MySQL实战45讲_16 | “order by”是怎么工作的？

财大小陈
203 阅读7分钟

16 | “order by”是怎么工作的？

在开发应用的时候，一定会经常碰到需要根据指定的字段排序来显示结果的需求。以前面举例用过的市民表为例，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, 
`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

为了避免全表扫描，我们要在city字段加上索引。

image.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 ：

  1. 初始化sort_buffer（MySQL会给每个线程分配一块内存用于排序，称为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，下一篇文章中我们还会用到这个排序。

image.png

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。

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。

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。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。

image.png

对比全字段排序你会发现，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。

全字段排序 VS rowid排序

我们来分析一下，从这两个执行流程里，还能得出什么结论。

  • 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。

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？

确实是这样的。

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。

image.png

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。

image.png

这个语句的执行流程有没有可能进一步简化呢？

可以使用覆盖索引。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。

image.png

使用了覆盖索引，性能上会快很多。

avatar
文章
阅读
粉丝