需要再回到原表去取数据。
  • 如果MySQL认为内存足够大,会优先选择全字段排序,把需要的字段都放到sort_buffer中,这样排序后就会直接从内存里面返回查询结果了,不用再回到原表去取数据。

这也就体现了MySQL的一个设计思想:如果内存够,就要多利用内存,尽量减少磁盘访问。

对于InnoDB表来说,rowid排序会要求回表多造成磁盘读,因此不会被优先选择。

而我们再回到这个假设本身,如果name字段本身就是递增排序的话,其实就不用再排序了。即MySQL之所以需要生成临时表,并且在临时表上做排序操作,其原因是原来的数据都是无序的。

所以,我们可以在这个市民表上创建一个city和name的联合索引,对应的SQL语句是:

1
alter table t add index city_user(city, name);

作为与city索引的对比,我们来看看这个索引的示意图。

这样整个查询过程的流程就变成了:

  1. 从索引(city,name)找到第一个满足city=’杭州’条件的主键id;
  2. 到主键id索引取出整行,取name、city、age三个字段的值,作为结果集的一部分直接返回;
  3. 从索引(city,name)取下一个记录主键id;
  4. 重复步骤2、3,直到查到第1000条记录,或者是不满足city=’杭州’条件时循环结束。

可以看到,这个查询过程不需要临时表,也不需要排序。接下来,我们用explain的结果来印证一下。

从图中可以看到,Extra字段中没有`Using filesort了,也就是不需要排序了,且因为联合索引本身有序,也不用扫描4000行而是只需要找出满足条件的1000行记录就可以退出了。

既然说到这里了,我们再往前讨论,这个语句的执行流程有没有可能进一步简化呢?

那就是考虑覆盖索引

覆盖索引是指,索引上的信息足够满足查询请求,不需要再回到主键索引上去取数据。

按照覆盖索引的概念,我们可以再优化一下这个查询语句的执行流程。

针对这个查询,我们可以创建一个city、name和age的联合索引,对应的SQL语句就是:

1
alter table t add index city_user_age(city, name, age);

这时,对于city字段的值相同的行来说,还是按照name字段的值递增排序的,此时的查询语句也就不再需要排序了。这样整个查询语句的执行流程就变成了:

  1. 从索引(city,name,age)找到第一个满足city=’杭州’条件的记录,取出其中的city、name和age这三个字段的值,作为结果集的一部分直接返回;
  2. 从索引(city,name,age)取下一个记录,同样取出这三个字段的值,作为结果集的一部分直接返回;
  3. 重复执行步骤2,直到查到第1000条记录,或者是不满足city=’杭州’条件时循环结束。

然后,我们再来看看explain的结果。

可以看到通过索引,性能回快很多。

当然,这里并不是说要为了每个查询能用上覆盖索引,就要把语句中涉及的字段都建上联合索引,毕竟索引还是有维护代价的。这是一个需要权衡的决定。

问题

假设你的表里面已经有了city_name(city, name)这个联合索引,然后你要查杭州和苏州两个城市中所有的市民的姓名,并且按名字排序,显示前100条记录。如果SQL查询语句是这么写的 :

1
mysql> select * from t where city in ('杭州',"苏州") order by name limit 100;

那么,这个语句执行的时候会有排序过程吗,为什么?

虽然有(city,name)联合索引,对于单个city内部,name是递增的。但是由于这条SQL语句不是要单独地查一个city的值,而是同时查了”杭州”和” 苏州 “两个城市,因此所有满足条件的name就不是递增的了。也就是说,这条SQL语句需要排序。

如果业务端代码由你来开发,需要实现一个在数据库端不需要排序的方案,你会怎么实现呢?

这里,我们要用到(city,name)联合索引的特性,把这一条语句拆成两条语句,执行流程如下:

  1. 执行select * from t where city=“杭州” order by name limit 100; 这个语句是不需要排序的,客户端用一个长度为100的内存数组A保存结果。
  2. 执行select * from t where city=“苏州” order by name limit 100; 用相同的方法,假设结果被存进了内存数组B。
  3. 现在A和B是两个有序数组,然后你可以用归并排序的思想,得到name最小的前100值,就是我们需要的结果了。

进一步地,如果有分页需求,要显示第101页,也就是说语句最后要改成 “limit 10000,100”, 你的实现方法又会是什么呢?

如果把这条SQL语句里“limit 100”改成“limit 10000,100”的话,处理方式其实也差不多,即:要把上面的两条语句改成写:

1
2
select * from t where city="杭州" order by name limit 10100; 
select * from t where city="苏州" order by name limit 10100;

这时候数据量较大,可以同时起两个连接一行行读结果,用归并排序算法拿到这两个结果集里,按顺序取第10001~10100的name值,就是需要的结果了。

当然这个方案有一个明显的损失,就是从数据库返回给客户端的数据量变大了。

所以,如果数据的单行比较大的话,可以考虑把这两条SQL语句改成下面这种写法:

1
2
select id,name from t where city="杭州" order by name limit 10100; 
select id,name from t where city="苏州" order by name limit 10100;

然后,再用归并排序的方法取得按name顺序第10001~10100的name、id的值,然后拿着这100个id到数据库中去查出所有记录。

CATALOG
  1. 1. MySQL-orderby笔记
    1. 1.1. 全字段排序
    2. 1.2. rowid排序
    3. 1.3. 全字段排序 VS rowid排序
    4. 1.4. 问题