ORDER BY工作原理
|
492
|
0
|
MySQL

4113 字
|
23 分钟

MySQL中的 order by 是高频操作，并且对性能影响非常大，所以如果想要对排序有比较深的认知，并且对关键耗时排序进行优化，那么首先需要Mysql内部对于排序操作的实现原理。 在此之前需要对排序算法有比较深入的理解，排序算法种类非常多，但是项目工程中常用的是时间复杂度为 O(N*logN) 的快速排序和归并排序，MySQL中也使用到了这两种排序方式。

咱们有张市民表，假设你要查询城市是“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。
假设这个表的部分定义是这样的：

CREATE TABLE `t` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `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;

这时，你的 SQL 语句可以这么写：

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

这个语句看上去逻辑很清晰，但是你了解它的执行流程吗？

全字段排序

我们用 explain 命令来看看这个语句的执行情况。

mysql> EXPLAIN select city,name,age from t where city='杭州' order by name limit 1000;
+----+-------------+-------+------------+------+---------------+------+---------+-------+------+----------+----------------+
| id | select_type | table | partitions | type | possible_keys | key  | key_len | ref   | rows | filtered | Extra          |
+----+-------------+-------+------------+------+---------------+------+---------+-------+------+----------+----------------+
|  1 | SIMPLE      | t     | NULL       | ref  | city          | city | 66      | const | 4000 |   100.00 | Using filesort |
+----+-------------+-------+------------+------+---------------+------+---------+-------+------+----------+----------------+

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，我们先来看一下 city 这个索引的示意图。

从图中可以看到，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。

我们暂且把这个排序过程，称为全字段排序，执行流程的示意图如下所示。

图中“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。
你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`;

/* @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，你可以从 number_of_tmp_files 中看到是否使用了临时文件。

{
  "filesort_summary": {
    "rows": 1001,
    "examined_rows": 4000,    // 有多少条数据参与排序，越小越好
    "number_of_tmp_files": 0,    // 产生了几个临时文件，0表示完全基于内存排序
    "sort_buffer_size": 658664,
    "sort_mode": "<sort_key, additional_fields>"    // additional_fields 全字段排序
  }
}

可以观察到这次排序完成是在内存中进行的，我来修改一个参数

mysql> SHOW VARIABLES LIKE '%sort_buffer_size%';
+-------------------------+---------+
| Variable_name           | Value   |
+-------------------------+---------+
| innodb_sort_buffer_size | 1048576 |
| myisam_sort_buffer_size | 8388608 |
| sort_buffer_size        | 8388608 |
+-------------------------+---------+
mysql> SET sort_buffer_size = 500000;

继续查看 OPTIMIZER_TRACE 的结果

{
  "filesort_summary": {
    "rows": 4000,
    "examined_rows": 4000,
    "number_of_tmp_files": 5,
    "sort_buffer_size": 499624,
    "sort_mode": "<sort_key, packed_additional_fields>"    // packed_additional_fields 排序过程对字符串做了“紧凑”处理，而不是使用固定长度的编码。
  }
}

你一定奇怪，为什么需要 5 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算法。可以这么简单理解，MySQL 将需要排序的数据分成 5 份，每一份单独排序后存在这些临时文件中。然后把这 5 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。

同时，最后一个查询语句 select @b-@a 的返回结果是 4001，表示整个执行过程只扫描了 4001 行。为啥多一行呢？因为 InnoDB 引擎，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

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。
那么，如果 MySQL 认为排序的单行长度太大会怎么做呢？
接下来，我来修改一个参数，让 MySQL 采用另外一种算法。

mysql> SHOW VARIABLES LIKE '%max_length_for_sort_data%';
+--------------------------+-------+
| Variable_name            | Value |
+--------------------------+-------+
| max_length_for_sort_data | 4096  |
+--------------------------+-------+
mysql> 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，我把 max_length_for_sort_data 设置为 16，我们再来看看计算过程有什么改变。
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。
但这时，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：

