搜尋

首頁  >  文章  >  資料庫  >  你真的了解MySQL的order by嗎

你真的了解MySQL的order by嗎

WBOY
WBOY轉載
2022-02-01 07:00:312563瀏覽

這篇文章為大家帶來了關於mysql中order by排序的相關知識，希望對大家有幫助。

你真的了解MySQL的order by嗎

排序這個詞，我的第一個感覺是幾乎所有App都有排序的地方，淘寶商品有按照購買時間的排序、B站的評論有按照熱度排序的...，當然我們今天說的並不是大數據下該如何優雅的排序，如何提升排序效能的問題，我們說一說MySQL中的排序。

對於MySQL，一說到排序，你第一時間想到的是什麼？關鍵字order by？ order by的欄位最好有索引？葉子結點已經是順序的？還是說盡量不要在MySQL內部排序？

事情的起因

現在假設有一個使用者的朋友表：

CREATE TABLE `user` (
  `id` int(10) AUTO_INCREMENT,
  `user_id` int(10),
  `friend_addr` varchar(1000),
  `friend_name` varchar(100),  
  PRIMARY KEY (`id`),
  KEY `user_id` (`user_id`)
) ENGINE=InnoDB;

表中目前有兩個點需要關注：

使用者的user_id ，朋友的名字friend_name、朋友的地址friend_addr

user_id 是有索引的

有一天，有個初級開發工程師小猿，收到了來自初級產品經理小汪的需求：

小汪：小猿同志，現在需要在後台加個功能，這個功能要支持根據用戶id 能查到他所有的朋友姓名和地址，並且要求朋友的姓名是按照字典排序的。

小猿：好的，這個功能簡單，我馬上就上線。

於是小猿寫了這樣的sql：

select friend_name，friend_addr from user where user_id=? order by name

在電光石火的瞬間，小猿趾高氣昂的上線了，這一切都很順利，直到有一天有個運營同學導致了這樣的查詢：

select friend_name，friend_addr from user where user_id=10086 order by name

然而，這個查詢竟然比平常慢很多，資料庫報了慢查詢，小猿此時慌的一b：這是怎麼回事？ user_id 明明有索引啊，而且機智地我還只用了 select friend_name,friend_addr，並沒有用 select *呀。小猿此時不停地安慰自己，要淡定要淡定，然後突然想到有個explain命令，用explain來查看下那條sql的執行計劃吧，當小猿用了explain之後，發現extra字段裡面有個看起來很危險的字：using filesort。

“這個查詢竟然用到了傳說中的文件排序，但是如果一個人朋友不是很多，就算了用了文件排序，應該也很快吧”，除非這個user_id=10086的朋友很多，後來小猿去查了一下，這個用戶的朋友竟然有10w多個～。

陷入了沉思的小猿心想：這個鍋子看來是背定了，10w資料是有點大了，還有這個 using filesort 到底是怎麼個排序原理？

解剖檔案排序

有人可能說上面的問題是10w資料太大了，就算不排序也慢，這個其實是有道理的，10w資料一次性查出來，無論是MySQL記憶體緩衝區的佔用，還是網路頻寬的消耗都是非常大的，那如果我加了limit 1000呢？網路頻寬的問題肯定是解決了，因為封包整體變小了，但是 using filesort 的問題其實還是沒有解決，看到這裡你可能會有疑問，using filesort 難道是在檔案中排序的？在文件中到底是怎麼排序的？或者我這樣問：如果給你設計排序你會怎麼處理？帶著這些疑問和思考我們來看看 using filesort 會涉及到哪些技術困難點以及是如何解決的？

  • 首先我們的user_id 是有索引的，所以會先在user_id 索引樹上檢索我們的目標數據，即user_id=10086 的數據，但是我們要查詢的是friend_name 和friend_addr 字段，很不幸，光靠user_id 索引是找不到這兩個字段值的

  • 於是需要回表，透過user_id 對應的主鍵去主鍵索引樹上去查找，ok ，我們找到了第一個user_id=10086 的friend_name 和friend_addr 欄位

