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。
文章图片
Easy!SQL随手一写:
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:
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
- 初始化sort_buffer,放入
city, name, age
三字段 - 从索引
city
找到第一个满足city=上海
的主键id, 即id_x
- 到主键索引取出整行,取
city, name, age
三个字段的值,存入sort_buffer - 从索引
city
取下一个记录的主键id - 重复3、4,直到city值不满足查询条件,即主键
id_y
- 对sort_buffer中的数据按
name
做快排 - 取排序后结果的前1000行,返回给client
全字段排序 执行流程
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
- 排序所需的内存
若待排序数据量 & 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。
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。
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。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。
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
city
和age
字段值,不能直接返回了,整个执行流程变成如下:- 初始化
sort_buffer
,确定放入两个字段,即name
和id
- 从
city
找到第一个满足 city=上海 的主键id,即id_x
- 到
id
取出整行,取name、id这俩字段,存入sort_buffer
- 从
city
取下一个记录的主键id - 重复3、4,直到不满足city=上海,即
id_y
- 对
sort_buffer
数据按name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city、name和age三个字段返回给client
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?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。
- 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。
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。
city,name
联合索引:alter table t add index citizen(city, name);
- 该索引的示意图
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:
- 从索引(city,name)找到第一个满足city=上海’条件的主键id
- 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
- 从索引(city,name)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
文章图片
- 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。
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:
- 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
- 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
- 重复2,直到查到第1000条记录或不满足city=上海
(city,name,age)
联合索引,查询语句的执行流程文章图片
- 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
- 全网Oracle基础最全教程
- 使用Node.jsMongoDBFastify 构建API服务
- 你真搞懂时间复杂度和空间复杂度了吗
- 图文 Win8触摸键盘怎样设置静音
- 图文 Win8系统为程序窗口设置单独输入法
- 图文 在Win8桌面创建快捷方式打开Metro应用
- 图文 迅速设置Win 8应用分类的办法
- 图文 Win8如何提高系统整体性能
- 怎样让Win 8系统开始屏幕显示更多磁贴