UNION
UNION语义：取两个子查询结果的并集，重复的行只保留一行
表初始化
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();
执行语句
(SELECT 1000 AS f) UNION (SELECT id FROM t1 ORDER BY id DESC LIMIT 2);
mysql> EXPLAIN (SELECT 1000 AS f) UNION (SELECT id FROM t1 ORDER BY id DESC LIMIT 2);
+----+--------------+------------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+--------------+------------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+
| 1 | PRIMARY | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | No tables used |
| 2 | UNION | t1 | NULL | index | NULL | PRIMARY | 4 | NULL | 2 | 100.00 | Backward index scan; Using index |
| NULL | UNION RESULT | | NULL | ALL | NULL | NULL | NULL | NULL | NULL | NULL | Using temporary |
+----+--------------+------------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+
第二行的Key=PRIMARY，Using temporary
表示在对子查询的结果做UNION RESULT的时候，使用了临时表
UNION RESULT
创建一个内存临时表，这个内存临时表只有一个整型字段f，并且f为主键
执行第一个子查询，得到1000，并存入内存临时表中
执行第二个子查询
拿到第一行id=1000，试图插入到内存临时表，但由于1000这个值已经存在于内存临时表
违反唯一性约束，插入失败，继续执行
拿到第二行id=999，插入内存临时表成功
从内存临时表中按行取出数据，返回结果，并删除内存临时表，结果中包含id=1000和id=999两行
内存临时表起到了暂存数据的作用，还用到了内存临时表主键id的唯一性约束，实现UNION的语义
UNION ALL
UNION ALL没有去重的语义，一次执行子查询，得到的结果直接发给客户端，不需要内存临时表
mysql> EXPLAIN (SELECT 1000 AS f) UNION ALL (SELECT id FROM t1 ORDER BY id DESC LIMIT 2);
+----+-------------+-------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+
| 1 | PRIMARY | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | NULL | No tables used |
| 2 | UNION | t1 | NULL | index | NULL | PRIMARY | 4 | NULL | 2 | 100.00 | Backward index scan; Using index |
+----+-------------+-------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+
GROUP BY
内存充足
-- 16777216 Bytes = 16 MB
mysql> SHOW VARIABLES like '%tmp_table_size%';
+----------------+----------+
| Variable_name | Value |
+----------------+----------+
| tmp_table_size | 16777216 |
+----------------+----------+
执行语句
-- MySQL 5.6上执行
mysql> EXPLAIN SELECT id%10 AS m, COUNT(*) AS c FROM t1 GROUP BY m;
+----+-------------+-------+-------+---------------+------+---------+------+------+----------------------------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+-------+---------------+------+---------+------+------+----------------------------------------------+
| 1 | SIMPLE | t1 | index | PRIMARY,a | a | 5 | NULL | 1000 | Using index; Using temporary; Using filesort |
+----+-------------+-------+-------+---------------+------+---------+------+------+----------------------------------------------+
mysql> SELECT id%10 AS m, COUNT(*) AS c FROM t1 GROUP BY m;
+------+-----+
| m | c |
+------+-----+
| 0 | 100 |
| 1 | 100 |
| 2 | 100 |
| 3 | 100 |
| 4 | 100 |
| 5 | 100 |
| 6 | 100 |
| 7 | 100 |
| 8 | 100 |
| 9 | 100 |
+------+-----+
Using index：表示使用了覆盖索引，选择了索引a，不需要回表
Using temporary：表示使用了临时表
Using filesort：表示需要排序
执行过程
创建内存临时表，表里有两个字段m和c，m为主键
扫描t1的索引a，依次取出叶子节点上的id值，计算id%10，记为x
如果内存临时表中没有主键为x的行，插入一行记录(x,1)
如果内存临时表中有主键为x的行，将x这一行的c值加1
遍历完成后，再根据字段m做排序，得到结果集返回给客户端
排序过程
ORDER BY NULL
-- 跳过最后的排序阶段，直接从临时表中取回数据
mysql> EXPLAIN SELECT id%10 AS m, COUNT(*) AS c FROM t1 GROUP BY m ORDER BY NULL;
+----+-------------+-------+-------+---------------+------+---------+------+------+------------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+-------+---------------+------+---------+------+------+------------------------------+
