MySQL的orderby是如何工做的

 

一、           概念

在你开发应用的时候，必定会常常碰到须要根据指定的字段排序来显示结果的需求。仍是以咱们前面举例用过的市民表为例，假设你要查询城市是“杭州”的全部人名字，而且按照姓名排序返回前1000我的的姓名、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语句能够这么写：

 

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，可是你了解它的执行流程吗？今天，我就和你聊聊这个语句是怎么执行的，以及有什么参数会影响执行的行为。

 

二、           全字段排序

为避免全表扫描，咱们须要在city字段加上索引。

 

在city字段上建立索引以后，咱们用explain命令来看看这个语句的执行状况。

Extra这个字段中的“Using filesort”表示的就是须要排序，MySQL会给每一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，咱们先来看一下city这个索引的示意图。

 

从图中能够看到，知足city='杭州’条件的行，是从ID_X到ID_(X+N)的这些记录。

 

一般状况下，这个语句执行流程以下所示 ：

 

初始化sort_buffer，肯定放入name、city、age这三个字段；

 

从索引city找到第一个知足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；

 

重复步骤三、4直到city的值不知足查询条件为止，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作快速排序；

 

按照排序结果取前1000行返回给客户端。

 

咱们暂且把这个排序过程，称为全字段排序，执行流程的示意图以下所示，下一篇文章中咱们还会用到这个排序。

 

全字段排序

图中“按name排序”这个动做，可能在内存中完成，也可能须要使用外部排序，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。若是要排序的数据量小于sort_buffer_size，排序就在内存中完成。但若是排序数据量太大，内存放不下，则不得不利用磁盘临时文件辅助排序。

 

能够用下面介绍的方法，来肯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`\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;

 

这个方法是经过查看 OPTIMIZER_TRACE 的结果来确认的，能够从 number_of_tmp_files中看到是否使用了临时文件。

 

 

number_of_tmp_files表示的是，排序过程当中使用的临时文件数。你必定奇怪，为何须要12个文件？内存放不下时，就须要使用外部排序，外部排序通常使用归并排序算法。能够这么简单理解，MySQL将须要排序的数据分红12份，每一份单独排序后存在这些临时文件中。而后把这12个有序文件再合并成一个有序的大文件。

 

图中几个值的的意思：

咱们的示例表中有4000条知足city='杭州’的记录，因此你能够看到 examined_rows=4000，表示参与排序的行数是4000行。

 

sort_mode 里面的packed_additional_fields的意思是，排序过程对字符串作了“紧凑”处理。即便name字段的定义是varchar(16)，在排序过程当中仍是要按照实际长度来分配空间的。

 

同时，最后一个查询语句select @b-@a 的返回结果是4000，表示整个执行过程只扫描了4000行。

 

这里须要注意的是，为了不对结论形成干扰，我把internal_tmp_disk_storage_engine设置成MyISAM。不然，select @b-@a的结果会显示为4001。

 

这是由于查询OPTIMIZER_TRACE这个表时，须要用到临时表，而internal_tmp_disk_storage_engine的默认值是InnoDB。若是使用的是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。

 

一、           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，剩下的操做都是在sort_buffer和临时文件中执行的。但这个算法有一个问题，就是若是查询要返回的字段不少的话，那么sort_buffer里面要放的字段数太多，这样内存里可以同时放下的行数不多，要分红不少个临时文件，排序的性能会不好。

 

因此若是单行很大，这个方法效率不够好。

 

若是MySQL认为排序的单行长度太大会怎样处理呢？

 

SET max_length_for_sort_data = 16;

修改这个参数，让MySQL采用另一种算法。

 

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，若是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，咱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，排序的结果就由于少了city和age字段的值，不能直接返回了，整个执行流程就变成以下所示的样子：

 

初始化sort_buffer，肯定放入两个字段，即name和id；

 

从索引city找到第一个知足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、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；

 

重复步骤三、4直到不知足city='杭州’条件为止，也就是图中的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。

 

这个执行流程的示意图以下，我把它称为rowid排序。

对比图3的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。

 

须要说明的是，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，而后到原表查到city、name和age这三个字段的结果，不须要在服务端再耗费内存存储结果，是直接返回给客户端的。

