22 常见语句的执行逻辑
count,order by 都是怎么执行的
1. count
在不同的 MySQL 引擎中,count(*) 有不同的实现方式:
- MyISAM: 把一个表的总行数存在了磁盘上,在没有筛选条件时,count(*) 可以直接返回
- Innodb: 需要把数据一行一行地从引擎里面读出来,然后累积计数。
由于 Innodb 事务是基于 MVCC 的多版本控制机制实现的,每一行记录都要判断自己是否对这个会话可见,因此对于 count(*) 请求来说,InnoDB 只好把数据一行一行地读出依次判断,可见的行才能够用于计算“基于这个查询”的表的总行数。对于 count(*) 遍历主键索引和二级索引得到的结果逻辑上是一致的。MySQL 优化器会找到最小的那棵树来遍历。在保证逻辑正确的前提下,尽量减少扫描的数据量,是数据库系统设计的通用法则之一。
show table status
返回的 TABLE_ROWS 用于显示这个表当前有多少行,但它是通过采样计算得来的,很不准。 那怎么才能快速得到记录总数呢?
我们只能自己计数。基本思路:你需要自己找一个地方,把操作记录表的行数存起来。
1.1 如何计数
我们把这个计数直接放到 MySQL 数据库里单独的一张计数表 C 中,利用事务,我们可以保证计数更新与数据更新之间的一致性。
把计数放在 Redis 里面,不能够保证计数和 MySQL 表里的数据精确一致的原因,是这两个不同的存储构成的系统,不支持分布式事务,无法拿到精确一致的视图。而把计数值也放在 MySQL 中,就解决了一致性视图的问题。
1.2 不同的 count 用法
要想弄明白 ount(*)、count(主键 id)、count(字段) 和 count(1) 的差别,首先你要弄清楚 count() 的语义。count() 是一个聚合函数,对于返回的结果集,一行行地判断,如果 count 函数的参数不是 NULL,累计值就加 1,否则不加。最后返回累计值。
所以,count(*)、count(主键 id) 和 count(1) 都表示返回满足条件的结果集的总行数;而 count(字段),则表示返回满足条件的数据行里面,参数“字段”不为 NULL 的总个数。
至于分析性能差别的时候,你可以记住这么几个原则:
- server 层要什么就给什么;
- InnoDB 只给必要的值;
- 现在的优化器只优化了 count(*) 的语义为“取行数”,其他“显而易见”的优化并没有做
性能差别:
- count(主键 id):InnoDB 引擎会遍历整张表,把每一行的 id 值都取出来,返回给 server 层。server 层拿到 id 后,判断是不可能为空的,就按行累加
- count(1): InnoDB 引擎遍历整张表,但不取值。server 层对于返回的每一行,放一个数字“1”进去,判断是不可能为空的,按行累加。count(1) 执行得要比 count(主键 id) 快。因为从引擎返回 id 会涉及到解析数据行,以及拷贝字段值的操作。
- count(字段):
- 如果这个“字段”是定义为 not null 的话,一行行地从记录里面读出这个字段,判断不能为 null,按行累加;
- 如果这个“字段”定义允许为 null,那么执行的时候,判断到有可能是 null,还要把值取出来再判断一下,不是 null 才累加
- count(*): 并不会把全部字段取出来,而是专门做了优化,不取值。count(*) 肯定不是 null,按行累加。
按照效率由低到高排序的话,count(字段) -> count(主键 id) -> count(1)≈count(\*)
,所以我建议你,尽量使用 count(*)
2. order by
order by 如何执行取决于如下几个因素:
- 是否使用外部排序:
- MySQL 会给每个线程分配一块内存用于排序,称为 sort_buffer。
- 排序可能在内存中完成,也可能需要使用外部排序,这取决于排序所需的内存和参数 sort_buffer_size。
- sort_buffer_size,就是 MySQL 为排序开辟的内存(sort_buffer)的大小
- 如果要排序的数据量小于
sort_buffer_size
,排序就在内存中完成。否则就需要磁盘临时文件辅助排序
- 单行长度是否太大
- 默认 MySQL 会使用"全字段排序",即把所需的所有字段都放到 sort_buffer_size 中然后排序
- 如果查询要返回的字段很多的话,那么 sort_buffer 里面要放的字段数太多,这样内存里能够同时放下的行数很少,要分成很多个临时文件,排序的性能会很差。此时 MySQL 就会采用另一种排序算法 “rowid 排序”
max_length_for_sort_data
,是 MySQL 中专门控制用于排序的行数据的长度的一个参数。单行的长度超过这个值,就会使用 rowid 算法
- 是否有筛选字段与排序字段的联合索引: 可以利用索引的有序性直接排序,下称"索引直接排序"
因此我们将详细下面这几个问题:
- 如何判断排序语句是否使用了临时文件
- 全字段排序过程
- rowid 排序过程
- 索引直接排序过程
2.1 是否使用了临时文件
假设有个市民表定义如下,我们希望查询城市是“杭州”的所有人名字,并且按照姓名排序返回前 1000 个人的姓名、年龄。
