MySQL实战45讲学习笔记：第三十七讲

1、本节概况

今天是大年初二，在开始咱们今天的学习以前，我要先和你道一声春节快乐！

在第 16和第 34篇文章中，我分别和你介绍了 sort buffer、内存临时表和 join buffer。这三个数据结构都是用来存放语句执行过程当中的中间数据，以辅助 SQL 语句的执行的。其
中，咱们在排序的时候用到了 sort buffer，在使用 join 语句的时候用到了 join buffer。

而后，你可能会有这样的疑问，MySQL 何时会使用内部临时表呢？

今天这篇文章，我就先给你举两个须要用到内部临时表的例子，来看看内部临时表是怎么工做的。而后，咱们再来分析，什么状况下会使用内部临时表。

2、union 执行流程

一、 union 语句 explain 结果

为了便于量化分析，我用下面的表 t1 来举例。

create table t1(id int primary key, a int, b int, index(a));
delimiter ;;
create procedure idata()
begin
  declare i int;

  set i=1;
  while(i<=1000)do
    insert into t1 values(i, i, i);
    set i=i+1;
  end while;
end;;
delimiter ;
call idata();

而后，咱们执行下面这条语句：

(select 1000 as f) union (select id from t1 order by id desc limit 2);

这条语句用到了 union，它的语义是，取这两个子查询结果的并集。并集的意思就是这两个集合加起来，重复的行只保留一行。

下图是这个语句的 explain 结果。

图 1 union 语句 explain 结果

能够看到：

• 第二行的 key=PRIMARY，说明第二个子句用到了索引 id。
• 第三行的 Extra 字段，表示在对子查询的结果集作 union 的时候，使用了临时表 (Usingtemporary)。

二、union 执行流程图

这个语句的执行流程是这样的：

1. 建立一个内存临时表，这个临时表只有一个整型字段 f，而且 f 是主键字段。

2. 执行第一个子查询，获得 1000 这个值，并存入临时表中。

3. 执行第二个子查询：

1. 拿到第一行 id=1000，试图插入临时表中。但因为 1000 这个值已经存在于临时表了，违反了惟一性约束，因此插入失败，而后继续执行；
2. 取到第二行 id=999，插入临时表成功。

4. 从临时表中按行取出数据，返回结果，并删除临时表，结果中包含两行数据分别是1000 和 999。

这个过程的流程图以下所示：

图 2 union 执行流程

能够看到，这里的内存临时表起到了暂存数据的做用，并且计算过程还用上了临时表主键id 的惟一性约束，实现了 union 的语义。

三、union all 的 explain 结果

顺便提一下，若是把上面这个语句中的 union 改为 union all 的话，就没有了“去重”的语义。这样执行的时候，就依次执行子查询，获得的结果直接做为结果集的一部分，发给
客户端。所以也就不须要临时表了。

图 3 union all 的 explain 结果

能够看到，第二行的 Extra 字段显示的是 Using index，表示只使用了覆盖索引，没有用临时表了。

3、group by 执行流程

一、group by 的 explain 结果

另一个常见的使用临时表的例子是 group by，咱们来看一下这个语句：

select id%10 as m, count(*) as c from t1 group by m;

这个语句的逻辑是把表 t1 里的数据，按照 id%10 进行分组统计，并按照 m 的结果排序后输出。它的 explain 结果以下：

图 4 group by 的 explain 结果

在 Extra 字段里面，咱们能够看到三个信息：

Using index，表示这个语句使用了覆盖索引，选择了索引 a，不须要回表；
Using temporary，表示使用了临时表；
Using filesort，表示须要排序。

二、group by 执行流程

这个语句的执行流程是这样的：

1. 建立内存临时表，表里有两个字段 m 和 c，主键是 m；
2. 扫描表 t1 的索引 a，依次取出叶子节点上的 id 值，计算 id%10 的结果，记为 x；

若是临时表中没有主键为 x 的行，就插入一个记录 (x,1);
若是表中有主键为 x 的行，就将 x 这一行的 c 值加 1；

3. 遍历完成后，再根据字段 m 作排序，获得结果集返回给客户端。

这个流程的执行图以下：

 

