为了账号安全,请及时绑定邮箱和手机立即绑定

四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

2021.04.15 19:39 1590浏览

这天风和日丽,小a正在工位上苦练钓鱼技术,

突然接到产品的☎️,又来需求?

只听到产品又开始口若黄河:我需要要查询到city是“上海”的所有人的name,并且还要按name排序返回前1000人的name、age。

小a急忙正襟危坐,从一堆库表中翻出需要的表,抽出其建表语句:

看看表结构,再看看产品的需求

感觉很容易,随手SQL这么一写:

诶,这语句看着简单而朴实,一个需求好像就完美解决了。但为了显示自己强大的性能优化水平,考虑到要避免全表扫描,于是又给 city 字段加索引。

建完索引,自然还需要使用explain验证一下:


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字段的 Using filesort 表示需要排序,MySQL会给每个线程分配一块内存用于排序,称为sort_buffer

这时魔鬼产品突然凑过来问:给我看看你代码咋写的,你这么写你真的懂MySQL 底层怎么执行order by的吗?

小a突然惊醒,还真没想过这些。

产品经理冷笑道:你知道你的 city 索引长啥样吗?

我自己建立的,我咋可能不知道!随手直接画出

  • city字段的索引示意图

产品,你可好好看了,这里 id_x ~ id_(x+n) 的数据都满足city='上海’。

产品:那你倒是说说这条SQL的执行流程?不知道了吧,我来告诉你吧:

  1. 初始化sort_buffer,确定放入name、city、age三字段

  2. 从索引city找到第一个满足city='上海’条件的主键id, 即id_x

  3. 到id主键索引取出整行,取name、city、age三个字段的值,存入sort_buffer

  4. 从索引city取下一个记录的主键id

  5. 重复3、4,直到city的值不满足查询条件,即主键id_y

  6. sort_buffer中数据按name做快排

  7. 取排序后结果的前1000行返回给客户端

这就是全字段排序,执行流程如下:

按name排序 这一操作可能在内存中完成,也可能需要外部排序,而这就取决于

  • 排序所需内存

  • 参数sort_buffer_size

MySQL为排序开辟的内存(sort_buffer)的大小。若要排序的数据量小于sort_buffer_size,排序就在内存中完成。若排序数据量太大,内存放不下,则得利用磁盘临时文件辅助排序。

产品又开始炫技了,又问到:你知道 一条排序语句何时才会使用临时文件 吗?

这?这还真又触及到我的知识盲区了!


mysql> SET  optimizer_trace='enabled=on';

Query OK, 0 rows affected (0.00 sec)

  

/* 使用 @a 保存 Innodb_rows_read 的初始值 */

mysql> select VARIABLE_VALUE into @a from performance_schema.session_status where variable_name = 'Innodb_rows_read';

Query OK, 1 row affected (0.00 sec)

  

mysql> select city, name,age from citizen where city='上海' order by name limit 1000;

+--------+------+-----+

| city | name | age |

+--------+------+-----+

| 上海 | java | 22 |

...

  

/* 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 */

mysql> select VARIABLE_VALUE into @b from performance_schema.session_status where variable_name = 'Innodb_rows_read';

Query OK, 1 row affected (0.00 sec)

  

/* 计算 Innodb_rows_read 的差值 */

mysql> 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。

sort_buffer_size 超过需排序的数据量大小,则 number_of_tmp_files 就是0,即排序可直接在内存完成。

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。

  • 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_modepacked_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。

注意,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。

因为查询OPTIMIZER_TRACE表时,需要用到临时表,而internal_tmp_disk_storage_engine的默认值是InnoDB。若使用InnoDB,把数据从临时表取出时,会让Innodb_rows_read的值加1。

我惊奇地望着产品,像瞻仰伟人一般,不如你继承我的代码吧,让我来做产品?

rowid排序

上面的算法,只是对原表数据读了一遍,剩下的操作都是在sort_buffer和临时文件中执行。但这就存在问题:若查询要返回的字段很多,那么sort_buffer要放的字段数就会很多,内存里能够同时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。

所以若单行很大,该方法的效率可不够行哦。

产品大大又开始发难,那么你知道若MySQL认为排序的单行长度太大,它又会干啥吗

现在修改个参数,让MySQL采用另外一种算法。


SET max_length_for_sort_data = 16;

  • max_length_for_sort_data

MySQL用于控制用于排序的行数据的长度。若单行的长度超过该值,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,只有要排序的列(即name字段)和主键id。

但这时,排序的结果就因少了cityage字段值,不能直接返回了,整个执行流程变成如下:

  1. 初始化sort_buffer,确定放入两个字段,即nameid

  2. city找到第一个满足city='上海’条件的主键id,也就是图中的id_x

  3. 到id取出整行,取name、id这两个字段,存入sort_buffer

  4. city取下一个记录的主键id

  5. 重复步骤3、4直到不满足city='上海’,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。

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,看看对不对?

你看这个和你之前画的全字段排序示意图,其实就是多访问了一次表citizen的主键索引,即step7。

注意了,最后的resultSet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这三字段的结果,不需要在服务端再耗费内存存储结果,而是直接返回给客户端。

这时查看rowid排序的OPTIMIZER_TRACE结果,看看和之前的不同之处在哪里


"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。

产品最后总结到:

  • 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。

所以MySQL就是:若内存够,就多利用内存,尽量减少磁盘访问。

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。

所以可以创建一个city,name联合索引:


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

  • 该索引的示意图

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:

  1. 从索引(city,name)找到第一个满足city='上海’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='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

可见,该查询过程无需临时表,也无需排序。

  • 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。

按覆盖索引,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='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

  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2,直到查到第1000条记录或不满足city=‘上海’

引入 (city,name,age) 联合索引,查询语句的执行流程

  • 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。

参考

  • “order by”是怎么工作的?
  • 天天写order by,你知道Mysql底层执行原理吗?
点击查看更多内容

本文原创发布于慕课网 ,转载请注明出处,谢谢合作

3人点赞

若觉得本文不错,就分享一下吧!

评论

相关文章推荐

正在加载中
意见反馈 帮助中心 APP下载
官方微信

举报

0/150
提交
取消