聊聊order by的工作机制

总结写在前面:

1. 介绍了orderBy的两种算法流程:全字段排序 和 rowid排序。

2. rowid排序 相比 全字段排序,参与排序字段较少,耗内存较少,多一步回表,如果内存够的情况下MySQL会考虑优先使用全字段排序

3.MySQL做排序是较高成本的操作,可以在排序字段上加索引,减少消耗;更进一步的还可以用覆盖索引。

 

假设有一张表

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;

假设要查询“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。

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

 

全字段排序

为避免全表扫描,在 city 字段加上索引。然后用 explain 命令看看这个语句的执行情况

 

 

 

Extra 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用于排序的内存,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 :

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,也就是图中的 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,对应的主键 id 也就是图中的 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。

 

第6步中的“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

 

下面介绍一个方法,可以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。

 

 

 

图 1 全排序的 OPTIMIZER_TRACE 部分结果

 

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。

可以这么简单理解,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

 

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。

 

下面解释一下图 1 中其他两个值的意思。

示例表中有 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。

这里需要注意的是,为了避免对结论造成干扰,我把 internal_tmp_disk_storage_engine 设置成 MyISAM。否则,select @b-@a 的结果会显示为 4001。

 

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。

 

rowid 排序

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。

显然,如果查询要返回的字段很多的话, sort_buffer 里面要放的字段数太多,就会导致内存放不下,要分成很多个临时文件,排序的性能会很差。

如果单行记录很大,全字段排序效率不好

 

接下来,我们修改一个参数,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。

 

city、name、age 这三个字段的定义总长度是 36,大于16。

 

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。

此时,排序的结果因为少了 city 和 age 字段的值,不能直接返回了,整个执行流程就变成:

1. 初始化 sort_buffer,确定放入两个字段,即 name 和 id;

2. 从索引 city 找到第一个满足 city='杭州’条件的主键 id,也就是图中的 ID_X;

3. 到主键 id 索引取出整行,取 name、id 这两个字段,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 直到不满足 city='杭州’条件为止,也就是图中的 ID_Y;

6. 对 sort_buffer 中的数据按照字段 name 进行排序;

7. 遍历排序结果,取前 1000 行;

8. 按照 id 的值回表取出 city、name 和 age 三个字段返回给客户端。

 

显然,rowid排序相比全字段排序多了一次访问表的主键索引,即第8步。

这里需要注意,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 city、name 和 age 这三个字段的结果,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。

 

再用OPTIMIZER_TRACE看看有什么不同:

 

  • 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。因为除了排序过程外,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 这两个字段。
  • number_of_tmp_files 变成 10 了,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。

 

全字段排序 VS rowid 排序

从上面两种算法简单分析:

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。

 

到这里我们发现,MySQL 做排序是一个成本比较高的操作。那么你会问,是不是所有的 order by 都需要排序操作呢?
显然,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。

谈到有序数据很自然就能想到索引,假设在表上创建一个 city 和 name 的联合索引,作为与city索引的对比:

 

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 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。

 

整个查询过程的流程就变成了:

1. 从索引 (city,name) 找到第一个满足 city='杭州’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='杭州’条件时循环结束。

 

可以看到,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。

 

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。也就是说,只需要扫描 1000 次。

 

讲到了索引,我们可以再思考下有没办法再进一步优化这个查询呢?有的,覆盖索引。

针对这个查询,我们可以创建一个 city、name 和 age 的联合索引。

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='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。

 

再来看看 explain 的结果。

 

可以看到,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。

 

注意:通常不能每个查询都为了用上覆盖索引,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。

 

posted @ 2020-03-17 21:56  钺览IT  阅读(...)  评论(...编辑  收藏