MySQL中order by排序语句的原理解析

order by 是怎么工作的？

表定义

CREATE TABLE `t1` (  
	`id` int(11) NOT NULL,  
	`city` varchar(16) NOT NULL,  
	`name` varchar(16) NOT NULL,  
	`age` int(11) NOT NULL,  
	`addr` varchar(128) DEFAULT NULL,  
	PRIMARY KEY (`id`),  
	KEY `city` (`city`)) ENGINE=InnoDB;

SQL语句可以这样写：

select city,name,age from t1 where city='杭州' order by name limit 1000

全字段排序

用 explain 命令来看看这个语句的执行情况。

其中Using index condition是索引下推优化(索引下推简介)，Using filesort 表示的就是需要排序，MySQL 会给每个线程分配一块内存用于排序，称为 sort_buffer。

city索引的示意图。

从图中可以看到，满足 city='杭州’条件的行，是从 ID_X 到 ID_(X+N) 的这些记录。

通常情况下，这个语句执行流程如下所示 ：

• 初始化 sort_buffer，确定放入 name、city、age 这三个字段；
• 从索引 city 找到第一个满足 city='杭州’条件的主键 id，也就是图中的 ID_X；
• 到主键 id 索引取出整行，取 name、city、age 三个字段的值，存入 sort_buffer 中；
• 从索引 city 取下一个记录的主键 id；
• 重复步骤 3、4 直到 city 的值不满足查询条件为止，对应的主键 id 也就是图中的 ID_Y；
• 对 sort_buffer 中的数据按照字段 name 做快速排序；
• 按照排序结果取前 1000 行返回给客户端。

这个是它的排序过程，叫做全字段排序，执行流程示意图如下所示。

按 name 排序”这个动作，可能在内存中完成，也可能需要使用外部排序，这取决于排序所需的内存和参数 sort_buffer_size。

sort_buffer_size，就是 MySQL 为排序开辟的内存（sort_buffer）的大小。

• 要排序的数据量小于 sort_buffer_size，排序就在内存中完成。
• 要排序数据量太大，内存放不下，利用磁盘临时文件辅助排序。

可以用下面介绍的方法，来确定一个排序语句是否使用了临时文件。

/* 打开optimizer_trace，只对本线程有效 */
SET optimizer_trace='enabled=on'; 

/* @a保存Innodb_rows_read的初始值 */
select VARIABLE_VALUE into @a from  performance_schema.session_status where variable_name = 'Innodb_rows_read';

/* 执行语句 */
select city, name,age from t where city='杭州' order by name limit 1000; 

/* 查看 OPTIMIZER_TRACE 输出 */
SELECT * FROM `information_schema`.`OPTIMIZER_TRACE`\G

/* @b保存Innodb_rows_read的当前值 */
select VARIABLE_VALUE into @b from performance_schema.session_status where variable_name = 'Innodb_rows_read';

/* 计算Innodb_rows_read差值 */
select @b-@a;

这个方法是通过查看 OPTIMIZER_TRACE 的结果来确认的，你可以从 number_of_tmp_files 中看到是否使用了临时文件。

number_of_tmp_files 表示的是，排序过程中使用的临时文件数。

为什么需要12个文件呢？

外部排序一般使用归并排序算法。可以这么简单理解，MySQL 将需要排序的数据分成 12 份，每一份单独排序（快速排序）后存在这些临时文件中。然后把这 12 个有序文件再合并成一个有序的大文件。

小结：

如果 sort_buffer_size 超过了需要排序的数据量的大小，number_of_tmp_files 就是 0，表示排序可以直接在内存中完成。sort_buffer_size 越小，需要分成的份数越多，number_of_tmp_files 的值就越大。

rowid排序

在上面这个算法过程里面，只对原表的数据读了一遍，剩下的操作都是在 sort_buffer 和临时文件中执行的。但这个算法有一个问题，就是如果查询要返回的字段很多的话，那么 sort_buffer 里面要放的字段数太多，这样内存里能够同时放下的行数很少，要分成很多个临时文件，排序的性能会很差。

如果当行很大，这个全字段排序并不是很好。

SET max_length_for_sort_data = 16;

这个语句的意思是：如果单行太大，超过所设定的数值的时候，比如现在是超过16，MySQL就认为单行太大，换一种算法。

city、name、age 这三个字段的定义总长度是 36，我把 max_length_for_sort_data 设置为 16。

新的算法放入 sort_buffer 的字段，只有要排序的列（即 name 字段）和主键 id。

但这时，排序的结果就因为少了 city 和 age 字段的值，不能直接返回了（最后收集结果之前要回表），整个执行流程就变成如下所示的样子：

• 初始化 sort_buffer，确定放入两个字段，即 name 和 id；
• 从索引 city 找到第一个满足 city='杭州’条件的主键 id，也就是图中的 ID_X；
• 到主键 id 索引取出整行，取 name、id 这两个字段，存入 sort_buffer 中；
• 从索引 city 取下一个记录的主键 id；
• 重复步骤 3、4 直到不满足 city='杭州’条件为止，也就是图中的 ID_Y；
• 对 sort_buffer 中的数据按照字段 name 进行排序；
• 遍历排序结果，取前 1000 行，并按照 id 的值回到原表中取出 city、name 和 age 三个字段返回给客户端。

这个执行流程的示意图如下，叫做 rowid 排序。

对比全字段排序流程图发现，rowid 排序多访问了一次表 t 的主键索引，就是步骤 7。

注意：最后的**“结果集”是一个逻辑概念，实际上 MySQL 服务端从排序后的 sort_buffer 中依次取出 id，然后到原表查到 city、name 和 age 这三个字段的结果，不需要在服务端再耗费内存存储结果，是直接返回给客户端的**。

全字段排序和rowid排序应该如何去选择呢？

如果 MySQL 实在是担心排序内存太小，会影响排序效率，才会采用 rowid 排序算法，这样排序过程中一次可以排序更多行，但是需要再回到原表去取数据。

如果 MySQL 认为内存足够大，会优先选择全字段排序，把需要的字段都放到 sort_buffer 中，这样排序后就会直接从内存里面返回查询结果了，不用再回到原表去取数据。

这也就体现了 MySQL 的一个设计思想：如果内存够，就要多利用内存，尽量减少磁盘访问。对于 InnoDB 表来说，rowid 排序会要求回表多造成磁盘读，因此不会被优先选择。

其实以上说的都是无序的时候，如果在条件有索引，索引中数据是有序的，省掉了上述步骤，直接在索引上找到主键id，然后回表找到要查找的数据直接返回给客户端。