  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，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。

这个执行流程的示意图如下，我把它称为 rowid 排序。

对比全字段排序流程图你会发现，rowid 排序多访问了一次表 t 的主键索引，就是步骤 7。
需要说明的是，最后的“结果集”是一个逻辑概念，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。

通过查看 OPTIMIZER_TRACE 的结果来确认排序模式。

{
  "filesort_summary": {
    "rows": 4000,
    "examined_rows": 4000,
    "number_of_tmp_files": 5,
    "sort_buffer_size": 499896,
    "sort_mode": "<sort_key, rowid>"    // rowid rowID&原始排序模式
  }
}

查询语句 select @b-@a 的返回结果是 5001，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

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。

不用排序的排序

看到这里，你就了解了，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？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。
其实，并不是所有的 order by 语句，都需要排序操作的。从上面分析的执行过程，我们可以看到，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。
你可以设想下，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，是不是就可以不用再排序了呢？
所以，我们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：

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

作为与 city 索引的对比，我们来看看这个索引的示意图。

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。
这样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。

mysql> EXPLAIN select city,name,age from t where city='杭州' order by name limit 1000;
+----+-------------+---------+------------+------+----------------+-----------+---------+-------+------+----------+-----------------------+
| id | select_type | table   | partitions | type | possible_keys  | key       | key_len | ref   | rows | filtered | Extra                 |
+----+-------------+---------+------------+------+----------------+-----------+---------+-------+------+----------+-----------------------+
|  1 | SIMPLE      | t | NULL       | ref  | city,city_user | city_user | 66      | const | 4000 |   100.00 | Using index condition |
+----+-------------+---------+------------+------+----------------+-----------+---------+-------+------+----------+-----------------------+

从图中可以看到，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，在我们这个例子里，只需要扫描 1000 次。

这个语句的执行流程有没有可能进一步简化呢？

这里我们可以再稍微复习一下。覆盖索引是指，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。
按照覆盖索引的概念，我们可以再优化一下这个查询语句的执行流程。
针对这个查询，我们可以创建一个 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='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。

然后，我们再来看看 explain 的结果。

mysql> EXPLAIN select city,name,age from t where city='杭州' order by name limit 1000;
+----+-------------+-------+------------+------+--------------------+---------------+---------+-------+------+----------+--------------------------+
| id | select_type | table | partitions | type | possible_keys      | key           | key_len | ref   | rows | filtered | Extra                    |
+----+-------------+-------+------------+------+--------------------+---------------+---------+-------+------+----------+--------------------------+
|  1 | SIMPLE      | t     | NULL       | ref  | city,city_user_age | city_user_age | 66      | const | 4000 |   100.00 | Using where; Using index |
+----+-------------+-------+------------+------+--------------------+---------------+---------+-------+------+----------+--------------------------+

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。
当然，这里并不是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，毕竟索引还是有维护代价的。这是一个需要权衡的决定。

升华

没有where条件，order by字段需要加索引吗

日常开发过程中，我们可能会遇到没有where条件的order by，那么，这时候order by后面的字段是否需要加索引呢。如有这么一个SQL，created_at 是否需要加索引：

mysql> EXPLAIN SELECT * FROM `comments` ORDER BY `created_at`;
+----+-------------+----------+------------+------+---------------+------+---------+------+------+----------+----------------+
| id | select_type | table    | partitions | type | possible_keys | key  | key_len | ref  | rows | filtered | Extra          |
+----+-------------+----------+------------+------+---------------+------+---------+------+------+----------+----------------+
|  1 | SIMPLE      | comments | NULL       | ALL  | NULL          | NULL | NULL    | NULL | 2000 |   100.00 | Using filesort |
+----+-------------+----------+------------+------+---------------+------+---------+------+------+----------+----------------+

