MySQL Order By排序 filesort排序

时间:2022-09-28 刘Java 人气:0

1.Order By原理

MySQL的Order By操作用于排序，并且会有多种不同的排序算法，他们的性能都是不一样的。

假设有一个表，建表的sql如下：

CREATE TABLE `obtest` (
`id` BIGINT NOT NULL AUTO_INCREMENT,
`a` VARCHAR ( 100 ) NOT NULL,
`b` VARCHAR ( 100 ) NOT NULL,
`c` VARCHAR ( 100 ) NOT NULL,
PRIMARY KEY ( `id` ),
UNIQUE KEY `a` ( `a` ),
KEY `b` ( `b` ) 
) ENGINE = INNODB DEFAULT CHARSET = utf8mb4;

存储过程插入10000条数据：

CREATE PROCEDURE `obtest`( )
BEGIN
DECLARE
	i INT DEFAULT 0;
DECLARE
	j VARCHAR ( 100 ) DEFAULT 'a';
DECLARE
	k VARCHAR ( 100 ) DEFAULT 'b';
DECLARE
	l VARCHAR ( 100 ) DEFAULT 'c';

SET i = 0;
START TRANSACTION;
WHILE
	i < 10000 DO

IF
	MOD ( i, 10 ) = 0 THEN
	
	SET k = CONCAT( 'b', i );

END IF;
IF
	MOD ( i, 15 ) = 0 THEN
	
	SET l = CONCAT( 'c', i );

END IF;
INSERT INTO obtest ( a, b, c )
VALUES
	( CONCAT( j, i ), k, l );

SET i = i + 1;

END WHILE;
COMMIT;

END

如果不能使用索引消除排序，那么EXPLAIN展示的执行计划的Extra这个字段中的“Using filesort”表示的就是需要额外的排序操作，MySQL会给每个线程分配一块内存用于排序，称为sort_buffer。

这里的filesort有可能是内存排序，也有可能是文件排序，但它们都统称filessort。在内存中对数据进行排序，这个我相信大家都是不陌生的，如果sort_buffer_size超过了需要排序的数据量的大小，表示排序可以直接在内存中完成。

那么文件排序又是什么意思呢？实际上如果需要排序的数据量太大，内存放不下，则不得不利用磁盘临时文件辅助排序。文件排序就是所谓的外部排序。所以说，MySQL的Order By的实现，就有可能利用到外部排序这种排序算法！

外部文件排序一般使用归并排序算法。MySQL将需要排序的数据分成N份，每一份单独排序后存在这些临时文件中，然后把这N个有序文件再一步步的合并成一个有序的大文件。

怎么看一个排序是否使用到了临时文件呢？我们执行下面的SQL：

/* 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 * from obtest ORDER BY a LIMIT 1000;

/* 查看 OPTIMIZER_TRACE 输出 */
select * FROM `information_schema`.`OPTIMIZER_TRACE`;

/* @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;

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表示排序过程中使用的临时辅助文件数。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。

examined_rows表示参与排序的行数，一共5000行，即所有数据都参与了排序。

sort_mode 里面的packed_additional_fields的意思是，排序过程对字符串做了“紧凑”处理。即使a、b、c字段的定义是varchar(50)，在排序过程中还是要按照实际长度来分配空间的。

同时，最后一个查询语句select @b-@a 的返回结果是5000，表示整个执行过程只扫描了5000行。实际可能显示为5001，这是InnoDB的干扰，为了避免对结论造成干扰，可以把internal_tmp_disk_storage_engine参数设置成MyISAM。

SET GLOBAL  internal_tmp_disk_storage_engine=MyISAM;

这是因为查询OPTIMIZER_TRACE这个表时，需要用到临时表，而internal_tmp_disk_storage_engine的默认值是InnoDB。如果使用的是InnoDB引擎的话，把数据从临时表取出来的时候，会让Innodb_rows_read的值加1。临时表默认大小为16M。

2.filesort排序算法

实际上文件辅助排序同样有两种算法，一种是全字段排序，另一种是rowid排序，也称为"原始排序模式（MySQL 4.1之前的）"。

全字段排序是将要查询的一行的所有字段都放入sort_buffer中，并按照指定的字段进行过排序，排序完毕之后，直接取出排序好的数据返回给客户端，因为排序后的数据包括了需要返回的所有数据，这种方法称为全字段排序。