 

根据这个说明过程和图示，你能够想一下，这个时候执行select @b-@a，结果会是多少呢？

 

如今，咱们就来看看结果有什么不一样。

 

首先，图中的examined_rows的值仍是4000，表示用于排序的数据是4000行。可是select @b-@a这个语句的值变成5000了。

 

由于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。因为语句是limit 1000，所以会多读1000行。

 

 

从OPTIMIZER_TRACE的结果中，你还能看到另外两个信息也变了。

 

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了，是由于这时候参与排序的行数虽然仍然是4000行，可是每一行都变小了，所以须要排序的总数据量就变小了，须要的临时文件也相应地变少了。

 

四、全字段排序和rowid排序对比

若是MySQL实在是担忧排序内存过小，会影响排序效率，才会采用rowid排序算法，这样排序过程当中一次能够排序更多行，可是须要再回到原表去取数据。

 

若是MySQL认为内存足够大，会优先选择全字段排序，把须要的字段都放到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。

 

MySQL设计思想：若是内存够，就要多利用内存，尽可能减小磁盘访问。

 

对于InnoDB表来讲，rowid排序会要求回表多形成磁盘读，所以不会被优先选择。

 

看到这里， MySQL作排序是一个成本比较高的操做。那么你会问，是否是全部的order by都须要排序操做呢？若是不排序就能获得正确的结果，那对系统的消耗会小不少，语句的执行时间也会变得更短。

 

其实，并非全部的order by语句，都须要排序操做的。从上面分析的执行过程，咱们能够看到，MySQL之因此须要生成临时表，而且在临时表上作排序操做，其缘由是原来的数据都是无序的。

 

若是可以保证从city这个索引上取出来的行，自然就是按照name递增排序的话，是否是就能够不用再排序了呢？

 

确实是这样的。

 

因此，咱们能够在这个市民表上建立一个city和name的联合索引，对应的SQL语句是：

 

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

做为与city索引的对比，咱们来看看这个索引的示意图。

 

在这个索引里面，咱们依然能够用树搜索的方式定位到第一个知足city='杭州’的记录，而且额外确保了，接下来按顺序取“下一条记录”的遍历过程当中，只要city的值是杭州，name的值就必定是有序的。

 

这样整个查询过程的流程就变成了：

 

从索引(city,name)找到第一个知足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，做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；

 

重复步骤二、3，直到查到第1000条记录，或者是不知足city='杭州’条件时循环结束。

能够看到，这个查询过程不须要临时表，也不须要排序。接下来，咱们用explain的结果来印证一下。

 

从图中能够看到，Extra字段中没有Using filesort了，也就是不须要排序了。并且因为(city,name)这个联合索引自己有序，因此这个查询也不用把4000行全都读一遍，只要找到知足条件的前1000条记录就能够退出了。也就是说，在咱们这个例子里，只须要扫描1000次。

 

覆盖索引是指，索引上的信息足够知足查询请求，不须要再回到主键索引上去取数据。

 

按照覆盖索引的概念，咱们能够再优化一下这个查询语句的执行流程。

 

针对这个查询，咱们能够建立一个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讲，仍是按照name字段的值递增排序的，此时的查询语句也就再也不须要排序了。这样整个查询语句的执行流程就变成了：

 

从索引(city,name,age)找到第一个知足city='杭州’条件的记录，取出其中的city、name和age这三个字段的值，做为结果集的一部分直接返回；

 

从索引(city,name,age)取下一个记录，一样取出这三个字段的值，做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，或者是不知足city='杭州’条件时循环结束。

 

能够看到，Extra字段里面多了“Using index”，表示的就是使用了覆盖索引，性能上会快不少。

固然，这里并非说要为了每一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，毕竟索引仍是有维护代价的。这是一个须要权衡的决定。

 

五、小结

在开发系统的时候，你老是不可避免地会使用到order by语句。你内心要清楚每一个语句的排序逻辑是怎么实现的，还要可以分析出在最坏状况下，每一个语句的执行对系统资源的消耗，这样才能作到下笔若有神，不犯低级错误。