[关闭]
@adamhand 2019-02-25T22:49:12.000000Z 字数 3989 阅读 836

16 | “order by”是怎么工作的？

先来看一个例子，假如一个市民表的定义如下：

  1. CREATE TABLE `t` (
  2.   `id` int(11) NOT NULL,
  3.   `city` varchar(16) NOT NULL,
  4.   `name` varchar(16) NOT NULL,
  5.   `age` int(11) NOT NULL,
  6.   `addr` varchar(128) DEFAULT NULL,
  7.   PRIMARY KEY (`id`),
  8.   KEY `city` (`city`)
  9. ) ENGINE=InnoDB;

现在要查询城市是“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。可以使用如下语句：

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

下面就分析一下这个语句是怎么执行的。

全字段排序

为避免全表扫描，肯定需要在 city 字段加上索引。使用explaini语句来观察上述语句的执行情况：



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。

city索引的示意图如下：



可以看到，满足 city='杭州’条件的行，是从 ID_X 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 ：

上面这个排序过程zanqie称为全字段排序，执行流程的示意图如下所示



“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，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。可以用下面的方法来确定一个排序语句是否使用了临时文件。

  1. /* 打开 optimizer_trace，只对本线程有效 */
  2. SET optimizer_trace='enabled=on'; 
  4. /* @a 保存 Innodb_rows_read 的初始值 */
  5. select VARIABLE_VALUE into @a from  performance_schema.session_status where variable_name = 'Innodb_rows_read';
  7. /* 执行语句 */
  8. select city, name,age from t where city='杭州' order by name limit 1000; 
  10. /* 查看 OPTIMIZER_TRACE 输出 */
  11. SELECT * FROM `information_schema`.`OPTIMIZER_TRACE`\G
  13. /* @b 保存 Innodb_rows_read 的当前值 */
  14. select VARIABLE_VALUE into @b from performance_schema.session_status where variable_name = 'Innodb_rows_read';
  16. /* 计算 Innodb_rows_read 差值 */
  17. 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。如下图所示：



number_of_tmp_files 表示的是排序过程中使用的临时文件数。当内存放不下时，就需要使用外部排序，外部排序一般使用归并排序算法，所以可能要使用多个临时文件，这里就是12个。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。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。

上图中，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。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。

rowid 排序

在上面这个算法过程里面，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。

Mysql中的max_length_for_sort_data参数是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。

city、name、age 这三个字段的定义总长度是 36，可以通过下面的命令把 max_length_for_sort_data 设置为 16。

  1. SET max_length_for_sort_data = 16;

这样更改后，sort_buffer 的字段只有要排序的列（即 name 字段）和主键 id。但是，排序的结果就因为少了 city 和 age 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：

这个执行流程的示意图如下，可以暂且把它称为 rowid 排序。



这时，查看 OPTIMIZER_TRACE的结果，如下图所示：



和全排序算法相比，有几个变化：

另外，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。

全字段排序 VS rowid 排序

这两种排序算法的区别如下：

是否所有的order by都需要排序

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。对上面的例子来说，如果能够保证从 city 这个索引上取出来的行，天然就是按照 name 递增排序的话，就不用排序。

所以，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);

这个索引的示意图如下图所示：



这时整个查询过程的流程就变成了



实际上，这个查询还可以使用覆盖索引进行优化。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：

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

这样整个查询语句的执行流程就变成了：



添加新批注
在作者公开此批注前，只有你和作者可见。
回复批注