无条件查询的话，即使 created_at上 有索引,也不会使用到。因为MySQL优化器认为走普通二级索引，再去回表成本比全表扫描排序更高。所以选择走全表扫描,然后根据全字段排序或者rowid排序来进行。
如果查询SQL修改一下：

mysql> EXPLAIN SELECT * FROM `comments` ORDER BY `created_at` LIMIT 1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------+
| id | select_type | table    | partitions | type  | possible_keys | key        | key_len | ref  | rows | filtered | Extra |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------+
|  1 | SIMPLE      | comments | NULL       | index | NULL          | created_at | 6       | NULL |    1 |   100.00 | NULL  |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------+

无条件查询,如果 LIMIT 值较小,是可以走索引的.因为MySQL优化器认为，根据索引有序性去回表查数据,然后得到m条数据,就可以终止循环,那么成本比全表扫描小,则选择走二级索引。

索引存储顺序与order by不一致，如何优化？

继续说刚刚我们联合索引 city_user_age , 我们需求修改为这样：查询城市是广州 前10个人的姓名、年龄，并且按照姓名升序排列，如果姓名相同，则按年龄升序排列。对应的 SQL 语句就可以这么写：

mysql> EXPLAIN SELECT `id`,`name`,`age` FROM `t` WHERE `city` = '杭州' ORDER BY `name`,`age` LIMIT 0,1000;
+----+-------------+-------+------------+------+------------------------------+---------------+---------+-------+------+----------+--------------------------+
| id | select_type | table | partitions | type | possible_keys                | key           | key_len | ref   | rows | filtered | Extra                    |
+----+-------------+-------+------------+------+------------------------------+---------------+---------+-------+------+----------+--------------------------+
|  1 | SIMPLE      | t     | NULL       | ref  | city,city_user_age,city_user | city_user_age | 66      | const | 4000 |   100.00 | Using where; Using index |
+----+-------------+-------+------------+------+------------------------------+---------------+---------+-------+------+----------+--------------------------+

我们可以看出这条SQL完全被索引覆盖了，那如果我们想要查询城市是广州 前10个人的姓名、年龄，并且按照姓名升序排列，如果姓名相同，则按年龄降序排列。

mysql> EXPLAIN SELECT `id`,`name`,`age` FROM `t` WHERE `city` = '杭州' ORDER BY `name`,`age` DESC LIMIT 0,1000;
+----+-------------+-------+------------+------+--------------------+------+---------+-------+------+----------+---------------------------------------+
| id | select_type | table | partitions | type | possible_keys                | key  | key_len | ref   | rows | filtered | Extra                                 |
+----+-------------+-------+------------+------+--------------------+------+---------+-------+------+----------+---------------------------------------+
|  1 | SIMPLE      | t     | NULL       | ref  | city,city_user_age | city | 66      | const | 4000 |   100.00 | Using index condition;Using filesort |
+----+-------------+-------+------------+------+--------------------+------+---------+-------+------+----------+---------------------------------------+

我们看下执行计划，发现使用到 Using filesort。
这是因为，city_user_age 索引树中，name从小到大排序，如果name相同，再按age从小到大排序。而order by 中，是按name从小到大排序，如果name相同，再按age从大到小排序。也就是说，索引存储顺序与order by不一致。
我们怎么优化呢？如果MySQL是8.0版本，支持 Descending Indexes，可以这样修改索引：

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

我们看下执行计划，发现查询配索引全覆盖了。

mysql> EXPLAIN SELECT `id`,`name`,`age` FROM `t` WHERE `city` = '杭州' ORDER BY `name`,`age` DESC LIMIT 0,1000;
+----+-------------+-------+------------+------+-------------------------+--------------------+---------+-------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys           | key                | key_len | ref   | rows | filtered | Extra       |
+----+-------------+-------+------------+------+-------------------------+--------------------+---------+-------+------+----------+-------------+
|  1 | SIMPLE      | t     | NULL       | ref  | city,city_user_age_desc | city_user_age_desc | 66      | const | 4000 |   100.00 | Using index |
+----+-------------+-------+------------+------+-------------------------+--------------------+---------+-------+------+----------+-------------+