 图 5 group by 执行流程

图中最后一步，对内存临时表的排序，在第 17 篇文章中已经有过介绍，我把图贴过来，方便你回顾。

三、内存临时表排序流程

图 6 内存临时表排序流程

其中，临时表的排序过程就是图 6 中虚线框内的过程。

四、group by 执行结果

接下来，咱们再看一下这条语句的执行结果：

图 7 group by 执行结果

五、group + order by null 的结果（内存临时表）

若是你的需求并不须要对结果进行排序，那你能够在 SQL 语句末尾增长 order by null，也就是改为：

select id%10 as m, count(*) as c from t1 group by m order by null;

这样就跳过了最后排序的阶段，直接从临时表中取数据返回。返回的结果如图 8 所示。

图 8 group + order by null 的结果（内存临时表）

因为表 t1 中的 id 值是从 1 开始的，所以返回的结果集中第一行是 id=1；扫描到 id=10的时候才插入 m=0 这一行，所以结果集里最后一行才是 m=0。

这个例子里因为临时表只有 10 行，内存能够放得下，所以全程只使用了内存临时表。可是，内存临时表的大小是有限制的，参数 tmp_table_size 就是控制这个内存大小的，默认是 16M。

若是我执行下面这个语句序列：

set tmp_table_size=1024;
select id%100 as m, count(*) as c from t1 group by m order by null limit 10;

把内存临时表的大小限制为最大 1024 字节，并把语句改为 id % 100，这样返回结果里有100 行数据。可是，这时的内存临时表大小不够存下这 100 行数据，也就是说，执行过程
中会发现内存临时表大小到达了上限（1024 字节）。

六、group + order by null 的结果（磁盘临时表）

那么，这时候就会把内存临时表转成磁盘临时表，磁盘临时表默认使用的引擎是InnoDB。 这时，返回的结果如图 9 所示。

图 9 group + order by null 的结果（磁盘临时表）

若是这个表 t1 的数据量很大，极可能这个查询须要的磁盘临时表就会占用大量的磁盘空间。

4、group by 优化方法 -- 索引

一、group by 算法优化 - 有序输入

能够看到，不管是使用内存临时表仍是磁盘临时表，group by 逻辑都须要构造一个带惟一索引的表，执行代价都是比较高的。若是表的数据量比较大，上面这个 group by 语句
执行起来就会很慢，咱们有什么优化的方法呢？

要解决 group by 语句的优化问题，你能够先想一下这个问题：执行 group by 语句为何须要临时表？

group by 的语义逻辑，是统计不一样的值出现的个数。可是，因为每一行的 id%100 的结果是无序的，因此咱们就须要有一个临时表，来记录并统计结果。

那么，若是扫描过程当中能够保证出现的数据是有序的，是否是就简单了呢？

假设，如今有一个相似图 10 的这么一个数据结构，咱们来看看 group by 能够怎么作。

图 10 group by 算法优化 - 有序输入

能够看到，若是能够确保输入的数据是有序的，那么计算 group by 的时候，就只须要从左到右，顺序扫描，依次累加。也就是下面这个过程：

• 当碰到第一个 1 的时候，已经知道累积了 X 个 0，结果集里的第一行就是 (0,X);
• 当碰到第一个 2 的时候，已经知道累积了 Y 个 1，结果集里的第二行就是 (1,Y);

按照这个逻辑执行的话，扫描到整个输入的数据结束，就能够拿到 group by 的结果，不须要临时表，也不须要再额外排序

二、InnoDB 的索引，就能够知足这个输入有序的条件

你必定想到了，InnoDB 的索引，就能够知足这个输入有序的条件。

在 MySQL 5.7 版本支持了 generated column 机制，用来实现列数据的关联更新。你能够用下面的方法建立一个列 z，而后在 z 列上建立一个索引（若是是 MySQL 5.6 及以前的
版本，你也能够建立普通列和索引，来解决这个问题）。

alter table t1 add column z int generated always as(id % 100), add index(z);

这样，索引 z 上的数据就是相似图 10 这样有序的了。上面的 group by 语句就能够改为：

select z, count(*) as c from t1 group by z;

三、group by 优化的 explain 结果

优化后的 group by 语句的 explain 结果，以下图所示：

图 11 group by 优化的 explain 结果

从 Extra 字段能够看到，这个语句的执行再也不须要临时表，也不须要排序了。

5、group by 优化方法 -- 直接排序

一、使用 SQL_BIG_RESULT 的执行流程

因此，若是能够经过加索引来完成 group by 逻辑就再好不过了。可是，若是碰上不适合建立索引的场景，咱们仍是要老老实实作排序的。那么，这时候的 group by 要怎么优化呢？

