看一遍就理解order by
前言
日常開發中，我們經常會使用到order by，親愛的小伙伴，你是否知道order by 的工作原理呢？order by的優化思路是怎樣的呢？使用order by有哪些注意的問題呢？本文將跟大家一起來學習，攻克order by~
- 微信公眾號：撿田螺的小男孩
一個使用order by 的簡單例子
假設用一張員工表，表結構如下：
- CREATE TABLE `staff` (
- `id` BIGINT ( 11 ) AUTO_INCREMENT COMMENT '主鍵id',
- `id_card` VARCHAR ( 20 ) NOT NULL COMMENT '身份證號碼',
- `name` VARCHAR ( 64 ) NOT NULL COMMENT '姓名',
- `age` INT ( 4 ) NOT NULL COMMENT '年齡',
- `city` VARCHAR ( 64 ) NOT NULL COMMENT '城市',
- PRIMARY KEY ( `id`),
- INDEX idx_city ( `city` )
- ) ENGINE = INNODB COMMENT '員工表';
表數據如下：
我們現在有這么一個需求：查詢前10個，來自深圳員工的姓名、年齡、城市，并且按照年齡小到大排序。對應的 SQL 語句就可以這么寫：
- select name,age,city from staff where city = '深圳' order by age limit 10;
這條語句的邏輯很清楚，但是它的底層執行流程是怎樣的呢？
order by 工作原理
explain 執行計劃
我們先用Explain關鍵字查看一下執行計劃
- 執行計劃的key這個字段，表示使用到索引idx_city
- Extra 這個字段的 Using index condition 表示索引條件
- Extra 這個字段的 Using filesort表示用到排序
我們可以發現，這條SQL使用到了索引，并且也用到排序。那么它是怎么排序的呢？
全字段排序
MySQL 會給每個查詢線程分配一塊小內存，用于排序的，稱為 sort_buffer。什么時候把字段放進去排序呢，其實是通過idx_city索引找到對應的數據，才把數據放進去啦。
我們回顧下索引是怎么找到匹配的數據的，現在先把索引樹畫出來吧，idx_city索引樹如下：
idx_city索引樹，葉子節點存儲的是主鍵id。還有一棵id主鍵聚族索引樹，我們再畫出聚族索引樹圖吧：
我們的查詢語句是怎么找到匹配數據的呢？先通過idx_city索引樹，找到對應的主鍵id，然后再通過拿到的主鍵id，搜索id主鍵索引樹，找到對應的行數據。
加上order by之后，整體的執行流程就是：
- MySQL 為對應的線程初始化sort_buffer，放入需要查詢的name、age、city字段；
- 從索引樹idx_city， 找到第一個滿足 city='深圳’條件的主鍵 id，也就是圖中的id=9；
- 到主鍵 id 索引樹拿到id=9的這一行數據， 取name、age、city三個字段的值，存到sort_buffer；
- 從索引樹idx_city 拿到下一個記錄的主鍵 id，即圖中的id=13；
- 重復步驟 3、4 直到city的值不等于深圳為止；
- 前面5步已經查找到了所有city為深圳的數據，在 sort_buffer中，將所有數據根據age進行排序；
- 按照排序結果取前10行返回給客戶端。
執行示意圖如下：
將查詢所需的字段全部讀取到sort_buffer中，就是全字段排序。這里面，有些小伙伴可能會有個疑問,把查詢的所有字段都放到sort_buffer，而sort_buffer是一塊內存來的，如果數據量太大，sort_buffer放不下怎么辦呢？
磁盤臨時文件輔助排序
實際上，sort_buffer的大小是由一個參數控制的：sort_buffer_size。如果要排序的數據小于sort_buffer_size，排序在sort_buffer 內存中完成，如果要排序的數據大于sort_buffer_size，則借助磁盤文件來進行排序
如何確定是否使用了磁盤文件來進行排序呢？可以使用以下這幾個命令
- ## 打開optimizer_trace，開啟統計
- set optimizer_trace = "enabled=on";
- ## 執行SQL語句
- select name,age,city from staff where city = '深圳' order by age limit 10;
- ## 查詢輸出的統計信息
- select * from information_schema.optimizer_trace
可以從 number_of_tmp_files 中看出，是否使用了臨時文件。
number_of_tmp_files 表示使用來排序的磁盤臨時文件數。如果number_of_tmp_files>0，則表示使用了磁盤文件來進行排序。
使用了磁盤臨時文件，整個排序過程又是怎樣的呢？
- 從主鍵Id索引樹，拿到需要的數據，并放到sort_buffer內存塊中。當sort_buffer快要滿時，就對sort_buffer中的數據排序，排完后，把數據臨時放到磁盤一個小文件中。