全字段排序步骤可以归纳为：

读取<固定长度的排序列, 需要返回的列> 组成元组，放入sort buffer。
如果sort buffer满，根据排序列执行一次quicksort, 将其写入临时文件。
重复1 2 步骤直到文件结束。
对临时文件执行归并排序。
从排好序的临时文件中读取需要返回的列返回给客户端即可。

上面的查询语句就是使用的全字段排序，这种排序方法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。

max_length_for_sort_data，是MySQL中专门控制用于排序的行数据的长度的一个参数，默认值是1024字节。它的意思是，如果单行的长度超过这个值，MySQL就认为单行太大，要换一个另一个rowid算法。

我们知道，上面的sql中两个字段b和d加起来长度是不会超过1024字节的，因此就会使用全字段排序。如果我们将查询返回字段改为：*，即全部返回，这些字段的总长度肯定大于1024了，此时MySQL将会使用rowid排序算法。

rowid排序算法的大概流程为：

读取固定长度的排序列 + rowid组成元组，放入sort buffer。
如果sort buffer满，根据排序列执行一次quicksort, 将其写入临时文件。
重复1 2 步骤直到文件结束。
对临时文件执行归并排序。
从排好序的临时文件中读取需要返回的列的rowid。
然后再根据这些id进行回表操作，查询出需要的字段值直接返回给客户端。

对比全字段排序流程会发现，rowid排序多访问了一次表的主键索引，就是步骤6，返回的结果也有变化：

可以看到examined_rows的值还是5000，表示用于排序的数据是5000行。但是select @b-@a这个语句的值变成8000了。因为这时候除了排序过程外，在排序完成后，还要根据id去原表取值。由于语句是limit 3000，因此会多读3000行。

sort_mode变成了<sort_key, rowid>，表示参与排序的只有a和id这两个字段，即rowid排序。

number_of_tmp_files变成3了，是因为这时候参与排序的行数虽然仍然是5000行，但是每一行的数据量都变小了，因此需要排序的总数据量就变小了，需要的临时文件也相应地变少了。

总结：

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，但这会导致它需要多次向临时文件写入内容，增加IO操作，当需要返回的列的总长度很长时尤其明显。而如果一行的数据大小超过max_length_for_sort_data这个限制值时，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，即需要读两次表，并且第二次读取是随机的。

3.优化排序

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。

从上面也能看出来，MySQL的排序操作的成本还是很高的，MySQL之所以需要生成临时表，并且在临时表上做排序操作，其原因是原来的数据都是无序的。

如果能够保证从b这个索引上取出来的行，天然就是递增排序的话，那就可以不用再排序了，这是就可以用到索引。

比如我们有如下查询：

select id,a,b from obtest ORDER BY a LIMIT 3000;

此时如果我们建立(a,b)的联合索引，则不但可以利用索引消除排序，还能够避免回表查询，一举两得！如果没有采用额外的排序手段，则没有filesort_summary的一系列数据。

另外，如果需要取出的排序数据较少，则可能使用additional_fields排序，这种方式同样不需要回表查询，但是相比于packed_additional_fields，没有进行紧密打包操作。比如：

select * from obtest ORDER BY a LIMIT 100;

如果number_of_tmp_files值为0，则可能是用到了优先队列排序算法，如果filesort_priority_queue_optimization部分的chosen=true，就表示使用了优先队列排序算法，这个过程不需要临时文件，因此对应的number_of_tmp_files是0。

因为limit所要取的数据量比较少，采用文件归并排序的话，就需要对全部数据进行排序，内存时间复杂度为O(nlogn)，但由于有文件IO实际需要更多时间。而如果使用优先队列排序，实际上就是堆排序，这样的排序是一种偏序排序，能够计算出所需的最大或者最小的几个值，但是其他的数据的顺序是不确定的，实际上如果使用堆排序对所有数据排序，那么时间复杂度也是O(nlogn)，但这里只需要在大量数据中取出少量有序数据，并且是内存中操作的，这样耗费的时间远小于文件归并排序。

如果limit取出的数据量小于sort_buffer_size，则采用优先队列排序。

加载全部内容