|
|
为避免全表扫描,我们需要在 city 字段加上索引。在 city 字段上创建索引之后,我们用 explain 命令来看看这个语句的执行情况。
Extra 这个字段中的“Using filesort”表示的就是需要排序,但是并没有告诉我们MySQL使用了哪种排序是算法,也没有告诉我们是否使用了临时文件排序。用下面介绍的方法,可以确定一个排序语句是否使用了临时文件。
|
|
下面 OPTIMIZER_TRACE 的显示结果(显示的是2.2全字段排序的分析结果)
- number_of_tmp_files: 表示排序过程中使用的临时文件数。大于 0 表示使用了临时文件排序,外部排序一般使用归并排序算法
- examined_rows: 表示参与排序的行数
- sort_mode 里面的 packed_additional_fields 的意思是,排序过程对字符串做了“紧凑”处理。即使 name 字段的定义是 varchar(16),在排序过程中还是要按照实际长度来分配空间的。
- 最后一个查询语句 select @b-@a 的返回结果是 4000,表示整个执行过程只扫描了 4000 行。
需要注意的是,为了避免对结论造成干扰,我把 internal_tmp_disk_storage_engine 设置成 MyISAM。否则,select @b-@a 的结果会显示为 4001。这是因为查询 OPTIMIZER_TRACE 这个表时,需要用到临时表,而 internal_tmp_disk_storage_engine 的默认值是 InnoDB。如果使用的是 InnoDB 引擎的话,把数据从临时表取出来的时候,会让 Innodb_rows_read 的值加 1。
2.2 全字段排序
如上图,使用全字段排序的过程如下:
- 初始化 sort_buffer,确定放入 name、city、age 这三个字段;
- 从索引 city 找到第一个满足 city=‘杭州’条件的主键 id;
- 到主键 id 索引取出整行,取 name、city、age 三个字段的值,存入 sort_buffer 中;
- 从索引 city 取下一个记录的主键 id;
- 重复步骤 3、4 直到 city 的值不满足查询条件为止;
- 对 sort_buffer 中的数据按照字段 name 做快速排序;
- 按照排序结果取前 1000 行返回给客户端。
2.3 rowid 排序
rowid 算法放入 sort_buffer 的字段,只有要排序的列(即 name 字段)和主键 id。
- 初始化 sort_buffer,确定放入两个字段,即 name 和 id;
- 从索引 city 找到第一个满足 city=‘杭州’条件的主键 id;
- 到主键 id 索引取出整行,取 name、id 这两个字段,存入 sort_buffer 中;
- 从索引 city 取下一个记录的主键 id;
- 重复步骤 3、4 直到不满足 city=‘杭州’条件为止;
- 对 sort_buffer 中的数据按照字段 name 进行排序;
- 遍历排序结果,取前 1000 行,并按照 id 的值回到原表中取出 city、name 和 age 三个字段返回给客户端。
rowid 排序多访问了一次表 t 的主键索引,最后的“结果集”是一个逻辑概念,不需要在服务端再耗费内存存储结果,是直接返回给客户端的。
city、name、age 这三个字段的定义总长度是 36,我们把 max_length_for_sort_data 设置为 16,就可以让 MySQL 使用 rowid 进行排序。
|
|
重新进行上面的查询分析会看到:
- sort_mode 变成了
<sort_key, rowid>
,表示参与排序的只有 name 和 id 这两个字段。 - number_of_tmp_files 变成 10 了,是因为这时候参与排序的行数虽然仍然是 4000 行,但是每一行都变小了,因此需要排序的总数据量就变小了,需要的临时文件也相应地变少了
对于 InnoDB 表来说,rowid 排序会要求回表多造成磁盘读,因此不会被优先选择。这也就体现了 MySQL 的一个设计思想:如果内存够,就要多利用内存,尽量减少磁盘访问。
2.4 索引直接排序
我们可以在这个市民表上创建一个 city 和 name 的联合索引,这个索引的示意图如下:
|
|
因为索引是按照city,name 排序的,所以排序过程就变成了:
- 从索引 (city,name) 找到第一个满足 city=‘杭州’条件的主键 id;
- 到主键 id 索引取出整行,取 name、city、age 三个字段的值,作为结果集的一部分直接返回;
- 从索引 (city,name) 取下一个记录主键 id;
- 重复步骤 2、3,直到查到第 1000 条记录,或者是不满足 city=‘杭州’条件时循环结束。
如果表上有 (city, name, age),就可以使用覆盖索引,无须进行上述步骤 2 的回表过程,性能上会快很多。当然,这里并不是说要为了每个查询能用上覆盖索引,就要把语句中涉及的字段都建上联合索引,毕竟索引还是有维护代价的。这是一个需要权衡的决定。
3. union 和 groupby
union 和 group by 的执行逻辑参见临时表