使用了in条件多个属性时，SQL执行是否有排序过程

mysql> EXPLAIN SELECT `city`,`name`,`age` FROM `t` WHERE `city` IN ('深圳','北京') ORDER BY `name` LIMIT 0,1000;
+----+-------------+-------+------------+-------+---------------+---------------+---------+------+------+----------+------------------------------------------+
| id | select_type | table | partitions | type  | possible_keys                | key           | key_len | ref  | rows | filtered | Extra                                    |
+----+-------------+-------+------------+-------+---------------+---------------+---------+------+------+----------+------------------------------------------+
|  1 | SIMPLE      | t     | NULL       | range | city_user_age | city_user_age | 66      | NULL | 2000 |   100.00 | Using where; Using index; Using filesort |
+----+-------------+-------+------------+-------+---------------+---------------+---------+------+------+----------+------------------------------------------+

这是因为:in有两个条件，在满足深圳时，name是排好序的，但是把满足北京的name也加进来，就不能保证满足所有的name都是排好序的。因此需要Using filesort。
我们把 SELECT 后面换成 *

mysql> EXPLAIN SELECT * FROM `t` WHERE `city` IN ('深圳','北京') ORDER BY `name` LIMIT 0,1000;
+----+-------------+-------+------------+------+------------------------------+------+---------+------+------+----------+-----------------------------+
| id | select_type | table | partitions | type | possible_keys                | key  | key_len | ref  | rows | filtered | Extra             |
+----+-------------+-------+------------+------+------------------------------+------+---------+------+------+----------+-----------------------------+
|  1 | SIMPLE      | t     | NULL       | ALL  | city,city_user_age,city_user | NULL | NULL    | NULL | 6980 |    28.65 | Using where; Using filesort |
+----+-------------+-------+------------+------+------------------------------+------+---------+------+------+----------+-----------------------------+

它就变成扫全表了，这里又和MySQL的优化器相关先挖个坑下面咱们再说。

文章部分引用自极客时间---MYSQL实战

暂无评论

发送评论 编辑评论 


				

			

						

				

					

						

							

								
							

							
						

					

				

				

					

						

							

								
							

							
						

					

				

				

					

						

							

								
							

							
							
													

					

				

			

			
			

				

					
				

			

				

											

							
							
						

																				
					
											
						

	

		
|´・ω・)ノ
ヾ(≧∇≦*)ゝ
(☆ω☆)
（╯‵□′）╯︵┴─┴
￣﹃￣
(/ω＼)
∠( ᐛ 」∠)＿
(๑•̀ㅁ•́ฅ)
→_→
୧(๑•̀⌄•́๑)૭
٩(ˊᗜˋ*)و
(ノ°ο°)ノ
(´இ皿இ｀)
⌇●﹏●⌇
(ฅ´ω`ฅ)
(╯°A°)╯︵○○○
φ(￣∇￣o)
ヾ(´･ ･｀｡)ノ"
( ง ᵒ̌皿ᵒ̌)ง⁼³₌₃
(ó﹏ò｡)
Σ(っ °Д °;)っ
( ,,´･ω･)ﾉ"(´っω･｀｡)
╮(╯▽╰)╭
o(*////▽////*)q
＞﹏＜
( ๑´•ω•) "(ㆆᴗㆆ)
😂
😀
😅
😊
🙂
🙃
😌
😍
😘
😜
😝
😏
😒
🙄
😳
😡
😔
😫
😱
😭
💩
👻
🙌
🖕
👍
👫
👬
👭
🌚
🌝
🙈
💊
😶
🙏
🍦
🍉
😣
Source: github.com/k4yt3x/flowerhd
	

	

		
颜文字
Emoji
小恐龙
花!
	


									

			

			
			
		

	






上一篇
下一篇