MySQL——GROUP BY详解与优化

在 MySQL 中，GROUP BY用于将具有指定列中相同值的行分组在一起。这是在处理大量数据时非常有用的功能，允许对数据进行分类和聚合。

基本使用

语法

以下是GROUP BY子句的基本语法：
"""

	SELECT col1, col2, ..., aggregate_function(col_name)
	FROM table_name
	WHERE condition
	GROUP BY col1, col2, ...;

"""
其中，col1, col2, ...是要分组的列名，aggregate_function是用于聚合数据的函数，如SUM,

AVG, MAX, MIN等。table_name是要从中检索数据的表的名称，condition是可选的查询条

件。

示例

"""

	SELECT column1, column2, COUNT(*)
	FROM table_name
	WHERE condition
	GROUP BY column1, column2
	ORDER BY column1, column2;

"""
在这个示例中，选择了column1和column2两列，并对它们进行了分组。使用COUNT(*)函

数来计算每个组中的行数。使用ORDER BY子句按column1和column2升序排序结果集。

那怎么查询非分组的列名呢？

一般来讲 SELECT 中的值要么是来自于聚合函数（sum、avg、max等）的结果，要么是来自

于 group by 后面的列。

从MySQL 5.7.5之前默认是支持的，之后的版本默认SQL模式包括ONLY_FULL_GROUP_BY,
"""

	mysql> select version();
	+-----------+
	| version() |
	+-----------+
	| 8.0.18 |
	+-----------+
	1 row in set (0.06 sec)
	mysql> select @@global.sql_mode;
	+-----------------------------------------------------------------------------------------------------------------------+
	| @@global.sql_mode |
	+-----------------------------------------------------------------------------------------------------------------------+
	| ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,
	+-----------------------------------------------------------------------------------------------------------------------+
	1 row in set (0.18 sec)

"""
在这种模式下执行 SQL 会报下面的错误

---

"""

	mysql> select * from user group by age;
	1055 - Expression #1 of SELECT list is not in GROUP BY clause
	and contains nonaggregated column xxx which is not functionally
	dependent on columns in GROUP BY clause;
	this is incompatible with sql_mode=only_full_group_by

"""

---

可以通过下面两种方式解决：

1. 重新设置 sql_mode，去掉ONLY_FULL_GROUP_BY即可

2. 使用 any_value() 或 group_concat()

• any_value()：将分到同一组的数据里第一条数据的指定列值作为返回数据

• group_concat()：将分到同一组的数据默认用逗号隔开作为返回数据

---

"""

	mysql> select age, any_value(id) from `user` GROUP BY age;
	+-----+---------------+
	| age | any_value(id) |
	+-----+---------------+
	| 3 | 0 |
	| 6 | 3 |
	| 7 | 5 |
	| 12 | 1 |
	| 14 | 2 |
	| 19 | 7 |
	+-----+---------------+
	6 rows in set (0.15 sec)
	mysql> select age, group_concat(id) from `user` GROUP BY age;
	+-----+------------------+
	| age | group_concat(id) |
	+-----+------------------+
	| 3 | 0,4 |
	| 6 | 3 |
	| 7 | 5 |
	| 12 | 1 |
	| 14 | 2 |
	| 19 | 7 |
	+-----+------------------+
	6 rows in set (0.05 sec)

"""

---

不同版本的排序

我们以下面这个user表为例，看下在不同版本下有什么区别？

"""

	mysql> show create table user;
	+-------+---------------------------------+
	CREATE TABLE `user` (
	`id` int(11) NOT NULL,
	`name` varchar(255) DEFAULT NULL ,
	`age` int(255) DEFAULT NULL,
	PRIMARY KEY (`id`),
	KEY `nameIndex` (`name`) USING BTREE
	) ENGINE=InnoDB DEFAULT CHARSET=utf8
	+-------+---------------------------------+
	mysql> select * from user;
	+----+------+-----+
	| id | name | age |
	+----+------+-----+
	| 0 | 陈 | 3 |
	| 1 | 李 | 12 |
	| 2 | 张 | 14 |
	| 3 | 陈 | 6 |
	| 4 | 李 | 3 |
	| 5 | NULL | 7 |
	| 7 | 张 | 19 |
	+----+------+-----+
	7 rows in set (0.06 sec)

"""

---

在MySQL 5.7中

---

---

在MySQL 8.0中

---

---

同样的SQL在MySQL 5.7中与MySQL 8.0中执行结果是不一样的，在MySQL 5.7中数据默认

按照分组列升序展示，在MySQL 8.0中则没有排序，所以在MySQL 5.7中执行计划里面的

Extra 这个字段的多了一个 Using filesort。

因为在MySQL 5.7中，GROUP BY 默认隐式排序，按GROUP BY列按升序排序。如果不想在

执行 GROUP BY 时执行排序的开销，可以禁用排序：

"""

GROUP BY column_name ORDER BY NULL

"""
然而，在MySQL 8.0中，GROUP BY默认不会使用排序功能，除非使用了ORDER BY语句。

工作原理

执行流程

我们先来看下下面这条sql语句在MySQL 5.7中的执行计划:
"""

explain select age,count(age) from user where name ='李' GROUP BY age;

"""

---

在Extra字段里面， 我们可以看到三个信息：

• Using index condition： 表示这个语句使用了索引来过滤；
• Using temporary： 表示使用了临时表；
• Using filesort： 表示需要排序

