MySQL中orderBy的工作原理

本文阅读 13 分钟

给定一个表的定义:

CREATE TABLE `t` (
  `id` int(11) NOT NULL,
  `city` varchar(16) NOT NULL,
  `name` varchar(16) NOT NULL,
  `age` int(11) NOT NULL,
  `addr` varchar(128) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `city` (`city`)
) ENGINE=InnoDB;

  如果要查询城市是“杭州”的所有人名字,并且按照姓名排序返回前1000个人的姓名、年龄,查询语句逻辑:

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

  为避免全表扫描,需要在city字段加上索引。

  在city字段上创建索引之后,用explain命令来看看这个语句的执行情况。 img

  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,先来看一下city这个索引的示意图。

img

  满足city='杭州’条件的行,是从ID_X到ID_(X+N)的这些记录。

这个语句的执行流程 :

  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(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(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。

img

  “按name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,取决于排序所需的内存和参数sort_buffer_size。

  sort_buffer_size: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。反之,则利用磁盘临时文件辅助排序。

  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 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;

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

  number_of_tmp_files表示的是,排序过程中使用的临时文件数。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,所以需要12个文件。

  如果sort_buffer_size超过了待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。sort_buffer_size越小,需要分成的份数越多,number_of_tmp_files的值越大。

其他值的含义:

  • 示例中有4000条满足city='杭州’的记录,所以 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。
  • 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。

注意:为了避免对结论造成干扰,要把internal_tmp_disk_storage_engine设置成MyISAM。否则,select @b-@a的结果会显示为4001。因为查询OPTIMIZER_TRACE这个表时,需要用到临时表。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。

  在上面的过程里,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,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,是控制用于排序的行数据的长度的一个参数。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。

  city、name、age 这三个字段的定义总长度是36,把max_length_for_sort_data设置为16时,新的算法放入sort_buffer的字段,只有要排序的列(即name字段)和主键id。

整个执行流程就变为:

  • 初始化sort_buffer,确定放入两个字段,即name和id;
  • 从索引city找到第一个满足city='杭州’条件的主键id(ID_X);
  • 到主键id索引取出整行,取name、id这两个字段,存入sort_buffer中;
  • 从索引city取下一个记录的主键id;
  • 重复步骤3、4直到不满足city='杭州’条件为止(ID_Y);
  • 对sort_buffer中的数据按照字段name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city、name和age三个字段返回给客户端。

img

对比全字段排序流程,rowid排序多访问了一次表t的主键索引(步骤7)。

img

  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,语句是limit 1000,因此会多读1000行。

其他的变化:

  • sort_mode变成了<sort_key, rowid>,表示参与排序的只有name和id这两个字段。
  • number_of_tmp_files变成10,是因为这时候参与排序的行数虽然仍然是4000行,但是每一行都变小了,因此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。

  如果MySQL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。

  也体现了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。

  实际上,并不是所有的order by语句都需要排序操作的。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city这个索引上取出来的行,都是按照name递增排序的话,就可以不用再排序了

  可以在这个市民表上创建一个city和name的联合索引:

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

img

  在这个索引里面,依然可以用树搜索的方式定位到第一个满足city='杭州’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city的值是杭州,name的值就一定是有序的。

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='杭州’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='杭州’条件时循环结束。

img

  这个查询过程不需要临时表,也不需要排序。用explain的结果来印证一下:

img

  Extra字段中没有Using filesort,需要排序。而且由于(city,name)这个联合索引本身有序,所以这个查询也不用把4000行全都读一遍,只要找到满足条件的前1000条记录就可以退出了。

利用覆盖索引进一步简化:

  • 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。

,age针对这个查询,可以创建一个city、name和age的联合索引:

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

执行流程变成:

  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。

img

explain的结果: img

  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。

  假设表里面有city_name(city, name)联合索引,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 :

select * from t where city in ('杭州',"苏州") order by name limit 100;
  1. 这个语句执行的时候会有排序过程吗?   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。
  2. 如何实现一个在数据库端不需要排序的方案?   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:   执行select from t where city=“杭州” order by name limit 100;,这个语句不需要排序,客户端用一个长度为100的内存数组A保存结果。   执行select from t where city=“苏州” order by name limit 100;用相同的方法,结果被存进了内存数组B。   现在A和B是两个有序数组,可以用归并排序的思想,得到name最小的前100值。
  3. 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”,如何实现?

处理方式其实也差不多,要把上面的两条语句改成写:

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。

  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。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:

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。

本文为互联网自动采集或经作者授权后发布,本文观点不代表立场,若侵权下架请联系我们删帖处理!文章出自:https://wangjiawei.blog.csdn.net/article/details/110296913
-- 展开阅读全文 --
安全面试之XSS(跨站脚本攻击)
« 上一篇 07-24

发表评论

成为第一个评论的人

热门文章

标签TAG

最近回复