MySQL优化篇：排序分组优化

---

where 条件和on的判断这些过滤条件，作为优先优化的部分，是要被先考虑的。其次，如果有分组和排序，那么也要考虑group by 和order by。

1、order by关键字排序优化

• ORDER BY子句，尽量使用index方式排序，避免使用FileSort方式排序
• 尽可能在索引列上完成排序操作，遵照索引建的最佳左前缀

1.1 无过滤不索引

create index idx_age_deptid_name on emp(age,deptid,name);
explain select * from emp where age=40 order by deptid;
explain select * from emp order by age,deptid;
explain select * from emp order age,deptid limit 10;

using filesort说明进行了手工排序。原因在于没有where 作为过滤条件！

结论：无过滤，不索引。where ，limit都相当于一种过滤条件，所以才能使用上索引。

1.2 顺序错，必排序

explain select * from emp where age=45 order by deptid,name;
explain select * from emp where age=45 order by name,deptid;
explain select * from emp where age=45 order by deptid,empno;

第二条SQL语句中，where两侧列的顺序可以变换，效果相同，但是order by 列的顺序不能随便变换。

第三条SQL语句中，empno字段并没有建立索引，因此也无法使用到索引，此字段需要排序

第四条SQL语句中，deptid作为过滤条件的字段，无法使用索引，因此排序没法用上索引

1.3 方向反，必排序

如果可以用上索引的字段都是用正序或者逆序，实际上是没有任何影响的，无非将结果集调换顺序。

如果排序的字段，顺序有差异，就需要将差异的部分，进行一次倒置顺序，因此还是需要手动排序。

1.4 索引的选择

（1）清除emp表上的所有索引，只保留主键索引

（2）执行以下查询语句

查询：年龄为30岁的，且员工编号小于101000的用户，按照用户名称排序

（3）全表扫描是不被允许的，需要进行优化

思路：首先需要让where 的过滤条件，用上索引，查询中，age，empno是查询的过滤条件，而name则是排序的字段，因此创建一个此三个字段的组合索引：

create index idx_age_empno_name on emp(age,empno,name);

再次查询，发现using filesort依然存在。

原因：empno是范围查询，因此导致了索引失效，所以name字段无法使用索引排序。

所以，三个字段的组合索引，没有意义，因为empno和name字段只能选择其一。

（4）解决办法：要么选择empno，要么选择name

两个索引同时存在，mysql会选择哪一个呢？执行上述SQL语句进行查看：

原因：所有的排序都是在条件过滤之后才执行的，所以如果条件过滤了大部分数据的话，几百几千条数据进行排序其实并不是很消耗性能，即使索引优化了排序但实际提升性能有限。相对的empno < 101000这个条件如果没有用到索引的话，要对几万条的数据进行扫描，这是非常消耗性能的，使用empno字段的范围查询，过滤性更好（empno从100000开始）

结论：当范围条件和group by 或者order by 的字段出现二选一的时候，优先观察条件字段的过滤数量，如果过滤的数量足够多，而需要排序的数据并不多时，优先把索引放在范围字段上。反之，亦然。

1.5 using filesort

（1）MySQL的排序算法

​ 1）双路排序

MySQL 4.1 之前是使用双路排序,字面意思就是两次扫描磁盘，最终得到数据，读取行指针和 orderby 列，对他们进行排序，然后扫描已经排序好的列表，按照列表中的值重新从列表中读取对应的数据输出。

从磁盘取排序字段，在 buffer 进行排序，再从磁盘取其他字段。

简单来说，取一批数据，要对磁盘进行了两次扫描，众所周知，I\O 是很耗时的，所以在 mysql4.1 之后，出现了第二种改进的算法，就是单路排序。

​ 2）单路排序

从磁盘读取查询需要的所有列，按照 order by 列在 buffer 对它们进行排序，然后扫描排序后的列表进行输出，它的效率更快一些，避免了第二次读取数据。并且把随机 IO 变成了顺序 IO,但是它会使用更多的空间，因为它把每一行都保存在内存中了。

3）单路排序存在的问题

由于单路是后出的，总体而言好过双路。但是存在以下问题：

在 sort_buffer 中，方法 B 比方法 A 要多占用很多空间，因为方法 B 是把所有字段都取出, 所以有可能取出的数据的总大小超出了 sort_buffer 的容量，导致每次只能取 sort_buffer 容量大小的数据，进行排序（创建 tmp 文件，多路合并），排完再取取 sort_buffer 容量大小，再排……从而多次 I/O。

结论：本来想省一次 I/O 操作，反而导致了大量的 I/O 操作，反而得不偿失。

（2）优化策略

<1> 增大sort_buffer_size参数地设置

不管用哪种算法，提高这个参数都会提高效率，当然，要根据系统的能力去提高，因为这个参数是针对每个进程的 1M~8M 之间调整。

<2> 增大max_length_for_sort_data参数的设置

mysql 使用单路排序的前提是排序的字段大小要小于 max_length_for_sort_data。提高这个参数，会增加用改进算法的概率。但是如果设的太高，数据总容量超出 sort_buffer_size 的概率就增大，明显症状是高的磁盘 I/O 活动和低的处理器使用率。（1024-8192 之间调整）。

<3> 减少select后面的查询的字段

Order by时使用select * 是一个大忌只Query需要的字段，这非常重要，在这里的影响如下

• 当 Query 的字段大小总和小于 max_length_for_sort_data 而且排序字段不是 TEXT|BLOB 类型时，会用改进后的算法——单路排序， 否则用老算法——多路排序。

• 两种算法的数据都有可能超出 sort_buffer 的容量，超出之后，会创建 tmp 文件进行合并排序，导致多次 I/O，但是用单路排序算法的风险会更大一些,所以要提高 sort_buffer_size。

1.6 使用覆盖索引

覆盖索引：SQL只需要通过索引就可以返回查询所需要的的数据，而不必通过二级索引查到主键后再去查询数据。

1.7 总结

为排序使用索引

• MySQL两种排序方式：文件排序或者扫描有序索引排序
• MySQL能为排序与查询使用相同的索引

假设建立组合索引KEY a_b_c(a,b,c)

order by 能使用索引最左前缀

• order by a
• order by a,b
• order by a,b,c
• order by a desc,b desc,c desc

如果WHERE使用索引的最左前缀定义为常量，则order by能使用索引

• where a= const order by b,c
• where a= const and b=const order by c
• where a= const AND b> const order by b,c

不能使用索引进行排序的情况

• order by a asc，b desc，c desc //排序顺序不一致
• where g=const order by b,c //丢失a索引
• where a= const order by c; //丢失b索引
• where a=const order by a，d// d不是索引的一部分
• where a in (……) order by b,c //对于排序来说，多个相等条件也是范围查询

2、GROUP BY关键字优化

• group by 实质是==先排序后进行分组==，遵照索引建的最佳左前缀
• 当无法使用索引列，增大max_length_for_sort_data参数的设置+增大sort_buffer_size的参数设置
• where 高于having，能写在where限定的条件就不要去having限定

group by 使用索引的原则几乎跟order by一致，唯一区别是group by 即使没有过滤条件用到索引，也可以直接使用索引。