| 1 | SIMPLE | t1 | index | PRIMARY,a | a | 5 | NULL | 1000 | Using index; Using temporary |
+----+-------------+-------+-------+---------------+------+---------+------+------+------------------------------+
-- t1中的数据是从1开始的
mysql> SELECT id%10 AS m, COUNT(*) AS c FROM t1 GROUP BY m ORDER BY NULL;
+------+-----+
| m | c |
+------+-----+
| 1 | 100 |
| 2 | 100 |
| 3 | 100 |
| 4 | 100 |
| 5 | 100 |
| 6 | 100 |
| 7 | 100 |
| 8 | 100 |
| 9 | 100 |
| 0 | 100 |
+------+-----+
内存不足
SET tmp_table_size=1024;
执行语句
-- 内存临时表的上限为1024 Bytes，但内存临时表不能完全放下100行数据，内存临时表会转成磁盘临时表，默认采用InnoDB引擎
-- 如果t1很大，这个查询需要的磁盘临时表就会占用大量的磁盘空间
mysql> SELECT id%100 AS m, count(*) AS c FROM t1 GROUP BY m ORDER BY NULL LIMIT 10;
+------+----+
| m | c |
+------+----+
| 1 | 10 |
| 2 | 10 |
| 3 | 10 |
| 4 | 10 |
| 5 | 10 |
| 6 | 10 |
| 7 | 10 |
| 8 | 10 |
| 9 | 10 |
| 10 | 10 |
+------+----+
优化方案
优化索引
不论使用内存临时表还是磁盘临时表，GROUP BY都需要构造一个带唯一索引的表，执行代价较高
需要临时表的原因：每一行的id%100是无序的，因此需要临时表，来记录并统计结果
如果可以确保输入的数据是有序的，那么计算GROUP BY时，只需要
从左到右顺序扫描，依次累加即可
当碰到第一个1的时候，已经累积了X个0，结果集里的第一行为(0,X)
当碰到第一个2的时候，已经累积了Y个1，结果集里的第一行为(1,Y)
整个过程不需要临时表，也不需要排序
-- MySQL 5.7上执行
ALTER TABLE t1 ADD COLUMN z INT GENERATED ALWAYS AS(id % 100), ADD INDEX(z);
-- 使用了覆盖索引，不需要临时表，也不需要排序
mysql> EXPLAIN SELECT z, COUNT(*) AS c FROM t1 GROUP BY z;
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+-------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+-------------+
| 1 | SIMPLE | t1 | NULL | index | z | z | 5 | NULL | 1000 | 100.00 | Using index |
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+-------------+
直接排序
一个GROUP BY语句需要放到临时表的数据量特别大，还是按照先放在内存临时表，再退化成磁盘临时表
可以直接用磁盘临时表的形式，在GROUP BY语句中SQL_BIG_RESULT(告诉优化器涉及的数据量很大)
磁盘临时表原本采用B+树存储，存储效率还不如数组，优化器看到SQL_BIG_RESULT，会直接用数组存储
即放弃使用临时表，直接进入排序阶段
执行过程
-- 没有再使用临时表，而是直接使用了排序算法
mysql> EXPLAIN SELECT SQL_BIG_RESULT id%100 AS m, COUNT(*) AS c FROM t1 GROUP BY m;
+----+-------------+-------+-------+---------------+------+---------+------+------+-----------------------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+-------+-------+---------------+------+---------+------+------+-----------------------------+
| 1 | SIMPLE | t1 | index | PRIMARY,a | a | 5 | NULL | 1000 | Using index; Using filesort |
+----+-------------+-------+-------+---------------+------+---------+------+------+-----------------------------+
初始化sort_buffer，确定放入一个整型字段，记为m
扫描t1的索引a，依次取出里面的id值，将id%100的值放入sort_buffer
扫描完成后，对sort_buffer的字段m做排序(sort_buffer内存不够时，会利用磁盘临时文件辅助排序)
排序完成后，得到一个有序数组，遍历有序数组，得到每个值出现的次数(类似上面优化索引的方式)
对比DISTINCT
-- 标准SQL，SELECT部分添加一个聚合函数COUNT(*)
SELECT a,COUNT(*) FROM t GROUP BY a ORDER BY NULL;
-- 非标准SQL
SELECT a FROM t GROUP BY a ORDER BY NULL;
SELECT DISTINCT a FROM t;
标准SQL：按照字段a分组，计算每组a出现的次数
非标准SQL：没有了COUNT(*)，不再需要执行计算总数的逻辑
按照字段a分组，相同的a的值只返回一行，与DISTINCT语义一致
如果不需要执行聚合函数 ，DISTINCT和GROUP BY的语义、执行流程和执行性能是相同的
创建一个临时表，临时表有一个字段a，并且在这个字段a上创建一个唯一索引
遍历表t，依次取出数据插入临时表中
如果发现唯一键冲突，就跳过
否则插入成功
遍历完成后，将临时表作为结果集返回给客户端
小结
用到内部临时表的场景
如果语句执行过程中可以一边读数据，一边得到结果，是不需要额外内存的
否则需要额外内存来保存中间结果
join_buffer是无序数组，sort_buffer是有序数组，临时表是二维表结构
如果执行逻辑需要用到二维表特性，就会优先考虑使用临时表
如果对GROUP BY语句的结果没有明确的排序要求，加上ORDER BY NULL(MySQL 5.6)
尽量让GROUP BY过程用上索引，确认EXPLAIN结果没有Using temporary和Using filesort
如果GROUP BY需要统计的数据量不大，尽量使用内存临时表(可以适当调大tmp_table_size)
如果数据量实在太大，使用SQL_BIG_RESULT来告诉优化器直接使用排序算法(跳过临时表)
参考资料
《MySQL实战45讲》
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
