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 null；select 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;