  • ##這時該怎麼辦？直接回回去肯定不對，因為我需要對 friend_name 排序，如何排？資料都還沒找全，那就得把查到的資料先放在一個地方，這個地方就是sort_buffer，看到名字我想你應該猜出來，沒錯，sort_buffer 就是用於這種情況下排序用的緩衝區，這裡要注意的是每個執行緒都會有一個單獨的sort_buffer，這麼做的目的主要是為了避免多個執行緒對同一塊記憶體進行操作帶來鎖定競爭的問題。

  • 當第一個資料的friend_name 和friend_addr 已經放入sort_buffer 中，這當然沒完，會一直重複同步的步驟，直到把所有user_id=10086 的friend_name 和friend_addr 都放入到sort_buffer 中才結束

  • sort_buffer 中的資料已經放入完畢，接下來就該排序了，這裡MySQL 會對friend_name 進行快排，經過快排後，sort_buffer 中friend_name 是有序的了

  • 最後回傳sort_buffer 中的前1000條，結束。

你真的了解MySQL的order by嗎

一切看起来很丝滑，但是 sort_buffer 占用的是内存空间，这就尴尬了，内存本身就不是无限大的，它肯定是有上限的，当然 sort_buffer 也不能太小，太小的话，意义不大。在 InnoDB 存储引擎中，这个值是默认是256K。

mysql> show variables  like 'sort_buffer_size';
+------------------+--------+
| Variable_name    | Value  |
+------------------+--------+
| sort_buffer_size | 262144 |
+------------------+--------+

也就是说，如果要放进 sort_buffer 中的数据是大于256K的话，那么采用在 sort_buffer 中快排的方式肯定是行不通的，这时候，你可能会问：MySQL难道不能根据数据大小自动扩充吗？额，MySQL是多线程模型，如果每个线程都扩充，那么分给其他功能buffer就小了（比如change buffer等），就会影响其他功能的质量。

这时就得换种方式来排序了，没错，此时就是真正的文件排序了，也就是磁盘的临时文件，MySQL会采用归并排序的思想，把要排序的数据分成若干份，每一份数据在内存中排序后会放入临时文件中，最终对这些已经排序好的临时文件的数据再做一次合并排序就ok了，典型的分而治之原理，它的具体步骤如下：

  • 先将要排序的数据分割，分割成每块数据都可以放到 sort_buffer 中

  • 对每块数据在 sort_buffer 中进行排序，排序好后，写入某个临时文件中

  • 当所有的数据都写入临时文件后，这时对于每个临时文件而言，内部都是有序的，但是它们并不是一个整体，整体还不是有序的，所以接下来就得合并数据了

  • 假设现在存在 tmpX 和 tmpY 两个临时文件，这时会从 tmpX 读取一部分数据进入内存，然后从 tmpY 中读取一部分数据进入内存，这里你可能会好奇为什么是一部分而不是整个或者单个？因为首先磁盘是缓慢的，所以尽量每次多读点数据进入内存，但是不能读太多，因为还有 buffer 空间的限制。

  • 对于 tmpX 假设读进来了的是 tmpX[0-5] ,对于 tmpY 假设读进来了的是 tmpY[0-5]，于是只需要这样比较：

如果 tmpX[0] tmpY[0]，那么 tmpY[0] 肯定是第二小的...，就这样两两比较最终就可以把 tmpX 和 tmpY 合并成一个有序的文件tmpZ，多个这样的tmpZ再次合并...，最终就可以把所有的数据合并成一个有序的大文件。

你真的了解MySQL的order by嗎

文件排序很慢，还有其他办法吗

通过上面的排序流程我们知道，如果要排序的数据很大，超过 sort_buffer 的大小，那么就需要文件排序，文件排序涉及到分批排序与合并，很耗时，造成这个问题的根本原因是 sort_buffer 不够用，不知道你发现没有我们的 friend_name 需要排序，但是却把 friend_addr 也塞进了 sort_buffer 中，这样单行数据的大小就等于 friend_name 的长度 + friend_addr 的长度，能否让 sort_buffer 中只存 friend_name 字段，这样的话，整体的利用空间就大了，不一定用得到到临时文件。没错，这就是接下来要说的另一种排序优化rowid排序。

rowid 排序的思想就是把不需要的数据不要放到 sort_buffer 中，让 sort_buffer 中只保留必要的数据，那么你认为什么是必要的数据呢？只放 friend_name？这肯定不行，排序完了之后，friend_addr 怎么办？因此还要把主键id放进去，这样排完之后，通过 id 再回次表，拿到 friend_addr 即可，因此它的大致流程如下：

