MySQL实战45讲Day36----内部临时表的使用时机

一、union:

  对表

create table t1(id int primary key, a int, b int, index(a));
delimiter ;;
create procedure idata()
begin
  declare i int;

  set i=1;
  while(i<=1000)do
    insert into t1 values(i, i, i);
    set i=i+1;
  end while;
end;;
delimiter ;
call idata();

1、执行语句:

  (select 1000 as f) union (select id from t1 order by id desc limit 2);
  该语句的语义是取这两个子查询结果的并集。并集的意思就是这两个集合加起来,重复的行只保留一行。

2、该语句的explain结果:

  可以看出:

  • 第二行的key = PRIMARY,说明第二个子句用到了索引id。
  • 第三行的Extra字段,表示在对子查询的结果集做union的时候,使用了临时表(Using temporary)。

3、该语句的执行流程:

  1. 创建一个内存临时表,这个临时表只有一个整型字段f,并且f是主键字段。

  2. 执行第一个子查询,得到1000这个值,并存入临时表中。

  3. 执行第二个子查询:

    • 拿到第一行id=1000,试图插入临时表中。但由于1000这个值已经存在于临时表了,违反了唯一性约束,所以插入失败,然后继续执行;
    • 取到第二行id=999,插入临时表成功。
  4. 从临时表中按行取出数据,返回结果,并删除临时表,结果中包含两行数据分别是1000和999。

    union 执行流程

    注意

  • 这里的内存临时表起到了暂存数据的作用,而且计算过程还用上了临时表主键id的唯一性约束,实现了union的语义。
  • 如果把语句中的union改成union all的话,就没有了“去重”的语义。这样执行的时候,就依次执行子查询,得到的结果直接作为结果集的一部分,发给客户端。因此也就不需要临时表了

二、group by:

1、执行语句:

  select id%10 as m, count(*) as c from t1 group by m;
  这个语句的逻辑是把表t1里的数据,按照 id%10 进行分组统计,并按照m的结果排序后输出。

2、该语句的explain结果:

  可以看出:

  • Using index,表示这个语句使用了覆盖索引,选择了索引a,不需要回表;
  • Using temporary,表示使用了临时表;
  • Using filesort,表示需要排序。

3、该语句的执行流程:

  1. 创建内存临时表,表里有两个字段m和c,主键是m;

  2. 扫描表t1的索引a,依次取出叶子节点上的id值,计算id%10的结果,记为x;

    • 如果临时表中没有主键为x的行,就插入一个记录(x,1);
    • 如果表中有主键为x的行,就将x这一行的c值加1;
  3. 遍历完成后,再根据字段m做排序,得到结果集返回给客户端。

    group by执行流程

    内存临时表排序流程

    注意

  • 内存临时表的大小是有限制的,参数tmp_table_size就是控制这个内存大小的,默认是16M。
  • 如果内存临时表大小不够存下所有数据,也就是说,执行过程中发现内存临时表大小到达了上限(1024字节)。那么,这时候就会把内存临时表转成磁盘临时表,磁盘临时表默认使用的引擎是InnoDB。
  • 如果这个表的数据量很大,很可能这个查询需要的磁盘临时表就会占用大量的磁盘空间

三、group by 优化方法:

1、索引:

<1>、优化原因:

  不论是使用内存临时表还是磁盘临时表,group by逻辑都需要构造一个带唯一索引的表,执行代价都是比较高的。如果表的数据量比较大,这个group by语句执行起来就会很慢。而需要临时表的原因是由于每一行的id%100的结果是无序的,所以就需要有一个临时表来记录并统计结果。

<2>、优化思路:

  如果可以确保输入的数据是有序的,那么计算group by的时候,就只需要从左到右,顺序扫描,依次累加。也就是下面这个过程:

  • 当碰到第一个1的时候,已经知道累积了X个0,结果集里的第一行就是(0,X);
  • 当碰到第一个2的时候,已经知道累积了Y个1,结果集里的第二行就是(1,Y);

  按照这个逻辑执行的话,扫描到整个输入的数据结束,就可以拿到group by的结果,不需要临时表,也不需要再额外排序。

<3>、优化方法:

  由于:

  1. InnoDB的索引,可以满足这个输入有序的条件。
  2. 在MySQL 5.7版本支持了generated column机制,用来实现列数据的关联更新。可以用下面的方法创建一个列z,然后在z列上创建一个索引(如果是MySQL 5.6及之前的版本,也可以创建普通列和索引来解决这个问题)。
    alter table t1 add column z int generated always as(id % 100), add index(z);

  此时group by语句就可以改成:select z, count(*) as c from t1 group by z;
  优化后的group by语句的explain结果为:

从Extra字段可以看到,这个语句的执行不再需要临时表,也不需要排序了。

2、直接排序:

<1>、优化原因:

  如果一个group by语句中需要放到临时表上的数据量特别大,却还是要按照“先放到内存临时表,插入一部分数据后,发现内存临时表不够用了再转成磁盘临时表”,这看上去比较繁琐。

<1>、优化思路:

  MySQL应该直接走磁盘临时表。

<1>、优化方法:

  1. 在group by语句中加入SQL_BIG_RESULT这个提示(hint),就可以告诉优化器:这个语句涉及的数据量很大,请直接用磁盘临时表。同时由于磁盘临时表是B+树存储,存储效率不如数组来得高。所以既然数据量很大,那从磁盘空间考虑,就直接用数组来存储

  此时group by语句就可以改成:select SQL_BIG_RESULT id%100 as m, count(*) as c from t1 group by m;

  此时group by语句的执行流程为:

  1. 初始化sort_buffer,确定放入一个整型字段,记为m;

  2. 扫描表t1的索引a,依次取出里面的id值, 将 id%100的值存入sort_buffer中;

  3. 扫描完成后,对sort_buffer的字段m做排序(如果sort_buffer内存不够用,就会利用磁盘临时文件辅助排序);

  4. 排序完成后,就得到了一个有序数组。

  优化后的group by语句的explain结果为:

三、总结:

1、MySQL什么时候会使用内部临时表?

  1. 如果语句执行过程可以一边读数据,一边直接得到结果,是不需要额外内存的,否则就需要额外的内存,来保存中间结果;
  2. join_buffer是无序数组,sort_buffer是有序数组,临时表是二维表结构;
  3. 如果执行逻辑需要用到二维表特性,就会优先考虑使用临时表。比如union需要用到唯一索引约束, group by还需要用到另外一个字段来存累积计数。

2、group by的实现算法:

  1. 如果对group by语句的结果没有排序要求,要在语句后面加 order by nullselect id%10 as m, count(*) as c from t1 group by m order by null;
  2. 尽量让group by过程用上表的索引,确认方法是explain结果里没有Using temporary 和 Using filesort;
  3. 如果group by需要统计的数据量不大,尽量只使用内存临时表;也可以通过适当调大tmp_table_size参数,来避免用到磁盘临时表;
  4. 如果数据量实在太大,使用SQL_BIG_RESULT这个提示来告诉优化器直接使用排序算法得到group by的结果。select SQL_BIG_RESULT id%100 as m, count(*) as c from t1 group by m;

你可能感兴趣的:(MySQL实战45讲Day36----内部临时表的使用时机)