17 | 如何正确地显示随机消息?
内存临时表
-
首先会想到
order by rand()
来实现这个逻辑。随机排序取前3个:
select word from words order by rand() limit 3;
-
执行流程却有点复杂: 需要临时表,并且需要在临时表上排序
-
MySQL这时就会选择rowid排序:
-
对于InnoDB表,执行全字段排序会减少磁盘访问,会被优先选择。
-
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,此时选择rowid 排序。
这条语句的执行流程是这样的:
- 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。
- 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,到 此,扫描行数是10000。
- 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。
- 初始化 sort_buffer。sort_buffer中有两个字段,一个是double类型,另一个是整型。
- 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,变成了20000。
- 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。
- 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。
- MySQL的表是用什么方法来**定位“一行数据”**的?
- 表没有主键,或者表的主键删掉了,那么InnoDB会自己生成 一个长度为6字节的rowid来作为主键。
- 实际上rowid表示的是: 每个引擎用来唯一标识数据行的信息。
小结一下: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
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。- 这个SQL语句的排序确实没有用到临时文件,采用是MySQL 5.6版本引入的一个新的排序算法, 即:优先队列排序算法
优先队列算法,就可以精确地只得到三个最小值,执行流程如下:
- 对于这10000个准备排序的(R,rowid),先取前三行,构造成一个堆;
- 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)从堆中 去掉,换成(R’,rowid’);
- 重复第2步,直到第10000个(R’,rowid’)完成比较。
-
整个排序过程 中,为了最快地拿到当前堆的最大值,总是保持最大值在堆顶,因此这是一个最大堆。
上面一篇文章的SQL查询语句:
select city,name,age from t where city='杭州' order by name limit 1000 ;
也用到了limit,为什么没用优先队列排序算法呢?原因是,这条SQL语句是
limit 1000
,如果使用优先队列算法的话,需要维护的堆的大小就是1000行的(name,rowid),超 过了我设置的sort_buffer_size大小,所以只能使用归并排序算法。
随机排序方法
随机算法1(取一个值)
- 取得这个表的主键id的最大值M和最小值N;
- 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;
- 取不小于X的第一个ID的行。
- 执行语句的序列:
select max(id),min(id) into @M,@N from t ;
set @X= floor((@M-@N+1)*rand() + @N);
select * from t where id >= @Xlimit 1;
- 因为ID中间可能有空洞,因此选择不同行的概率不一样,不是真正的随机
随机算法2 (取一个值)
- 取得整个表的行数,并记为C。
- 取得 Y = floor(C*rand())。 floor函数在这里的作用,就是取整数部分。
- 再用limit Y,1 取得一行。
- 执行语句的序列:
select count(*) into @C from t;
set @Y = floor(@C * rand());
set @sql = concat("select * from t limit ", @Y, ",1");
prepare stmt from @sql;
execute stmt;
DEALLOCATE prepare stmt;
-
由于limit 后面的参数不能直接跟变量,所以上面的代码中使用了
prepare+execute
的方法。 -
MySQL处理limit Y,1 的做法就是按顺序一个一个地读出来,丢掉前Y个,然后把下一个记录作为返回结果,因此这一步需要扫描Y+1行。再加上,第一步扫描的C行,总共需要扫描C+Y+1行, 执行代价比随机算法1的代价要高。
随机算法3 (取三个值)
- 取得整个表的行数,记为C;
- 根据相同的随机方法2得到Y1、Y2、Y3;
- 再执行三个limit Y, 1语句得到三行数据。
- 执行语句的序列:
select count(*) into @C from t;
set @Y1 = floor(@C * rand());
set @Y2 = floor(@C * rand());
set @Y3 = floor(@C * rand());
select * from t limit @Y1,1; //在应用代码里面取Y1、Y2、Y3值,拼出SQL后执行
select * from t limit @Y2,1;
select * from t limit @Y3,1;
小结:
- 介绍了MySQL对临时表排序的执行过程;
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 ;- 临时表过大时,使用磁盘临时表,使用优先队列排序算法(最大堆);
- 随机算法中代码配合拼接SQL语句;