- 繼續回到主鍵 id 索引樹取數據，繼續放到sort_buffer內存中，排序后，也把這些數據寫入到磁盤臨時小文件中。
- 繼續循環，直到取出所有滿足條件的數據。最后把磁盤的臨時排好序的小文件，合并成一個有序的大文件。
TPS: 借助磁盤臨時小文件排序，實際上使用的是歸并排序算法。
小伙伴們可能會有個疑問，既然sort_buffer放不下，就需要用到臨時磁盤文件，這會影響排序效率。那為什么還要把排序不相關的字段（name，city）放到sort_buffer中呢？只放排序相關的age字段，它不香嗎？可以了解下rowid 排序。
rowid 排序
rowid 排序就是，只把查詢SQL需要用于排序的字段和主鍵id，放到sort_buffer中。那怎么確定走的是全字段排序還是rowid 排序排序呢？
實際上有個參數控制的。這個參數就是max_length_for_sort_data，它表示MySQL用于排序行數據的長度的一個參數，如果單行的長度超過這個值，MySQL 就認為單行太大，就換rowid 排序。我們可以通過命令看下這個參數取值。
- show variables like 'max_length_for_sort_data';
max_length_for_sort_data 默認值是1024。因為本文示例中name,age,city長度=64+4+64 =132 < 1024, 所以走的是全字段排序。我們來改下這個參數，改小一點，
- ## 修改排序數據最大單行長度為32
- set max_length_for_sort_data = 32;
- ## 執行查詢SQL
- select name,age,city from staff where city = '深圳' order by age limit 10;
使用rowid 排序的話，整個SQL執行流程又是怎樣的呢？
- MySQL 為對應的線程初始化sort_buffer，放入需要排序的age字段，以及主鍵id；
- 從索引樹idx_city， 找到第一個滿足 city='深圳’條件的主鍵 id，也就是圖中的id=9；
- 到主鍵 id 索引樹拿到id=9的這一行數據， 取age和主鍵id的值，存到sort_buffer；
- 從索引樹idx_city 拿到下一個記錄的主鍵 id，即圖中的id=13；
- 重復步驟 3、4 直到city的值不等于深圳為止；
- 前面5步已經查找到了所有city為深圳的數據，在 sort_buffer中，將所有數據根據age進行排序；
- 遍歷排序結果，取前10行，并按照 id 的值回到原表中，取出city、name 和 age 三個字段返回給客戶端。
執行示意圖如下：
對比一下全字段排序的流程，rowid 排序多了一次回表。
★ 什么是回表？拿到主鍵再回到主鍵索引查詢的過程，就叫做回表”
我們通過optimizer_trace，可以看到是否使用了rowid排序的：
- ## 打開optimizer_trace，開啟統計
- set optimizer_trace = "enabled=on";
- ## 執行SQL語句
- select name,age,city from staff where city = '深圳' order by age limit 10;
- ## 查詢輸出的統計信息
- select * from information_schema.optimizer_trace
全字段排序與rowid排序對比
- 全字段排序：sort_buffer內存不夠的話，就需要用到磁盤臨時文件，造成磁盤訪問。
- rowid排序：sort_buffer可以放更多數據，但是需要再回到原表去取數據，比全字段排序多一次回表。
一般情況下，對于InnoDB存儲引擎，會優先使用全字段排序。可以發現 max_length_for_sort_data 參數設置為1024，這個數比較大的。一般情況下，排序字段不會超過這個值，也就是都會走全字段排序。
order by的一些優化思路
我們如何優化order by語句呢？
- 因為數據是無序的，所以就需要排序。如果數據本身是有序的，那就不用排了。而索引數據本身是有序的，我們通過建立聯合索引，優化order by 語句。
- 我們還可以通過調整max_length_for_sort_data等參數優化；
聯合索引優化
再回顧下示例SQL的查詢計劃
- explain select name,age,city from staff where city = '深圳' order by age limit 10;
我們給查詢條件city和排序字段age，加個聯合索引idx_city_age。再去查看執行計劃：
- alter table staff add index idx_city_age(city,age);
- explain select name,age,city from staff where city = '深圳' order by age limit 10;
可以發現，加上idx_city_age聯合索引，就不需要Using filesort排序了。為什么呢？因為索引本身是有序的，我們可以看下idx_city_age聯合索引示意圖，如下：
整個SQL執行流程變成醬紫：
- 從索引idx_city_age找到滿足city='深圳’ 的主鍵 id
