qidao123.com技术社区-IT企服评测·应用市场

标题: order by是怎么工作的？ [打印本页]

作者: 河曲智叟 时间: 2025-3-12 11:02
标题: order by是怎么工作的？
order by是怎么工作的？

在你开发应用的时候，一定会常常遇到需要根据指定的字段排序来显示效果的需求。照旧以我们前面举例用过的市民表为例，假设你要查询城市是“杭州”的所有人名字，并且按照姓名排序返回前 1000 个人的姓名、年龄。

起首分享一份大彬经心整理的大厂面试手册，包含计算机基础、Java基础、多线程、JVM、数据库、Redis、Spring、Mybatis、SpringMVC、SpringBoot、分布式、微服务、设计模式、架构、校招社招分享等高频面试题，非常实用，有小伙伴靠着这份手册拿过字节offer~

需要的小伙伴可以自行下载：
https://mp.weixin.qq.com/s/Y7EaHlwl04ZgA3sdlnUlhw

假设这个表的部分定义是这样的：

CREATE TABLE `t` (
`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;

复制代码

这时，你的 SQL 语句可以这么写：

select city,name,age from t where city='杭州' order by name limit 1000 ;

复制代码

这个语句看上去逻辑很清楚，但是你相识它的实行流程吗？今天，我就和你聊聊这个语句是怎么实行的，以及有什么参数会影响实行的行为。

本文已经收录到Github仓库，该仓库包含计算机基础、Java基础、多线程、JVM、数据库、Redis、Spring、Mybatis、SpringMVC、SpringBoot、分布式、微服务、设计模式、架构、校招社招分享等核心知识点，欢迎star~
Github地址
假如访问不了Github，可以访问gitee地址。
gitee地址

全字段排序

前面我们介绍过索引，所以你现在就很清楚了，为避免全表扫描，我们需要在 city 字段加上索引。
在 city 字段上创建索引之后，我们用 explain 命令来看看这个语句的实行情况。

图 1 使用 explain 命令查看语句的实行情况
Extra 这个字段中的“Using filesort”表现的就是需要排序，MySQL 会给每个线程分配一块内存用于排序，称为 sort_buffer。
为了说明这个 SQL 查询语句的实行过程，我们先来看一下 city 这个索引的示意图。

最全面的Java面试网站

图 2 city 字段的索引示意图
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，这个语句实行流程如下所示：

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；
按照排序效果取前 1000 行返回给客户端。

我们暂且把这个排序过程，称为全字段排序，实行流程的示意图如下所示，下一篇文章中我们还会用到这个排序。

图 3 全字段排序
图中“按 name 排序”这个动作，大概在内存中完成，也大概需要使用外部排序，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）的巨细。假如要排序的数据量小于 sort_buffer_size，排序就在内存中完成。但假如排序数据量太大，内存放不下，则不得不使用磁盘临时文件辅助排序。
你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;

复制代码

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

图 4 全排序的 OPTIMIZER_TRACE 部分效果
number_of_tmp_files 表现的是，排序过程中使用的临时文件数。你一定希奇，为什么需要 12 个文件？内存放不下时，就需要使用外部排序，外部排序一样平常使用归并排序算法。可以这么简朴理解，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。
假如 sort_buffer_size 凌驾了需要排序的数据量的巨细，number_of_tmp_files 就是 0，表现排序可以直接在内存中完成。
否则就需要放在临时文件中排序。sort_buffer_size 越小，需要分成的份数越多，number_of_tmp_files 的值就越大。
接下来，我再和你解释一下图 4 中其他两个值的意思。
我们的示例表中有 4000 条满足 city='杭州’的记录，所以你可以看到 examined_rows=4000，表现参与排序的行数是 4000 行。
sort_mode 内里的 packed_additional_fields 的意思是，排序过程对字符串做了“紧凑”处理惩罚。纵然 name 字段的定义是 varchar(16)，在排序过程中照旧要按照现实长度来分配空间的。
同时，最后一个查询语句 select @b-@a 的返回效果是 4000，表现整个实行过程只扫描了 4000 行。
这里需要注意的是，为了避免对结论造成干扰，我把 internal_tmp_disk_storage_engine 设置成 MyISAM。否则，select @b-@a 的效果会显示为 4001。
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。假如使用的是 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。
rowid 排序

在上面这个算法过程内里，只对原表的数据读了一遍，剩下的操纵都是在 sort_buffer 和临时文件中实行的。但这个算法有一个题目，就是假如查询要返回的字段很多的话，那么 sort_buffer 内里要放的字段数太多，这样内存里可以或许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。
所以假如单行很大，这个方法效率不够好。
那么，假如 MySQL 以为排序的单行长度太大会怎么做呢？
接下来，我来修改一个参数，让 MySQL 采用另外一种算法。

