目录

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:

  1. server 层要什么就给什么;
  2. InnoDB 只给必要的值;
  3. 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:

  1. 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
  2. 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
  3. 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:

  1. 如何判断排序语句是否使用了临时文件
  2. 全字段排序过程
  3. rowid 排序过程
  4. 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。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
CREATE TABLE `t` (
  `id` int(11) NOT NULL,
  `city` varchar(16) NOT NULL,
  `name` varchar(16) NOT NULL,
  `age` int(11) NOT NULL,
  `addr` varchar(128) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `city` (`city`)
) ENGINE=InnoDB;


select city,name,age from t where city='杭州' order by name limit 1000  ;

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。

/images/mysql/MySQL45%E8%AE%B2/sort_explain.png

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。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

/* 打开optimizer_trace,只对本线程有效 */
SET optimizer_trace='enabled=on'; 

/* @a保存Innodb_rows_read的初始值, mairadb 有所区别 */
select VARIABLE_VALUE into @a from  performance_schema.session_status where variable_name = 'Innodb_rows_read';

/* mariadb */
select VARIABLE_VALUE into @a from  information_schema.session_status where variable_name = 'Innodb_rows_read';

/* 执行语句 */
select city, name,age from t where city='杭州' order by name limit 1000; 

/* 查看 OPTIMIZER_TRACE 输出 */
SELECT * FROM `information_schema`.`OPTIMIZER_TRACE`\G

/* @b保存Innodb_rows_read的当前值 */
select VARIABLE_VALUE into @b from performance_schema.session_status where variable_name = 'Innodb_rows_read';

/* 计算Innodb_rows_read差值 */
select @b-@a;

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)

/images/mysql/MySQL45%E8%AE%B2/optimizer_trace.png

  1. 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
  2. examined_rows: 表示参与排序的行数
  3. 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。
  4. 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

/images/mysql/MySQL45%E8%AE%B2/sort_full.jpg

如上图,使用全字段排序的过程如下:

  1. 初始化 sort_buffer,确定放入 name、city、age 这三个字段;
  2. 从索引 city 找到第一个满足 city=‘杭州’条件的主键 id;
  3. 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;
  4. 从索引 city 取下一个记录的主键 id;
  5. 重复步骤 3、4 直到 city 的值不满足查询条件为止;
  6. 对 sort_buffer 中的数据按照字段 name 做快速排序;
  7. 按照排序结果取前 1000 行返回给客户端。

2.3 rowid 排序

/images/mysql/MySQL45%E8%AE%B2/sort_rowid.jpg

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。

  1. 初始化 sort_buffer,确定放入两个字段,即 name 和 id;
  2. 从索引 city 找到第一个满足 city=‘杭州’条件的主键 id;
  3. 到主键 id 索引取出整行,取 name、id 这两个字段,存入 sort_buffer 中;
  4. 从索引 city 取下一个记录的主键 id;
  5. 重复步骤 3、4 直到不满足 city=‘杭州’条件为止;
  6. 对 sort_buffer 中的数据按照字段 name 进行排序;
  7. 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。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
SET max_length_for_sort_data = 16;

/* 打开optimizer_trace,只对本线程有效 */
SET optimizer_trace='enabled=on'; 

/* @a保存Innodb_rows_read的初始值, mairadb 有所区别 */
select VARIABLE_VALUE into @a from  performance_schema.session_status where variable_name = 'Innodb_rows_read';

/* mariadb */
select VARIABLE_VALUE into @a from  information_schema.session_status where variable_name = 'Innodb_rows_read';

/* 执行语句 */
select city, name,age from t where city='杭州' order by name limit 1000; 

/* 查看 OPTIMIZER_TRACE 输出 */
SELECT * FROM `information_schema`.`OPTIMIZER_TRACE`\G

/* @b保存Innodb_rows_read的当前值 */
select VARIABLE_VALUE into @b from performance_schema.session_status where variable_name = 'Innodb_rows_read';

/* 计算Innodb_rows_read差值 */
select @b-@a;

重新进行上面的查询分析会看到:

/images/mysql/MySQL45%E8%AE%B2/optimizer_rowid.png

  1. 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。
  2. 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:

1
alter table t add index city_user(city, name);

/images/mysql/MySQL45%E8%AE%B2/sort_index.png

因为索引是按照city,name 排序的,所以排序过程就变成了:

  1. 从索引 (city,name) 找到第一个满足 city=‘杭州’条件的主键 id;
  2. 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;
  3. 从索引 (city,name) 取下一个记录主键 id;
  4. 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。

/images/mysql/MySQL45%E8%AE%B2/sort_index.jpg

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