MySQL实战45讲Day15----“order by”是怎么工作的

一、全字段排序：

1、

  explain命令中显示的Extra这个字段中的“Using filesort”表示的就是需要排序，MySQL会给每个线程分配一块内存用于排序，称为sort_buffer。

2、“select city,name,age from t where city='杭州' order by name limit 1000 ;”语句全字段排序执行流程如下：

  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。

全字段排序

3、快速排序这个动作，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。

(1)、“sort_buffer_size”含义：

  表示的就是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。如果排序数据量太大，内存放不下，则利用磁盘临时文件辅助排序。

4、查看一个排序语句是否使用了临时文件的方法：

  (1)、可以通过查看 OPTIMIZER_TRACE 的结果来确认的，从 “number_of_tmp_files”中看到是否使用了临时文件。“number_of_tmp_files”表示的是，排序过程中使用的临时文件数。内存放不下时，就需要使用外部排序，外部排序一般使用归并排序算法。假设“number_of_tmp_files” = X。可以这么简单理解，MySQL将需要排序的数据分成X份，每一份单独排序后存在这些临时文件中。然后把这X个有序文件再合并成一个有序的大文件。如果“sort_buffer_size”超过了需要排序的数据量的大小，“number_of_tmp_files”就是0，表示排序可以直接在内存中完成。否则就需要放在临时文件中排序。“sort_buffer_size”越小，需要分成的份数越多，“number_of_tmp_files”的值就越大。
  (2)、查询语句：

/* 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 */
select VARIABLE_VALUE into @a from  performance_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;

5、 OPTIMIZER_TRACE 结果含义：

(1)、“number_of_tmp_files”表示的是，排序过程中使用的临时文件数

(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。在排序过程中要按照实际长度来分配空间。

(4)、语句“select @b-@a” 的返回结果表示整个执行过程只扫描了多少行。

这里需要注意的是，为了避免对结论造成干扰，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。

二、rowid排序：

1、“max_length_for_sort_data”含义：

  是MySQL中专门控制用于排序的行数据的长度的一个参数。它的意思是，如果单行的长度超过这个值，MySQL就认为单行太大，要换一个算法。新的算法放入sort_buffer的字段，只有要排序的列和主键。

2、“select city,name,age from t where city='杭州' order by name limit 1000 ;”语句rowid排序执行流程如下：

  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

  注意：
  ①:排序的结果因为少了city和age字段的值，不能直接返回，需要按照id回原表取值再返回给客户端。
  ②:“结果集”是一个逻辑概念，实际上MySQL服务端从排序后的sort_buffer中依次取出id，然后到原表查到city、name和age这三个字段的结果，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。
  ③:此时“select @b-@a”这个语句的值就变成5000了。因为这时候除了排序过程外，在排序完成后，还要根据id去原表取值。由于语句是“limit 1000”，因此会多读1000行。
  ④:sort_mode变成了，表示参与排序的只有name和id这两个字段。
  ⑤: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。

三、全字段排序和rowid排序的对比：

  1、如果MySQL担心排序内存太小，会影响排序效率，才会采用rowid排序算法，这样排序过程中一次可以排序更多行，但是需要再回到原表去取数据。
  2、如果MySQL认为内存足够大，会优先选择全字段排序，把需要的字段都放到sort_buffer中，这样排序后就会直接从内存里面返回查询结果了，不用再回到原表去取数据。
  3、这体现了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。
  4、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。

四、排序的优化：

1、保证从city这个索引上取出来的行，天然就是按照name递增排序的话，就可以不用再排序了。

(1)、所以可以在这个表上创建一个city和name的联合索引，对应的SQL语句是：

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

(2)、此时的查询流程：

  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。

引入(city,name)联合索引后，查询语句的执行流程

  注意：①:这个查询过程不需要临时表，也不需要排序。
    ②:这个查询也不用把4000行全都读一遍，只要找到满足条件的前1000条记录就可以退出了。

2、进一步的，采用覆盖索引：

(1)、对这个查询，我们可以创建一个city、name和age的联合索引，对应的SQL语句就是：

alter table t add index city_user_age(city, name, age);

(2)、此时的查询流程：

  1、从索引(city,name,age)找到第一个满足city='杭州’条件的记录，取出其中的city、name和age这三个字段的值，作为结果集的一部分直接返回；
  2、从索引(city,name,age)取下一个记录，同样取出这三个字段的值，作为结果集的一部分直接返回；
  3、重复执行步骤2，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。

引入(city,name,age)联合索引后，查询语句的执行流程

  注意：①:此时的explain的结果中的Extra字段里面多了“Using index”，表示的就是使用了覆盖索引，性能上会快很多。
    ②: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。