一篇文章了解MySQL的group by

准备工作！

1.本文章MySQL使用的是5.7，引擎使用的是innodb
2. 使用的表结构（t1），字段a上有一个索引，

1. group by常用方法：

group by的常规用法是配合聚合函数，利用分组信息进行统计，常见的是配合max等聚合函数筛选数据后分析，以及配合having进行筛选后过滤。
聚合函数：

• count()，返回指定列中数据的个数
• sum()，返回指定列中数据的总和
• avg()，返回指定列中数据的平均值
• min()，返回指定列中数据的最小值
• max()，返回指定列中数据的最大值

示例1： 查询t1表，按照字段b进行分组，并求出分组后b字段a的总和。

SELECT  MAX(a) from t1 GROUP BY b

实例2：查询t1表，按照字段b进行分组，拿到b<100的所有数据，求出a的总和。

SELECT  MAX(a) from t1 GROUP BY b HAVING b<100

where和having区别

where子句将单个行过滤到查询结果中，而having子句将分组过滤到查询结果中 having子句中使用的列名必须出现在group by子句列表中，或包括在聚集函数中。

having子句的条件运算至少包括一个聚集函数，否则可以把查询条件移到where字句中来过滤单个行（注意聚集函数不可以用在where子句中）

---

2. group by语句执行流程：

我们执行以下语句

SELECT  b, count(*) as c from t1 GROUP BY b HAVING b<100

查看explain执行情况，由于b字段上没有索引，所以进行全表扫描。

Using temporary; 表示使用了临时表；
Using filesort ，表示需要排序。

由于字段b上没有索引，它的执行顺序是这样的

• 创建内存临时表，表里有两个字段 b 和 c，主键是 b；
• 对t1表进行全表扫描，并取出第一条数据，判断b是否小于100。如果b<100，就记录b的值为X,并存入临时表。
  1.如果临时表中没有主键为b的行，就插入一条记录 b,c(x,1)
  2.如果临时表中有主键为b的行，就更新主键为b的这一行，并把c的值进行加1
• 遍历完成后，再根据字段 b做排序，得到结果集返回给客户端。

在MySQL当中排序有两种
第一种是 全字段排序 ，第二种是 rowid 排序。 具体可以通过我的这篇文章去了解一篇文章搞懂MySQL的order by

---

3.使用group by会有哪些问题：

我们执行以下语句

SELECT  b, count(*) as c from t1 GROUP BY b HAVING b<100

在上述中，由于b字段没有索引，索引MySQL默认会对此语句进行排序。相信你也看了我的一篇文章搞懂MySQL的order by这篇文章，也了解了MySQL什么时候会用全字段排序，什么时候用 rowid 排序。

1. 使用磁盘临时文件进行排序

在此语句中，优化器使用的是全字段排序，那么使用全字段排序会有哪些问题？
在全字段排序中，它是通过sort_buffer进行排序，定义如下。

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。

假如我们如下SQL语句查出有1亿行，这时由于我们查询数据大小超过了定义的 临时排序文件（ sort_buffer_size）的大小时，

SELECT  b, count(*) as c from t1 GROUP BY b HAVING b<100000000

那么，这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 n份，每一份单独排序后存在这些临时文件中。然后把这n个有序文件再合并成一个有序的大文件。由于分成的的临时文件很多，就会造成排序的性能很差。

---

2. 查询数据超过临时文件大小（tmp_table_size）

这个例子里由于临时表只有 100 行，内存可以放得下，因此全程只使用了内存临时表。但是，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。接下来我把tmp_table_size大小改成1kb。

假如我们如下SQL语句查出有1亿行，这时由于我们查询数据大小超过了定义的 临时文件（ tmp_table_size）的大小时。

SELECT  b, count(*) as c from t1 GROUP BY b HAVING b<100000000

那么，这时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）。由于我们数据量很大，很可能这个查询需要的磁盘临时表就会占用大量的磁盘空间。

