MySql性能（9）- mysql的order by的工作原理

作者: 小胖学编程 | 来源:发表于2021-12-08 16:56 被阅读0次

全字段排序
rowid排序
全字段排序和rowid排序
3.1 联合索引优化
3.2 覆盖索引优化
优先队列算法
优化建议
5.1 修改系统参数
5.2 优化sql

1. 全字段排序

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city是杭州的所有人名字,并且按姓名排序返回前1000个人的姓名和年龄,sql可以这么写:

mysql> explain select city,name,age from t where city='杭州' order by name limit 1000 ;
+----+-------------+-------+------+---------------+------+---------+-------+------+----------------------------------------------------+
| id | select_type | table | type | possible_keys | key  | key_len | ref   | rows | Extra                                              |
+----+-------------+-------+------+---------------+------+---------+-------+------+----------------------------------------------------+
|  1 | SIMPLE      | t     | ref  | city          | city | 50      | const |    4000 | Using index condition; Using where; Using filesort |
+----+-------------+-------+------+---------------+------+---------+-------+------+----------------------------------------------------+
1 row in set (0.00 sec)

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。

city 字段的索引示意图.png

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：

执行流程.png

初始化 sort_buffer，确定放入 name、city、age 这三个字段；
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；
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；
从索引 city 取下一个记录的主键 id；
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；
对 sort_buffer 中的数据按照字段 name 做快速排序；
按照排序结果取前 1000 行返回给客户端。

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：

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。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。

如何确定一个排序语句是否使用临时文件？

/* 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，若是mysql5.7之下，则使用 from INFORMATION_SCHEMA.SESSION_STATUS */
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;

该方法是通过查看 OPTIMIZER_TRACE 的结果来确认的，你可以从 number_of_tmp_files查看是否使用了临时文件。

image.png

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。

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。

examined_rows：测试表中有4000条满足city='上海’的记录，所以 examined_rows=4000：表示参与排序的行数是4000。
sort_mode：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。

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。

2. rowid排序

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—rowid排序。

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。

整个流程将会变成：

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。

rowId排序.png

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）。

"filesort_execution": [
],
"filesort_summary": {
  "rows": 4000,
  "examined_rows": 4000,
  "number_of_tmp_files": 10,
  "sort_buffer_size": 32728,
  "sort_mode": "<sort_key,rowid>"
}

rowid排序OPTIMIZER_TRACE部分输出中：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。

3. 全字段排序和rowid排序

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。

3.1 联合索引优化

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);

city和name的联合索引.png

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。

image.png

查看执行计划：

mysql> explain select city,name,age from test.t where city='杭州' order by name limit 1000;
+----+-------------+-------+------+----------------+-----------+---------+-------+------+-------------+
| id | select_type | table | type | possible_keys  | key       | key_len | ref   | rows | Extra       |
+----+-------------+-------+------+----------------+-----------+---------+-------+------+-------------+
|  1 | SIMPLE      | t     | ref  | city,city_user | city_user | 50      | const |    4000 | Using where |
+----+-------------+-------+------+----------------+-----------+---------+-------+------+-------------+
1 row in set (0.00 sec)

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。

3.2 覆盖索引优化

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（无需回表查询）。

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：

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；
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；
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。

image.png

引入(city,name,age)联合索引后，查询语句的执行流程

mysql> explain select city,name,age from test.t where city='杭州' order by name limit 1000;
+----+-------------+-------+------+------------------------------+---------------+---------+-------+------+--------------------------+
| id | select_type | table | type | possible_keys                | key           | key_len | ref   | rows | Extra                    |
+----+-------------+-------+------+------------------------------+---------------+---------+-------+------+--------------------------+
|  1 | SIMPLE      | t     | ref  | city,city_user,city_user_age | city_user_age | 50      | const |    4000 | Using where; Using index |
+----+-------------+-------+------+------------------------------+---------------+---------+-------+------+--------------------------+
1 row in set (0.00 sec)

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。

4. 优先队列算法

优先队列排序也成为堆排序，主要是针对order by ... limit M,N的优化。虽然该排序算法需要扫描所有的记录，但是对于sort_buffer_size来讲该排序算法下仅仅需要M+N个元组的空间即可进行排序，避免了sort buffer不够而导致需要临时文件进行归并排序的问题。对于升序，采用大顶堆，最终堆中的元素组成了最小的N个元素，对于降序，采用小顶堆，最终堆中的元素组成了最大的N的元素。

select city,name,age from test.t where city='杭州' order by name limit 3;

MySQL 5.6 版本引入的一个新的排序算法，即：优先队列排序算法。接下来，我们就看看为什么没有使用临时文件的算法，也就是归并排序算法，而是采用了优先队列排序算法。

其实，我们现在的 SQL 语句，只需要取 name 值最小的 3 条数据。但是，如果使用归并排序算法的话，虽然最终也能得到前 3 个值，但是这个算法结束后，已经将 10000 行数据都排好序了。

那么问题来了，我们要3行，为啥给我们排10000行呢？也就是说有没有更优的处理方法：即优先队列排序算法。

只需要在内存中维护大小为3的大顶堆，就可以实现。

5. 优化建议

5.1 修改系统参数

sort_buffer_size

对于多路并归的排序方式，理论上只要我们的sort_buffer_size足够大，就可以避免使用到磁盘临时表，但是若该参数是基于会话级别的，若设置不合理极有可能占用过多内存，导致OOM。

max_length_for_sort_data

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—rowid排序。

但是该字段设置的过大，就可能会提高磁盘的IO操作。

不推荐修改默认值.png

5.2 优化sql

借助覆盖索引和联合索引查询出有序的数据记录。

MySql性能（7）—MySql索引扫描与order by排序优化

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;

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。

设计出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。

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？

select * from t where city="杭州" order by name limit 10100;

和

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;

和

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。

文章来源

MySQL中orderBy的工作原理

16 | “order by”是怎么工作的？

MySQL中的sort_buffer_size参数大小的设置问题

MySql性能（9）- mysql的order by的工作原理

1. 全字段排序

2. rowid排序

3. 全字段排序和rowid排序

3.1 联合索引优化

3.2 覆盖索引优化

4. 优先队列算法

5. 优化建议

5.1 修改系统参数

5.2 优化sql

文章来源

相关文章

网友评论

延伸阅读

深度阅读

栏目导航

热点阅读

面试精选