MySQL中order by的执行过程
作者:??三苗同学???? 时间:2024-01-15 00:29:16
前言:
在开发过程中,一定会经常碰到需要根据指定的字段排序来显示结果的需求。还是以前文的订单表为例,假设查询“张三”的所有订单,并且按照订单价格排序返回前 1000 个订单号以及价格。
一 、测试数据
测试的这个订单表my_order
的结构是这样的:
CREATE TABLE `my_order` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`oid` varchar(20) NOT NULL,
`uid` int(11) NOT NULL,
`price` decimal(6,2) NOT NULL DEFAULT '0.00',
PRIMARY KEY (`id`) USING BTREE,
KEY `uid` (`uid`) USING BTREE,
KEY `oid` (`oid`)
) ENGINE=InnoDB AUTO_INCREMENT=1000000 DEFAULT CHARSET=utf8;
用户表my_user
数据:
上面的订单表my_order
的uid 与 用户表my_user
的id 关联。
SQL 语句可以这么写:
SELECT
oid,
price
FROM
my_order
WHERE
uid = 1
ORDER BY
price
LIMIT 1000;
上面的SQL语句看上去逻辑很清晰,但是它的执行流程了解么?这篇文章就来学习一下这个语句是怎么执行的,以及有哪些参数会影响执行。
二、 全字段排序
为避免全表扫描,我们需要在 uid 字段加上索引。在 uid 字段加上索引之后,我们用 EXPLAIN
命令来看看这个语句的执行情况。
Extra 这个字段中的“Using filesort”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。为了说明这个 SQL 查询语句的执行过程,我们先看一下 uid 这个索引的示意图。
如下图所示:
通常情况下,这个语句执行流程如下 :
初始化 sort_buffer,确定放入 oid、price、uid 这三个字段;
从索引 uid 找到第一个满足 uid = 1 条件的主键 id,也就是图中的 ID-4;
到主键 id 索引取出整行,取 oid、price、uid 三个字段的值,存入 sort_buffer 中;
从索引 uid 取下一个记录的主键 id;
重复步骤 3、4 直到 uid 的值不满足查询条件为止;
对 sort_buffer 中的数据按照字段 oid 做快速排序;
按照排序结果取前 1000 行返回给客户端。
“按 oid 排序”这个动作,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。
你可以用下面介绍的方法,来确定一个排序语句是否使用了临时文件。
/* 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 oid,price FROM my_order WHERE uid=1 ORDER BY price 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
表示排序过程中使用的临时文件数。你一定奇怪,我当前测试的需要 0 个文件,表示排序可以直接在内存中完成。如果是 n,则表示内存放不下时,就需要使用外部排序,外部排序一般使用归并排序算法。可简单理解,MySQL 将需要排序的数据分成 n 份,每一份单独排序后存在这些临时文件中。然后把这 n 个有序文件再合并成一个有序的大文件。
注:当如果
sort_buffer_size
超过了需要排序的数据量的大小,number_of_tmp_files
就是 0,表示排序可以直接在内存中完成。
接下来,我再和你解释一下上图中其他两个值的意思。
我们的示例表中有 99972 条满足 uid = 1 的记录,examined_rows=99972,表示参与排序的行数是 99972 行。
sort_mode 里面是 additional_fields。
1、
< sort_key, rowid >
对应的是MySQL 4.1之前的"原始排序模式"。表明排序缓冲区元组包含排序键值和原始表?的?id,排序后需要使??id进?回表,这种算法也称为original filesort algorithm(回表排序算法);2、
< sort_key, additional_fields >
对应的是MySQL 4.1以后引入的"修改后排序模式"。排序缓冲区元组包含排序键值和查询所需要的列,排序后直接从缓冲区元组取数据,?需回表,这种算法也称为modified filesort algorithm(不回表排序);3、
< sort_key, packed_additional_fields >
是MySQL 5.7.3以后引入的进一步优化的"打包数据排序模式"。这类似上?种形式,但是附加的列(如varchar类型)紧密地打包在?起,?不是使?固定长度的编码。
同时,最后一个查询语句 select @b-@a 的返回结果是 99973。
那为啥不是上面那个 99972 呢?