  • 根据 user_id 索引，查到目标数据，然后回表，只把 id 和 friend_name 放进 sort_buffer 中

  • 重复1步骤，直至全部的目标数据都在 sort_buffer 中

  • 对 sort_buffer 中的数据按照 friend_name 字段进行排序

  • 排序后根据 id 再次回表查到 friend_addr 返回，直至返回1000条数据，结束。

你真的了解MySQL的order by嗎

这里面其实有几点需要注意的：

  • 这种方式需要两次回表的

  • sort_buffer 虽然小了，但是如果数据量本身还是很大，应该还是要临时文件排序的

那么问题来了，两种方式，MySQL 该如何选择？得根据某个条件来判断走哪种方式吧，这个条件就是进 sort_buffer 单行的长度，如果长度太大（friend_name + friend_addr的长度），就会采用 rowid 这种方式，否则第一种，长度的标准是根据 max_length_for_sort_data 来的，这个值默认是1024字节：

mysql> show variables like 'max_length_for_sort_data';
+--------------------------+-------+
| Variable_name          | Value |
+--------------------------+-------+
| max_length_for_sort_data | 1024  |
+--------------------------+-------+

不想回表，不想再次排序

其实不管是上面哪种方法，他们都需要回表+排序，回表是因为二级索引上没有目标字段，排序是因为数据不是有序的，那如果二级索引上有目标字段并且已经是排序好的了，那不就两全其美了嘛。

没错，就是联合索引，我们只需要建立一个 （user_id，friend_name，friend_addr）的联合索引即可，这样我就可以通过这个索引拿到目标数据，并且friend_name已经是排序好的，同时还有friend_addr字段，一招搞定，不需要回表，不需要再次排序。因此对于上述的sql，它的大致流程如下：

  • 通过联合索引找到user_id=10086的数据，然后读取对应的 friend_name 和 friend_addr 字段直接返回，因为 friend_name 已经是排序好的了，不需要额外处理

  • 重复第一步骤，顺着叶子节点接着向后找，直至找到第一个不是10086的数据，结束。

你真的了解MySQL的order by嗎

联合索引虽然可以解决这种问题，但是在实际应用中切不可盲目建立，要根据实际的业务逻辑来判断是否需要建立，如果不是经常有类似的查询，可以不用建立，因为联合索引会占用更多的存储空间和维护开销。

总结

  • 对于 order by 没有用到索引的时候，这时 explain 中 Extra 字段大概是会出现 using filesort 字眼

  • 出现 using filesort 的时候也不用太慌张，如果本身数据量不大，比如也就几十条数据，那么在 sort buffer 中使用快排也是很快的

  • 如果数据量很大，超过了 sort buffer 的大小，那么是要进行临时文件排序的，也就是归并排序，这部分是由 MySQL 优化器决定的

  • 如果查询的字段很多，想要尽量避免使用临时文件排序，可以尝试设置下 max_length_for_sort_data 字段的大小，让其小于所有查询字段长度的总和，这样放入或许可以避免，但是会多一次回表操作

  • 实际业务中，我们也可以给经常要查询的字段组合建立个联合索引，这样既不用回表也不需要单独排序，但是联合索引会占用更多的存储和开销

  • 大量数据查询的时候，尽量分批次，提前 explain 来观察 sql 的执行计划是个不错的选择。

推荐学习：mysql视频教程

以上是你真的了解MySQL的order by嗎的詳細內容。更多資訊請關注PHP中文網其他相關文章！

陳述：
本文轉載於：juejin.im。如有侵權，請聯絡admin@php.cn刪除
上一篇：一起聊聊MYSQL中鎖的各種模式與類型下一篇：一起聊聊MYSQL中鎖的各種模式與類型

相關文章

看更多