四面阿里被问MySQL底层如何实现order by的,瞬间懵了!

JavaEdge

修改于 2022-03-18 02:14:21

1.5K0

修改于 2022-03-18 02:14:21

文章被收录于专栏：JavaEdgeJavaEdge

1 案例引入

需求查询城市是“上海”的所有用户名，并按用户名排序，返回前1000人的名字、年龄。

建表SQL：

 create table citizen
 (
     id   int auto_increment
         primary key,
     city varchar(16)  not null,
     name varchar(16)  not null,
     age  int          not null,
     addr varchar(128) null
 );

Easy！SQL随手一写：

 select city, name, age
 from citizen
 where city = '上海'
 order by name
 limit 1000;

为避免全表扫描，给 city 加个索引，再explain验证：

Extra的 Using filesort 表示需要排序，MySQL会给每个线程分配一块内存（sort_buffer）用于排序。

2 MySQL底层如何执行order by？

先看city索引：

这里 id_x ~ id_(x+n) 的数据都满足city=上海。

SQL执行流程

初始化sort_buffer，放入city, name, age三字段
从索引city找到第一个满足city=上海的主键id，即id_x
到主键索引取出整行，取city, name, age三个字段的值，存入sort_buffer
从索引city取下一个记录的主键id
重复3、4，直到city值不满足查询条件，即主键id_y
对sort_buffer中的数据按name做快排
取排序后结果的前1000行，返回给client

这就是

3 全字段排序

3.1 执行流程

按name排序这一操作可能：

在内存中完成
或需要外部排序

这取决于：

排序所需内存若待排序数据量 < sort_buffer_size，就在内存中排序
参数sort_buffer_size MySQL为排序开辟的内存（sort_buffer）大小。若待排序数据量太大，内存放不下，则需利用磁盘临时文件辅助排序。

3.2 order by子句何时使用临时文件？

 SET optimizer_trace='enabled=on';
 
 /* 使用 @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';
 
 select city, name,age
 from citizen
 where city='上海'
 order by name
 limit 1000;
 
 /* 查看 OPTIMIZER_TRACE 输出 */
 SELECT * FROM `information_schema`.`OPTIMIZER_TRACE`\G
 
 /* 使用 @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 的差值 */
 select @b-@a;

OPTIMIZER_TRACE 结果

 "filesort_execution": [
 ],
 "filesort_summary": {
   "rows": 4000
   "examined_rows": 4000,
   "number_of_tmp_files": 12,
   "sort_buffer_size": 32664 ,
   "sort_mode": "<sort_key, packed_additional_fields>"

number_of_tmp_files

看其中的number_of_tmp_files 字段，确认是否使用临时文件。

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排。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。

若 sort_buffer_size ＞待排序的数据量，则 number_of_tmp_files=0：排序可直接在内存完成
否则就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值越大。

examined_rows

参与排序的行数。测试表有4000条满足city='上海'的记录，所以为4000。

sort_mode的packed_additional_fields

排序过程对字符串做了“紧凑”处理。即使name字段定义为varchar(16)，在排序过程中还是按实际长度分配空间。

select @b-@a =4000，整个执行过程只扫描4000行。

为避免对结论造成干扰，这里将internal_tmp_disk_storage_engine设成MyISAM。否则，select @b-@a=4001。因为查询OPTIMIZER_TRACE表时，需要用到临时表，而internal_tmp_disk_storage_engine默认是InnoDB。若使用InnoDB，把数据从临时表取出时，会让Innodb_rows_read的值加1。

4 rowid排序

上面的算法，只是读一遍原表数据，剩下都是在sort_buffer和临时文件中执行。这就存在问题，若查询要返回的字段很多，则：

sort_buffer要放的字段数很多-》
内存中能放下的行数变少-》
就要分成很多临时文件-》
排序性能就会很差！

所以若单行很大，该算法效率可不太行。那么当MySQL认为排序的单行长度太大时，它会咋样呢？改个参数，让MySQL采用另外一种算法：

 # MySQL控制用于排序的行数据的长度。
 # 若单行长度超过该值，MySQL就认为单行太大，要换个算法
 SET max_length_for_sort_data = 16;

city+name+age 三字段的定义总长度为36，这里将max_length_for_sort_data设为16，结果会咋样呢？

4.1 执行流程

新的算法导致放入sort_buffer的字段，只有待排序列（name字段）和主键id！这时的排序结果就因为少了city和age字段值，不能直接返回了，执行流程就变成：

初始化sort_buffer，确定放入两个字段：name和id
从city找到第一个满足 city=上海 的主键id：id_x
到主键索引取出整行，取name、id这俩字段，存入sort_buffer
从city索引，取下一个记录的主键id
重复3、4，直到不满足city=上海，即id_y
对sort_buffer中的数据，按name排序
遍历排序结果，取前1000行，并按id的值回到原表中取出city、name和age三个字段返回给client