若是咱们明明知道，一个 group by 语句中须要放到临时表上的数据量特别大，却仍是要按照“先放到内存临时表，插入一部分数据后，发现内存临时表不够用了再转成磁盘临时
表”，看上去就有点儿傻。

那么，咱们就会想了，MySQL 有没有让咱们直接走磁盘临时表的方法呢？

答案是，有的。

在 group by 语句中加入 SQL_BIG_RESULT 这个提示（hint），就能够告诉优化器：这个语句涉及的数据量很大，请直接用磁盘临时表。

MySQL 的优化器一看，磁盘临时表是 B+ 树存储，存储效率不如数组来得高。因此，既然你告诉我数据量很大，那从磁盘空间考虑，仍是直接用数组来存吧。

所以，下面这个语句

select SQL_BIG_RESULT id%100 as m, count(*) as c from t1 group by m;

的执行流程就是这样的：

1. 初始化 sort_buffer，肯定放入一个整型字段，记为 m；
2. 扫描表 t1 的索引 a，依次取出里面的 id 值, 将 id%100 的值存入 sort_buffer 中；
3. 扫描完成后，对 sort_buffer 的字段 m 作排序（若是 sort_buffer 内存不够用，就会利用磁盘临时文件辅助排序）；
4. 排序完成后，就获得了一个有序数组。

根据有序数组，获得数组里面的不一样值，以及每一个值的出现次数。这一步的逻辑，你已经从前面的图 10 中了解过了。

二、使用 SQL_BIG_RESULT 的 explain 结果

下面两张图分别是执行流程图和执行 explain 命令获得的结果。

图 12 使用 SQL_BIG_RESULT 的执行流程图

图 13 使用 SQL_BIG_RESULT 的 explain 结果

从 Extra 字段能够看到，这个语句的执行没有再使用临时表，而是直接用了排序算法。

基于上面的 union、union all 和 group by 语句的执行过程的分析，咱们来回答文章开头的问题：MySQL 何时会使用内部临时表？

1. 若是语句执行过程能够一边读数据，一边直接获得结果，是不须要额外内存的，不然就须要额外的内存，来保存中间结果；
2. join_buffer 是无序数组，sort_buffer 是有序数组，临时表是二维表结构；
3. 若是执行逻辑须要用到二维表特性，就会优先考虑使用临时表。好比咱们的例子中，union 须要用到惟一索引约束， group by 还须要用到另一个字段来存累积计数。

6、小结

经过今天这篇文章，我重点和你讲了 group by 的几种实现算法，从中能够总结一些使用的指导原则：

1. 若是对 group by 语句的结果没有排序要求，要在语句后面加 order by null；
2. 尽可能让 group by 过程用上表的索引，确认方法是 explain 结果里没有 Usingtemporary 和 Using filesort；
3. 若是 group by 须要统计的数据量不大，尽可能只使用内存临时表；也能够经过适当调大tmp_table_size 参数，来避免用到磁盘临时表；
4. 若是数据量实在太大，使用 SQL_BIG_RESULT 这个提示，来告诉优化器直接使用排序算法获得 group by 的结果。

最后，我给你留下一个思考题吧。

文章中图 8 和图 9 都是 order by null，为何图 8 的返回结果里面，0 是在结果集的最后一行，而图 9 的结果里面，0 是在结果集的第一行？

你能够把你的分析写在留言区里，我会在下一篇文章和你讨论这个问题。感谢你的收听，也欢迎你把这篇文章分享给更多的朋友一块儿阅读。

7、上期问题时间

上期的问题是：为何不能用 rename 修改临时表的更名。

在实现上，执行 rename table 语句的时候，要求按照“库名 / 表名.frm”的规则去磁盘找文件，可是临时表在磁盘上的 frm 文件是放在 tmpdir 目录下的，而且文件名的规则
是“#sql{进程 id}_{线程 id}_ 序列号.frm”，所以会报“找不到文件名”的错误。

评论区留言点赞板：

@poppy 同窗，经过执行语句的报错现象推测了这个实现过程。