这个语句的执行流程是这样的：

1. 创建一个临时表。表里有两个字段 age 和 count(age)、主键为 age
2. 扫描普通索引nameIndex ，找到 name ='李' 主键 ID；
3. 通过主键ID，回表找到 age=12 字段值
4. 判断临时表中有没有主键为 12 的行

• 没有就插入一个记录(12,1)
• 就将12这一行的count(age)值加1

遍历完成后， 需要根据字段 age 做排序

1. 初始化sort_buffer， sort_buffer中有两个字段

2. 从内存临时表中一行一行地取出数据，分别存入sort_buffer中的两个字段里。 这个过程要对内存临时表做全表扫描。

3. 在sort_buffer中根据age的值进行排序。

4. 排序完成后，返回给客户端。

内存临时表排序的时候使用了rowid排序方法。

---

"""

	"filesort_summary":{
	"rows":2,
	"examined_rows":2,
	"number_of_tmp_files":0,
	"sort_buffer_size":320,
	"sort_mode":""
	}

"""

---

临时表

内存临时表

由于本例子只有几行数据， 内存可以放得下，因此只使用了内存临时表。 但是内存临时表的

大小是有限制的， 参数 tmp_table_size 表示临时表内存大小， 默认是16M。内存临时表使

用的是memory引擎。

"""

	mysql> show variables like '%tmp_table_size%';
	+----------------+---------+
	| Variable_name | Value |
	+----------------+---------+
	| tmp_table_size | 2097152 |
	+----------------+---------+
	1 row in set (0.04 sec)

"""

磁盘临时表

如果临时表大小超过了tmp_table_size， 那么内存临时表就会转成磁盘临时表。磁盘临时表

使用的引擎默认是InnoDB， 是由参数internal_tmp_disk_storage_engine 控制

"""

	mysql> show variables like '%internal_tmp_disk_storage_engine%';
	+----------------------------------+--------+
	| Variable_name | Value |
	+----------------------------------+--------+
	| internal_tmp_disk_storage_engine | InnoDB |
	+----------------------------------+--------+
	1 row in set (0.04 sec)

"""

---

为了复现生成磁盘临时表，把 tmp_table_size设置小一点，通过查

Created_tmp_disk_tables值，查看对应的磁盘临时表数量

"""

	mysql> set tmp_table_size=1;
	select age,count(age) from user where name ='李' GROUP BY age ORDER BY age ;
	show status like '%Created_tmp%';
	Query OK, 0 rows affected (0.02 sec)
	+-----+------------+
	| age | count(age) |
	+-----+------------+
	| 3 | 1 |
	| 12 | 1 |
	+-----+------------+
	2 rows in set (0.03 sec)
	+-------------------------+-------+
	| Variable_name | Value |
	+-------------------------+-------+
	| Created_tmp_disk_tables | 3 |
	| Created_tmp_files | 60 |
	| Created_tmp_tables | 6 |
	+-------------------------+-------+
	3 rows in set (0.04 sec)

"""

---

Created_tmp_tables：在内存中创建内部临时表时或在磁盘，服务器将递增此值。

Created_tmp_disk_tables：在磁盘上创建内部临时表时， 服务器递增此值

一般理想的配置是：

"""

Created_tmp_disk_tables / Created_tmp_tables * 100% <= 25%

"""

分组优化

不论是使用内存临时表还是磁盘临时表，group by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，执行起来就会很慢。

使用索引

如果可以确保输入的数据是有序的，那么 group by的时候， 就只需要从左到右，顺序扫描，

依次累加。那就是InnoDB的索引，对索引列分组不需要临时表，也不需要排序。

---

增大tmp_table_size

如果group by需要统计的数据量不大， 尽量只使用内存临时表； 可以通过适当调大

tmp_table_size参数， 来避免用到磁盘临时表。

使用SQL_BIG_RESULT

如果一个group by语句中需要放到临时表上的数据量特别大，还是按照上面的逻辑，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,那感觉就没必

要了，那怎么样可以直接使用磁盘临时表呢？

使用SQL_BIG_RESULT， 可以与 SELECT 语句中的GROUP BY或DISTINCT关键字一起使用。

它的作用是告诉MySQL优化器，查询结果集较大，直接用磁盘临时表。MySQL会使用基于磁

盘的临时表进行排序

例如，以下是一个使用SQL_BIG_RESULT的示例：
"""

	SELECT SQL_BIG_RESULT col1, col2
	FROM my_table
	GROUP BY col1;

"""
需要注意的是，使用SQL_BIG_RESULT会增加服务器的内存和CPU使用量，因此应该仔细评

估是否需要使用它。通常情况下，只有在处理大型数据集时才需要使用。

禁用排序

在MySQL 5.7中，如果对group by语句的结果没有排序要求，在语句后面加 order by null，

禁用排序，减少不必要的排序开销。

GROUP BY 和 DISTINCT 的区别

首先是使用方式不同：虽然在某些情况下 DISTINCT 和 GROUP BY 可以实现相同的结果，但

通常情况下，它们用于不同的目的，一个是去重，一个是聚合。

• DISTINCT 关键字用于返回 SELECT 查询中不同的值，即去重。它会扫描所有的行并去除重复的行。

• GROUP BY 关键字用于将结果集按照指定列进行分组，并对每个分组执行聚合函数。

再就是在性能上：如果在不需要执行聚合函数时，DISTINCT 和GROUP BY这两条语句的语义

和执行流程是相同的，因此执行性能也相同

---

---

使用场景

GROUP BY通常用于以下场景：

• 对数据进行分类和统计
• 按特定条件对数据进行分组
• 进行聚合操作，如计算总数、平均数、最大值、最小值等
• 生成报表或汇总数据