四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

弱龄寄事外,委怀在琴书。这篇文章主要讲述四面阿里被问MySQL底层如何实现order by的,瞬间懵了!相关的知识,希望能为你提供帮助。

  • 需求
    查询城市是“上海”的所有用户名,并按用户名排序,返回前1000人的名字、年龄。
先看建表语句:
四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

文章图片

Easy!SQL随手一写:
四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

文章图片

为避免全表扫描,给 city 字段加个索引,再explain验证:
explain select city, name, age from citizen where city = 上海 order by name limit 1000; +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+ | id | select_type | table| partitions | type | possible_keys | key| key_len | ref| rows | filtered | Extra| +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+ |1 | SIMPLE| citizen | NULL| ALL| city| NULL | NULL| NULL |32 |100.00 | Using where; Using filesort | +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+ 1 row in set, 1 warning (0.00 sec)

Extra的 Using filesort 表示需要排序,MySQL会给每个线程分配一块内存(sort_buffer)用于排序。
那么mysql底层到底是如何执行order by的呢?
首先看city索引:
四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

文章图片
这里 id_x ~ id_(x+n) 的数据都满足city=上海。
SQL执行流程
  1. 初始化sort_buffer,放入city, name, age三字段
  2. 从索引city找到第一个满足city=上海的主键id, 即id_x
  3. 到主键索引取出整行,取city, name, age三个字段的值,存入sort_buffer
  4. 从索引city取下一个记录的主键id
  5. 重复3、4,直到city值不满足查询条件,即主键id_y
  6. 对sort_buffer中的数据按name做快排
  7. 取排序后结果的前1000行,返回给client
这就是
全字段排序 执行流程
四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

文章图片

按name排序 这一操作可能:
  • 在内存中完成
  • 或需要外部排序
这取决于:
  • 排序所需的内存
    待排序数据量 & lt; sort_buffer_size,就在内存中排序。
  • 参数sort_buffer_size
    MySQL为排序开辟的内存(sort_buffer)的大小。若待排序数据量太大,内存放不下,则需利用磁盘临时文件辅助排序。
产品又开始炫技了,又问到:
SET optimizer_trace=enabled=on; /* 使用 @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; select city, name,age from citizen where city=上海 order by name limit 1000; /* 查看 OPTIMIZER_TRACE 输出 */ SELECT * FROM `information_schema`.`OPTIMIZER_TRACE`\\G/* 使用 @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 的差值 */ select @b-@a;

查看 OPTIMIZER_TRACE 结果中的 number_of_tmp_files 字段确认是否使用临时文件。
"filesort_execution": [ ], "filesort_summary": "rows": 4000 "examined_rows": 4000, "number_of_tmp_files": 12, "sort_buffer_size": 32664 , "sort_mode": "< sort_key, packed_additional_fields> "

  • number_of_tmp_files
    排序过程中使用的临时文件数。为啥需要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。
    MySQL将需要排序的数据分成12份,每一份单独排序后存在这些临时文件中。然后把这12个有序文件再合并成一个有序的大文件。
若 sort_buffer_size 超过需排序的数据量大小,则 number_of_tmp_files 就是0,即排序可直接在内存完成。
否则就需要放在临时文件中排序。sort_buffer_size越小,需要分成的份数越多,number_of_tmp_files的值就越大。
  • examined_rows
    参与排序的行数。测试表有4000条满足city=上海’的记录,所以该参数为4000。
  • sort_mode 的packed_additional_fields
    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实际长度分配空间。
select @b-@a 的结果4000,即整个执行过程只扫描了4000行。
四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

文章图片

rowid排序上面的算法,只是读了一遍原表数据,剩下的操作都是在sort_buffer和临时文件中执行。
这就存在问题:若查询要返回的字段很多,则:
  • sort_buffer要放的字段数就会很多=》
  • 内存能放下的行数就会变少=》
  • 就要分成很多临时文件=》
  • 排序性能就会很差。
所以若单行很大,该算法的效率可不够行哦。
四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

文章图片

产品老大又开始发难,那你知道若MySQL认为排序的单行长度太大,它会咋样?
现在修改个参数,让MySQL采用另外一种算法。
SET max_length_for_sort_data = https://www.songbingjia.com/android/16;

  • max_length_for_sort_data
    MySQL用于控制用于排序的行数据的长度。若单行长度超过该值,MySQL就认为单行太大,要换个算法。
city、name、age 三字段的定义总长度36,那你看我把max_length_for_sort_data设为16会咋样?
新的算法放入sort_buffer的字段,只有待排序列(name字段)和主键id。
但这时,排序的结果就因少了cityage字段值,不能直接返回了,整个执行流程变成如下:
  1. 初始化sort_buffer,确定放入两个字段,即nameid
  2. city找到第一个满足 city=上海 的主键id,即id_x
  3. id取出整行,取name、id这俩字段,存入sort_buffer
  4. city取下一个记录的主键id
  5. 重复3、4,直到不满足city=上海,即id_y
  6. sort_buffer数据按name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client
四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

