"ORDER BY"是怎么工作的？ --MySQL学习笔记

similar
88 阅读9分钟

在使用MySQL进行查询时，通常会需要使用ORDER BY语句对查询出来的数据进行排序，那么ORDER BY语句具体是怎么工作的？

全字段排序

假如我们现在有一张城市-人口表，记录了不同城市中每个人的身份证号以及其他信息。现在为了查询城市为"杭州"的人口信息，我们可以在city这个字段上创建索引，然后使用explain命令查看这个语句的执行情况。

image.png

Extra这个字段中的"Using filesort"表示的就是需要排序。这种情况下，MySQL会给每个线程分配一块内存用于排序，称为sort_buffer。

我们先来看下city这个索引的示意图：

image.png

图中可以看到，满足city = '杭州' 条件的行，是ID_X 到 ID_(X+N)的记录。通常情况下，这个语句的执行流程如下所示：

  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，放入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的值不再满足查询条件为止，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进行快速排序
  7. 按照排序结果返回前1000行

暂且将这个排序过程称为全字段排序，执行流程如下：

image.png

其中，按照name进行排序这一步骤，可能在内存中完成，也可能需要使用外部排序，这取决于排序所需要的内存和参数sort_buffer_size。

sort_buffer_size，就是MySQL为排序开辟的内存sort_buffer的大小。如果排序的数据量小于sort_buffer_size，排序在内存中完成，如果排序数据量太大，内存放不下，则不得不使用磁盘作为临时文件进行外部排序。

可以使用下面的方法确定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;

这个方法通过查看OPTIMIZER_TRACE的结果确认的，可以通过number_of_tmp_files中看到是否使用到了临时文件。

image.png

上图显示，排序过程中使用了12个临时文件，因为外部排序一般使用的是归并排序算法，可以简单理解为，MySQL将需要排序的数据分为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的大小，number_tmp_files就是0，表示排序可以在内存中直接完成。

上图中examined_rows=4000，表示参加排序的行数是4000行。

rowid排序

上面的算法过程中，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，但是这个算法孙在一个问题：如果查询要返回的字段很多的话，那么sort_buffer里要存放的字段数太多，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，排序性能就会很差。

也就是说，如果数据表中单行的数据很大，这个方法的效率不够好。

我们可以修改一个参数让MySQL换一个排序算法：

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长度的一个参数，意思是如果单行的长度超过这个值，MySQL就认为单行太大，需要换一个算法。

city、name、age三个字段的定义总长度是36，经过上面设置以后，我们再来看计算过程有什么变化：

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，但这样一来，排序的结果就少了city和age字段的值，不能直接返回，整个执行流程如下：

  1. 初始化sort_buffer，确定放入两个字段，即name和id
  2. 从索引city中找到第一个满足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两个字段，存入sort_buffer中；
  4. 到索引city中去下一个记录的主键id
  5. 重复步骤3和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，并且按照id的值回到原表中取出city、name、age三个字段返回给客户端。

这个流程的执行示意图如下：

image.png

对比之前的全字段排序的流程图会发现，rowid排序多了一次访问表T的主键索引，就是步骤7

根据这个说明过程和图示，这时候执行select @b - @a，结果是多少呢？

image.png

图中examined_rows的值还是4000，表示用于排序的数据是4000行，但是select @b - @a这个语句的值就变成5000了。因为除了排序过程之外，还需要根据id去原表取值，由于语句是limit 1000，因此会多读1000行。

同时，由于排序的每一行都变小了，所以临时文件也变小了。

全字段排序 VS rowid排序

从上面过程我们可以知道：

如果MySQL实在担心排序内存太小，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就可以排序更多的行，但是需要回到原表取数据。

如果MySQL认为内存足够大，会优先选择全字段排序，把需要的字段都放入sirt_buffer中，这样排序后会直接从内存里返回查询结果，不会再到原表中取数据。

总结就是一句话：如果内存够，就要多利用内存，尽量减少磁盘访问。

然而，并不是所有的order by语句都是需要排序的，MySQL之索引需要生成临时表，并且在临时表中做排序操作，是因为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，天然就是按照name进行递增排序的话，是不是就可以不用排序了呢?

确实如此。

我们可以在市民表上创建一个city和name的联合索引：

ALTER TABLE T ADD index city_user(city, name)；

示意图：

image.png

在这个索引里，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。

于是查询过程就变成了：

  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)中取下一个记录主键id
  4. 重复步骤2、3，直到查到1000条记录，或者不满足city = '杭州'条件循环结束。

此时使用explain命令查询语句执行情况：

image.png

可以看到，Extra字段中没有Using filesort了，说明不需要排序。而且由于(city, name)这个联合索引本省有序，所以这个查询也不需要把4000行全部读取一遍，只要找到满足条件的1000行就足够了。

那么，这个语句还能不能再优化呢？

可以使用覆盖索引，覆盖索引指的是，索引上的信息足够满足查询需求，不需要回到主键索引上取数据。

可以创建一个city、name、age的联合索引，对应的SQL语句是：

ALTER TABLE T ADD index city_user_age(city, user, age)；

此时，对于city字段相同的行来说，还是按照name字段的值递增进行排序，此时的查询语句也不需要再次排序，整个查询流程就变成了：

  1. 从索引(city, name, age)中找到第一个满足city = '杭州'的条件记录，取出city、name、age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)中取下一个记录，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. 重复步骤1、2，直到查到1000条记录，或者不满足city = '杭州'条件循环结束。

之后，再使用explain查看：

image.png

可以看到，Extra字段中多了'Using index'，表示使用了覆盖索引，性能上会快很多。

当然也不是说为了每个查询都要用上覆盖索引，就要把语句中涉及到的字段都建上联合索引，毕竟索引是有维护代价的，这是一个需要权衡的决定。

总结

  • MySQL中使用order by语句会对查到的数据进行排序，排序在sort_buffer空间中进行。
  • 如果sort_buffer空间不够，则无法在内存中完成排序，需要使用临时文件在磁盘上进行外部排序。
  • 可以查看OPTIMIZER_TRACE的结果确定使用的外部文件的数量，从而看是否使用了外部排序。
  • 如果排序的数据行过长，MySQL会将其中的关键字段放入sort_buffer中进行排序，之后再回表查询出全部字段。这种情况性能较差。
  • 通过合理使用覆盖索引，可以避免使用排序，从而提高MySQL的性能效率。
avatar
文章
阅读
粉丝