案例前提
假设一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;
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。SQL如下
select city,name,age from t where city='杭州' order by name limit 1000 ;
为了避免全表扫描操作,需要在city字段加上索引
MySQL中选择排序方式的依据是
max_length_for_sort_data
参数
如果要排序的数据 单行的长度 超过参数设定的值,就会使用 Rowid 排序方式,否则就使用 全字段排序 的方式
例如:表 t 中id、city、age总长度为36,把max_length_for_sort_data
参数设置为小于36的值就可以触发Rowid排序方式
SET max_length_for_sort_data = 16
一、全字段排序
只要执行排序过程,MySQL就会给每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,我们先来看一下city这个索引的示意图:
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。
SQL语句执行流程如下所示 :
-
初始化sort_buffer,确定放入name、city、age这三个字段;
-
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;
-
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;
-
对sort_buffer中的数据按照字段name做快速排序;
-
按照排序结果取前1000行返回给客户端。
执行流程的示意图如下所示:
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。
可以用下面介绍的方法,来确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;
全排序的OPTIMIZER_TRACE部分结果
number_of_tmp_files
表示的是,排序过程中使用的临时文件数。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。
如果sort_buffer_size超过了需要排序的数据量的大小,number_of_tmp_files就是0,表示排序可以直接在内存中完成。
否则就需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的值就越大。
examined_rows
:示例表中有4000条满足city='杭州’的记录,所以你可以看到 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,排序过程对字符串做了“紧凑”处理。即使name字段的定义是varchar(16),在排序过程中还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。
需要注意的是,为了避免对结论造成干扰,已经把internal_tmp_disk_storage_engine设置成MyISAM。否则,select @b-@a的结果会显示为4001。
这是因为查询OPTIMIZER_TRACE这个表时,需要用到临时表,而internal_tmp_disk_storage_engine的默认值是InnoDB。如果使用的是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。
二、Rowid排序
先把排序字段和ID拿到内存进行排序,有序后再依次从磁盘表中读取并返回所有数据
//让MySQL认为排序的单行长度太大
SET max_length_for_sort_data = 16;
此时SQL语句的执行流程如下:
-
初始化sort_buffer,确定放入两个字段,即name和id;
-
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;
-
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3、4直到不满足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如下,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
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。
三、利用索引优化排序
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。
其实,并不是所有的order by语句,都需要排序操作的。MySQL之所以需要生成临时表,并且在临时表上做排序操作,其原因是原来的数据都是无序的。可以为该查询建立覆盖索引,建立索引后要排序的字段会变得有序,就可以不走排序过程:
alter table t add index city_user_age(city, name, age);
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;
-
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。
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。
//查看分析语句执行计划
explain select city,name,age from t where city='杭州' order by name limit 1000 ;