- 到主鍵 id索引取出整行，拿到 name、city、age 三個字段的值，作為結果集的一部分直接返回
- 從索引idx_city_age取下一個記錄主鍵id
- 重復步驟 2、3，直到查到第10條記錄，或者是不滿足city='深圳’ 條件時循環結束。
流程示意圖如下：
從示意圖看來，還是有一次回表操作。針對本次示例，有沒有更高效的方案呢？有的，可以使用覆蓋索引：
★ 覆蓋索引：在查詢的數據列里面，不需要回表去查，直接從索引列就能取到想要的結果。換句話說，你SQL用到的索引列數據，覆蓋了查詢結果的列，就算上覆蓋索引了。”
我們給city，name，age 組成一個聯合索引，即可用到了覆蓋索引，這時候SQL執行時，連回表操作都可以省去啦。
調整參數優化
我們還可以通過調整參數，去優化order by的執行。比如可以調整sort_buffer_size的值。因為sort_buffer值太小，數據量大的話，會借助磁盤臨時文件排序。如果MySQL服務器配置高的話，可以使用稍微調整大點。
我們還可以調整max_length_for_sort_data的值，這個值太小的話，order by會走rowid排序，會回表，降低查詢性能。所以max_length_for_sort_data可以適當大一點。
當然，很多時候，這些MySQL參數值，我們直接采用默認值就可以了。
使用order by 的一些注意點
沒有where條件，order by字段需要加索引嗎
日常開發過程中，我們可能會遇到沒有where條件的order by，那么，這時候order by后面的字段是否需要加索引呢。如有這么一個SQL，create_time是否需要加索引：
- select * from A order by create_time;
無條件查詢的話，即使create_time上有索引,也不會使用到。因為MySQL優化器認為走普通二級索引，再去回表成本比全表掃描排序更高。所以選擇走全表掃描,然后根據全字段排序或者rowid排序來進行。
如果查詢SQL修改一下：
- select * from A order by create_time limit m;
- 無條件查詢,如果m值較小,是可以走索引的.因為MySQL優化器認為，根據索引有序性去回表查數據,然后得到m條數據,就可以終止循環,那么成本比全表掃描小,則選擇走二級索引。
分頁limit過大時，會導致大量排序怎么辦?
假設SQL如下：
- select * from A order by a limit 100000,10
- 可以記錄上一頁最后的id，下一頁查詢時，查詢條件帶上id，如：where id > 上一頁最后id limit 10。
- 也可以在業務允許的情況下，限制頁數。
索引存儲順序與order by不一致，如何優化？
假設有聯合索引 idx_age_name, 我們需求修改為這樣：查詢前10個員工的姓名、年齡，并且按照年齡小到大排序，如果年齡相同，則按姓名降序排。對應的 SQL 語句就可以這么寫：
- select name,age from staff order by age ,name desc limit 10;
我們看下執行計劃，發現使用到Using filesort。
這是因為，idx_age_name索引樹中，age從小到大排序，如果age相同，再按name從小到大排序。而order by 中，是按age從小到大排序，如果age相同，再按name從大到小排序。也就是說，索引存儲順序與order by不一致。
我們怎么優化呢？如果MySQL是8.0版本，支持Descending Indexes，可以這樣修改索引：
- CREATE TABLE `staff` (
- `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵id',
- `id_card` varchar(20) NOT NULL COMMENT '身份證號碼',
- `name` varchar(64) NOT NULL COMMENT '姓名',
- `age` int(4) NOT NULL COMMENT '年齡',
- `city` varchar(64) NOT NULL COMMENT '城市',
- PRIMARY KEY (`id`),
- KEY `idx_age_name` (`age`,`name` desc) USING BTREE
- ) ENGINE=InnoDB AUTO_INCREMENT=15 DEFAULT CHARSET=utf8 COMMENT='員工表';
使用了in條件多個屬性時，SQL執行是否有排序過程
如果我們有聯合索引idx_city_name，執行這個SQL的話，是不會走排序過程的，如下：
- select * from staff where city in ('深圳') order by age limit 10;
但是，如果使用in條件，并且有多個條件時，就會有排序過程。
- explain select * from staff where city in ('深圳','上海') order by age limit 10;
這是因為:in有兩個條件，在滿足深圳時，age是排好序的，但是把滿足上海的age也加進來，就不能保證滿足所有的age都是排好序的。因此需要Using filesort。