这里需要注意的是,为了避免干扰,你可以把 internal_tmp_disk_storage_engine 设置成 MyISAM。否则,select @b-@a 的结果会显示为 99973。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。
三、rowid 排序
上面那个算法,只对原表的数据读了一遍,剩下的操作都是在 sort_buffer 和临时文件中执行的。但这个算法有一个问题,就是如果查询要返回的字段很多的话,那么 sort_buffer 里面要放的字段数太多,这样内存里能够同时放下的行数很少,要分成很多个临时文件,排序的性能会很差。所以如果单行很大,这个方法效率不够好。
如果 MySQL 认为排序的单行长度太大会怎么做呢?
下面来修改一个参数,让 MySQL 采用另外一种算法。
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。oid、price这2个字段的定义总长度是 28,我把 max_length_for_sort_data 设置为 16,我们再来看看计算过程有什么改变。新的算法放入 sort_buffer 的字段,只有要排序的列(即 price 字段)和主键 id。但这时,排序的结果就因为少了 price 字段的值,不能直接返回了,
整个执行流程就变成如下所示的样子:
初始化 sort_buffer,确定放入两个字段,即 price 和 id;
从索引 uid 找到第一个满足 uid= 1 条件的主键 id;
到主键 id 索引取出整行,取 price、id 这两个字段,存入 sort_buffer 中;
从索引 uid 取下一个记录的主键 id;
重复步骤 3、4 直到不满足 uid= 1 条件为止;
对 sort_buffer 中的数据按照字段 price 进行排序;
遍历排序结果,取前 1000 行,并按照 id 的值回到原表中取出 oid、price 2个字段返回给客户端。
对比全字段排序流程图,rowid 排序多访问了一次表 test 的主键索引,就是步骤 7。
说明:最后的“结果集”只是一个逻辑概念,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 oid、price 这2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。
那么根据这个时候执行 select @b-@a
,结果会是多少呢?
首先,图中的 examined_rows 的值还是 99972,表示用于排序的数据是 99972 行。但是 select @b-@a
这个语句的值变成 100973 了。(比上面的 select @b-@a 99973 多了1000行,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)。
从 OPTIMIZER_TRACE 的结果中,你还能看到另外有个信息也变了。
sort_mode 变成了 <sort_key, rowid>,表示参与排序的只有 price 和 id 这两个字段。
四、全字段排序 与 rowid 排序 比较
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。
MySQL 做排序是一个成本比较高的操作。是不是所有的 order by 都需要排序操作呢?如果不排序就能得到正确的结果,那对系统的消耗会小很多,语句的执行时间也会变得更短。其实,并不是所有的 order by 语句,都需要排序操作的。从上面分析的执行过程,我们可以看到,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。如果能够保证从 uid 这个索引上取出来的行,天然就是按照 price 递增排序的话,是不是就可以不用再排序了呢?所以,我们可以在这个市民表上创建一个 uid 和 price 的联合索引,对应的 SQL 语句是:
ALTER TABLE my_order ADD INDEX un_key (uid,price);
作为与 uid 索引的对比,我们来看看这个索引的示意图。
在这个索引里面,我们依然可以用树搜索的方式定位到第一个满足 uid=1 的记录,并且额外确保了,接下来按顺序取“下一条记录”的遍历过程中,只要 uid 的值是 1,price 的值就一定是有序的。
这样整个查询过程的流程就变成了:
从索引 (uid,price) 找到第一个满足 city= 1 条件的主键 id;
到主键 id 索引取出整行,取 oid、price 2个字段的值,作为结果集的一部分直接返回;
从索引 (uid,price) 取下一个记录主键 id;
重复步骤 2、3,直到查到第 1000 条记录,或者是不满足 uid=1 条件时循环结束。
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。而且由于 (uid,price) 这个联合索引本身有序,所以这个查询也不用把 99972 行全都读一遍,只要找到满足条件的前 1000 条记录就可以退出了。也就是说,在我们这个例子里,只需要扫描 1000 次。同样看下 select @b-@a
;
再稍微复习一下。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。Extra 字段里面多了“Using index”,表示的就是使用了覆盖索引,性能上会快很多。
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。
来源:https://juejin.cn/post/7101949780707934221