4.2 执行过程示意图

对比全字段排序示意图，就是多访问了一次表citizen的主键索引，即step7。

resultSet只是个逻辑概念，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这三字段的结果，无需在服务端再耗费内存存储结果，而是直接返给client。

这时查看rowid排序的OPTIMIZER_TRACE结果：

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

select @b-@a=5000 因为这时除了排序过程，在排序完成后，还要根据id去原表取值。由于语句是limit 1000，因此会多读1000行。
sort_mode 变成了 <sort_key, rowid> 表示参与排序的只有name和id字段
number_of_tmp_files 变成10 因为这时参与排序的行数虽然还是4000，但每行数据变小了！因此需排序的总数据量就小了，需要的临时文件也就少咯。

5 小结

若MySQL认为排序内存太小，会影响排序效率，就会采用rowid排序这样排序过程中一次可以排序更多行，但最后需要回表取数据
若MySQL认为内存够大，会优先选择全字段排序把所需字段都放入sort_buffer，这样排序后就直接从内存返回查询结果，无需回表

所以MySQL就是：若内存够，就多利用内存，尽量减少磁盘访问。

对于InnoDB，rowid排序会要求回表，多造成了磁盘读，因此不会被优先选择，所以MySQL排序其实是个高成本操作。

是否所有order by都需排序呢？若不排序就能得到正确结果，那对系统的消耗会小很多，语句执行时间也会更短。实际上，并非所有order by都需排序操作。MySQL之所以需要生成临时表，并在临时表上做排序，是因为原来的数据都是无序的。
若能保证从city索引上取出来的行，天生就是按name递增排序的，是不是就不用再排序了？是的！

6 联合索引的排序

所以可创建一个city,name联合索引：

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

6.1 执行流程

索引树搜索定位到第一个满足city='上海'的记录，且能确保接下来按顺序取“下一条记录”的遍历过程，只要city是上海，name值一定有序。这样整个查询的执行流程就变成：

从索引(city,name)找到第一个满足city='上海’条件的主键id
回表主键索引取出整行，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)取下一个记录的主键id
重复步骤2、3，直到查到第1000条记录或不满足city='上海’条件时，循环结束

6.2 执行示意图

可见，该查询过程无需临时表，也无需排序。

6.3 执行计划

  explain select city, name, age from citizen where city = '上海' order by name limit 1000;
 +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+
 | id | select_type | table   | partitions | type | possible_keys | key  | key_len | ref  | rows | filtered | Extra                       |
 +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+
 |  1 | SIMPLE      | citizen | NULL       | ref  | city,name       | name | 51    | const |   4000 |   100.00 | Using index condition |
 +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+
 1 row in set, 1 warning (0.00 sec)

Extra字段中就没有Using filesort了，即无需排序。而且由于(city,name)联合索引本身有序，所以该查询也不用把4000行全都读一遍，只要找到满足条件的前1000条记录即可退出。在这个例子里，只需扫描1000次。

7 终极优化-覆盖索引

针对本案例的查询，可创建一个city、name、age联合索引：

 alter table t add index city_user_age(city, name, age);

7.1 执行流程

这时，city字段值相同的行，还是按name字段值递增排序，此时的查询语句也就不再需要排序了。

查询语句的执行流程变成：

从索引(city,name,age)找到第一个满足city='上海’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2，直到查到第1000条记录或不满足city='上海'

7.2 执行流程示意图

7.3 执行计划

 explain select city, name, age from citizen where city = '上海' order by name limit 1000;
 +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+
 | id | select_type | table   | partitions | type | possible_keys | key  | key_len | ref  | rows | filtered | Extra                       |
 +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+
 |  1 | SIMPLE      | citizen | NULL       | ref  | city,name,age        | age | 51    | const |   4000 |   100.00 | Using where; Using index |
 +----+-------------+---------+------------+------+---------------+------+---------+------+------+----------+-----------------------------+
 1 row in set, 1 warning (0.00 sec)

Extra字段里面多个“Using index”，说明使用了覆盖索引，性能会快很多。

注意，这并不说明必须让每个查询都用上覆盖索引，就要把语句中涉及的字段都建联合索引，毕竟索引也占空间，而且修改、新增都会导致索引改变，还是具体场景具体分析！

参考

“order by”是怎么工作的？
https://blog.csdn.net/Linuxhus/article/details/112672434?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242
天天写order by，你知道Mysql底层执行原理吗？

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2021-04-06 ，如有侵权请联系 cloudcommunity@tencent.com 删除

数据库

云数据库 SQL Server

sql

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

数据库

云数据库 SQL Server

sql

登录后参与评论

0 条评论

热度