MySQL 45 讲 | 17 如何正确地显示随机消息？

最新推荐文章于 2022-11-18 14:32:37 发布

蓝布棉

最新推荐文章于 2022-11-18 14:32:37 发布

阅读量127

点赞数

分类专栏：数据库文章标签： mysql 数据库 sql

本文链接：https://blog.csdn.net/weixin_43806049/article/details/126950641

版权

数据库专栏收录该内容

16 篇文章 2 订阅

订阅专栏

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;