文章图片

听到这里,感觉明白了一些:产品你别急,你看我画下这个rowid排序执行过程的示意图,对不对?
四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

文章图片

你看这个和你之前画的全字段排序示意图对比,其实就是多访问了一次表citizen的主键索引,即step7。
这时查看rowid排序的OPTIMIZER_TRACE结果:
"filesort_execution": [ ], "filesort_summary": "rows": 4000 "examined_rows": 4000, "number_of_tmp_files": 10, "sort_buffer_size": 32728 , "sort_mode": "< sort_key, rowid> "

  • select @b-@a结果变成5000
    因为这时除了排序过程,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。
  • sort_mode 变成了 < sort_key, rowid>
    表示参与排序的只有name和id字段
  • number_of_tmp_files 变成10
    因为这时参与排序的行数虽然还是4000,但每行都变小了,因此需排序的总数据量就小了,需要的临时文件也就少咯。
【四面阿里被问MySQL底层如何实现order by的,瞬间懵了!】产品最后总结到:
  • 若MySQL认为排序内存太小,会影响排序效率,就会采用rowid排序
    这样排序过程中一次可以排序更多行,但最后需要回表取数据
  • 若MySQL认为内存够大,会优先选择全字段排序
    把需要字段都放到sort_buffer,这样排序后就直接从内存返回查询结果,不用回表。
所以MySQL就是:若内存够,就多利用内存,尽量减少磁盘访问。
对InnoDB,rowid排序会要求回表,多造成了磁盘读,因此不会被优先选择。
所以MySQL排序是个高成本操作。
  • 是不是所有order by都需排序呢?若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。
    并非所有order by都需排序操作。MySQL之所以需要生成临时表,并且在临时表上做排序,是因为原来的数据都是无序的。
  • 如果能保证从city索引上取出来的行,天生就是按name递增排序,是不是就可以不用再排序了?
    是的。
所以可以创建一个city,name联合索引:
alter table t add index citizen(city, name);

  • 该索引的示意图
    四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

    文章图片

    依然可以用树搜索定位到第一个满足city=上海’的记录,并且能确保接下来按顺序取“下一条记录”的遍历过程,只要city是上海,name值一定有序。
    这样整个查询过程的流程就变成:
    1. 从索引(city,name)找到第一个满足city=上海’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=上海’条件时循环结束
  • 引入(city,name)联合索引后,查询语句的执行计划
    四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

    文章图片
可见,该查询过程无需临时表,也无需排序。
  • 使用 explain 查看(city,name)联合索引,查询语句的执行计划
explain select city, name, age from citizen where city = 上海 order by name limit 1000; +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+ | id | select_type | table| partitions | type | possible_keys | key| key_len | ref| rows | filtered | Extra| +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+ |1 | SIMPLE| citizen | NULL| ref| city,name| name | 51| const |4000 |100.00 | Using index condition | +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+ 1 row in set, 1 warning (0.00 sec)

可见Extra字段中没有Using filesort了,也就是不需要排序了。而且由于(city,name)这个联合索引本身有序,所以该查询也不用把4000行全都读一遍,只要找到满足条件的前1000条记录即可退出。在这个例子里,只需扫描1000次。
该语句的执行流程有没有可能进一步简化呢?
  • 覆盖索引
    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。
按覆盖索引,可以再优化一下这个查询语句的执行流程。
针对这个查询,可以创建一个city、name和age的联合索引,对应的SQL语句就是:
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=上海’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2,直到查到第1000条记录或不满足city=上海
引入 (city,name,age) 联合索引,查询语句的执行流程
四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

文章图片

  • explain查看(city,name,age)联合索引查询语句的执行计划
explain select city, name, age from citizen where city = 上海 order by name limit 1000; +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+ | id | select_type | table| partitions | type | possible_keys | key| key_len | ref| rows | filtered | Extra| +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+ |1 | SIMPLE| citizen | NULL| ref| city,name,age| age | 51| const |4000 |100.00 | Using where; Using index | +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+ 1 row in set, 1 warning (0.00 sec)

Extra字段里面多了“Using index”,说明使用了覆盖索引,性能上会快很多。
但这并非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,毕竟索引也很占空间,而且修改新增都会导致索引改变,还是具体业务场景具体分析。

    推荐阅读