17 | 如何正确地显示随机消息？

首页随机展示三个单词。

数据表：

create table `words` (

    id int(11) not null auto_increment,

    word varchar(64) default null,

    primary key (`id`)

)engine=innodb;

 

delimiter;;

create procedure idata()

begin

    declare i int;

    set i =0;

    while i < 10000 do

        insert into words(word) values (concat(char(97+(i div 1000)), char(97+(i % 1000 div 100)), char(97+(i % 100 div 10)), char(97+(i % 10))));

        set i=i+1;

    end while;

end;;

 

call idata();

内存临时表

order by rand()，随机排序然后取前三个。

select word from words order by rand() limit 3;

语句看起来简单，但是执行流程很复杂。

全字段排序和rowid排序，如下：

对于InnoDB来说，执行全字段排序会减少磁盘访问，因此会被优先选择。

但是，对于内存表，回表过程只是简单地根据数据行的位置，直接访问内存得到数据，根本不会导致多访问磁盘。优化器没有了这一层顾虑，会优先考虑用于排序的行越小越好，所以这时就会选择rowid排序。

上面随机查询三个单词的语句的执行流程：

1. 创建一个临时表。这个临时表使用的是memory引擎，表里有两个字段，第一个字段是double类型，为了后面描述方便，记为字段R，第二个字段是varchar(64)类型，记为字段W。并且这个表没有建索引。
2. 从words表中，按主键顺序取出所有的word值。对于每一个word值，调用rand()函数生成一个大于0小于1的随机小数，并把这个随机小数和word分别存入临时表的R和W字段中，至此，扫描行数是10000。
3. 现在临时表有10000行数据了，接下来要在这个没有索引的内存临时表上，按照字段R排序。
4. 初始化sort_buffer，sort_buffer中有两个字段，一个是double类型，另一个整型。
5. 从内存临时表中一行一行地取出R值和位置信息，分别存入sort_buffer中的两个字段里。这个过程要对内存临时表做全表扫描，此时扫描行数增加10000，变成20000。
6. 在sort_buffer中根据R的值进行排序。注意，这个过程没有涉及到表操作，所以不会增加扫描行数。
7. 排序完成后，取出前三个结果的位置信息，依次到内存临时表中取出word值，返回给客户端。这个过程中，访问了表的三行数据，总扫描行数变成了20003。

执行流程图：

没有主键的表，MySQL自己会生成一个长度为6字节的rowid来作为主键（这也就是排序模式里rowid的来历）。每个引擎用来唯一标识数据行的信息。  对于有主键的表来说，这个rowid就是主键ID，没有主键的就是系统生成的。

总结：order by rand()使用了内存临时表，内存临时表排序的时候使用了rowid排序方法。

 

磁盘临时表

不是所有的临时表都在内存中。

tmp_table_size这个配置限制了内存临时表的大小，默认值是16M。如果临时表大小超过了tmp_table_size，那么内存临时表就会转成磁盘临时表。

磁盘临时表的默认引擎是InnoDB，是由参数internal_tmp_disk_storage_engine控制的。

当使用磁盘临时表的时候，对应的就是一个没有显示索引的InnoDB表的排序过程。

优先队列算法。

我们的查询并不需要这些数据都是有序的，浪费了非常多的计算量。而优先队列算法就可以精确地只得到三个最小的值。执行流程如下：

1. 对于这10000个准备排序的（R，rowid）,先取前三行，构造成一个堆；
2. 取下一个行（R',rowid'），跟当前堆里面最大的R比较，如果R'小于R，把这个（R，rowid）从堆里去掉，换成（R',rowid'）;
3. 重复第2步，直到第10000个（R',rowid'）完成比较。

filesort_priority_queue_optimization部分的chosen=true，表示使用了优先队列排序算法，这个过程不需要临时文件。

这个流程结束后，堆里面就是这10000行里面R值最小的三行。然后依次把它们的rowid取出来，去临时表里面拿到word字段，这个过程就跟上一篇文章的rowid排序的过程一行了。

select city,age from t where city='杭州' order by name limit 1000；

这里用了limit，但是没有用优先队列算法。因为，这条SQL语句是limit 1000，如果使用优先队列算法，需要维护的堆的大小就是1000行的（name,rowid），超过了设置的sort_buffer_size大小，所以只能用归并排序算法。

order by rand()会让计算过程非常复杂，需要大量的扫描行数，排序过程的资源消耗也会很大。

 

随机排序算法

如果只选择一个word值：

随机算法一：

1. 取这个表的主键id的最大值M和最小值N；
2. 用随机函数生成一个最大值到最小值之间的数X=(M-N)*rand() + N;
3. 取不小于X的第一个id的行。

select max(id),min(id) into @M,@N from t;

set @X = floor((@M-@N+1) + @N);

select * from t where id >= @X limit 1;

该算法本身不严格，因为id中间可能有空洞，因此选择不同行的概率不一样，不是正真的随机。

随机算法二：

1. 取的整个表的行数，并记为C。
2. 取得Y=floor(C * rand())。floor函数在这里的作用，就是取整数部分。
3. 再用limit Y,1取得一行。

select count(*) from @C from t;

set @Y =foor(@C * rand());

set @sql = concat('select * from t limit ', @Y,)prepare stmt from @sql;

execute stmt;

DEALLOCATE prepare stmt;

由于limit后面不能直接跟变量，所以上面代码中使用了prepare+execute的方法。

 

上一篇：16 | “order by”是怎么工作的？

下一篇：18 | 为什么这些SQL语句逻辑相同，性能却差异巨大？