---

4.group by的优化方法：

我们还是以这条SQL语句为准

SELECT  b, count(*) as c from t1 GROUP BY b HAVING b<100

1. 如果你的需求并不需要对结果进行排序，那你可以在 SQL 语句末尾增加 order by null

explain SELECT  b, count(*) as c from t1 GROUP BY b HAVING b<100 ORDER BY null 

查看explain 结果

Using temporary; 表示使用了临时表；

---

2. 可以对group by字段建立索引

众所周知，由于我们MySQL的InnoDB引擎使用的数据结构是B+树，而B+树相比于B树最显著的特征就是B+树叶子节点是一个有序的双向列表。既然他已经有序了，那么我们是不是可以直接不进行排序了。

我们执行以下SQL语句，并在字段b上建立索引

SELECT  b, count(*) as c from t1 GROUP BY b HAVING b<100

查看explain执行情况，没有进行排序，没有使用临时文件

Using index；使用了覆盖索引。
由于字段b上有索引，它的执行顺序是这样的

执行流程：

• 扫描t1表的索引b，读取磁盘块1，将磁盘块加载到内存中判断50是否小于100，是就走左边，不是就走右边。

• 扫描磁盘块2，将磁盘块加载到内存中判断判断30是否小于100，是就走左边，不是就走右边。

• 读取磁盘块3，将磁盘块加载到内存中判断判断20是否小100，是就走左边，不是就走右边。

• 读取磁盘块4也就是叶子节点，它是一个有序的链表。从键值10开始向后遍历筛选所有符合筛选条件的数据，并将符合筛选条件的data值数据缓存到结果集。（因为是双向有序的，所以会依次读取，并不需要回到父节点。因此当读取到20后会直接读取磁盘块5）
  1.当碰到第一个 10 的时候，结果集里的第一行就是 (10,1);
  2.当碰到第二个 10 的时候，已经知道累积了 1 个 10，修改结果集里的第一行为(10,2);

• 当依次读取导磁盘块12后，将磁盘块加载到内存中判断100是否小于100，不是；就不需再向后查找，查询终止。将结果集返回给用户。

因此当我们扫描到整个输入的数据结束，就可以拿到 group by 的结果，不需要临时表，也不需要再额外排序。

---

3. group by字段无法建立索引时

如果可以通过加索引来完成 group by 逻辑就再好不过了。但是，如果碰上不适合创建索引的场景，我们还是要老老实实做排序的。那么，这时候的 group by 要怎么优化呢？

如果我们明明知道，一个 group by语句中需要放到临时表上的数据量特别大，却还是要按照“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”，这样看上去就有点儿傻。

我们执行以下SQL语句，并使用 SQL_BIG_RESULT（SQL_BIG_RESULT告诉mysql的分组语句必须使用磁盘临时表）

SELECT  SQL_BIG_RESULT b, count(*) as c from t1 GROUP BY b HAVING b<100

查看explain执行情况

Using filesort 表示需要排序。

执行流程：

• .初始化 sort_buffer，确定放入一个整型字段，记为 b；
• . 扫描表 t1 ，依次取出里面b<100的值, 将b的值存入 sort_buffer 中；
• . 扫描完成后，对 sort_buffer 的字段 b 做排序（如果 sort_buffer 内存不够用，就会利用磁盘临时文件辅助排序）；
• . 排序完成后，就得到了一个有序数组。

在根据有序数组，得到数组里面的不同值，以及每个值的出现次数。

---

5. MySQL8.0之后版本的group by

我们还是以这条SQL语句为准（MySQL版本8.0.26）

SELECT  b, count(*) as c from t1 GROUP BY b HAVING b<100

查看explain执行情况

Using temporary; 表示使用了临时表；

group by 在 MySQL5.7 版本会自动排序，但是在MySQL8 .0之后版本就去掉了自动排序功能。

---

6.总结

1.如果对 group by 语句的结果没有排序要求，要在语句后面加 order by null；

2.尽量让 group by 过程用上表的索引，确认方法是 explain 结果里没有 Using temporary 和 Using filesort；

3.如果 group by 需要统计的数据量不大，尽量只使用内存临时表；也可以通过适当调大 tmp_table_size 参数，来避免用到磁盘临时表；

4.如果数据量实在太大，使用 SQL_BIG_RESULT 这个提示，来告诉优化器直接使用排序算法得到 group by 的结果。

5.group by 在 MySQL5.7 版本会自动排序，但是在MySQL8 .0之后版本就去掉了排序功能。

---

今晚我支持总监，法国冲冲冲！！！