SET max_length_for_sort_data = 16;

复制代码

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。它的意思是，假如单行的长度凌驾这个值，MySQL 就以为单行太大，要换一个算法。
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，我们再来看看计算过程有什么改变。
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，排序的效果就因为少了 city 和 age 字段的值，不能直接返回了，整个实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 举行排序；
遍历排序效果，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。

这个实行流程的示意图如下，我把它称为 rowid 排序。

图 5 rowid 排序
对比图 3 的全字段排序流程图你会发现，rowid 排序多访问了一次表 t 的主键索引，就是步骤 7。
需要说明的是，最后的“效果集”是一个逻辑概念，现实上 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 这三个字段的效果，不需要在服务端再泯灭内存存储效果，是直接返回给客户端的。
根据这个说明过程和图示，你可以想一下，这个时候实行 select @b-@a，效果会是多少呢？
现在，我们就来看看效果有什么差异。
起首，图中的 examined_rows 的值照旧 4000，表现用于排序的数据是 4000 行。但是 select @b-@a 这个语句的值变成 5000 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 1000，因此会多读 1000 行。

图 6 rowid 排序的 OPTIMIZER_TRACE 部分输出
从 OPTIMIZER_TRACE 的效果中，你还能看到另外两个信息也变了。

sort_mode 变成了，表现参与排序的只有 name 和 id 这两个字段。
number_of_tmp_files 变成 10 了，是因为这时候参与排序的行数固然仍然是 4000 行，但是每一行都变小了，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。

全字段排序 VS rowid 排序

我们来分析一下，从这两个实行流程里，还能得出什么结论。
假如 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。
假如 MySQL 以为内存足够大，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内里返回查询效果了，不消再回到原表去取数据。
这也就表现了 MySQL 的一个设计头脑：假如内存够，就要多使用内存，尽量淘汰磁盘访问。
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。
这个结论看上去有点废话的感觉，但是你要记住它，下一篇文章我们就会用到。
看到这里，你就相识了，MySQL 做排序是一个成本比较高的操纵。那么你会问，是不是所有的 order by 都需要排序操纵呢？假如不排序就能得到正确的效果，那对系统的斲丧会小很多，语句的实行时间也会变得更短。
其实，并不是所有的 order by 语句，都需要排序操纵的。从上面分析的实行过程，我们可以看到，MySQL 之所以需要天生临时表，并且在临时表上做排序操纵，其原因是原来的数据都是无序的。
你可以假想下，假如可以或许包管从 city 这个索引上取出来的行，天然就是按照 name 递增排序的话，是不是就可以不消再排序了呢？
确实是这样的。
所以，我们可以在这个市民表上创建一个 city 和 name 的联合索引，对应的 SQL 语句是：

alter table t add index city_user(city, name);

复制代码

作为与 city 索引的对比，我们来看看这个索引的示意图。

图 7 city 和 name 联合索引示意图
在这个索引内里，我们依然可以用树搜索的方式定位到第一个满足 city='杭州’的记录，并且额外确保了，接下来按顺序取“下一条记录”的遍历过程中，只要 city 的值是杭州，name 的值就一定是有序的。
这样整个查询过程的流程就变成了：

从索引 (city,name) 找到第一个满足 city='杭州’条件的主键 id；
到主键 id 索引取出整行，取 name、city、age 三个字段的值，作为效果集的一部分直接返回；
从索引 (city,name) 取下一个记录主键 id；
重复步骤 2、3，直到查到第 1000 条记录，大概是不满足 city='杭州’条件时循环结束。

图 8 引入 (city,name) 联合索引后，查询语句的实行计划
可以看到，这个查询过程不需要临时表，也不需要排序。接下来，我们用 explain 的效果来印证一下。

图 9 引入 (city,name) 联合索引后，查询语句的实行计划
从图中可以看到，Extra 字段中没有 Using filesort 了，也就是不需要排序了。而且由于 (city,name) 这个联合索引本身有序，所以这个查询也不消把 4000 行全都读一遍，只要找到满足条件的前 1000 条记录就可以退出了。也就是说，在我们这个例子里，只需要扫描 1000 次。
既然说到这里了，我们再往前讨论，这个语句的实行流程有没有大概进一步简化呢？不知道你还记不记得，我在第 5 篇文章[《深入浅出索引（下）》]中，和你介绍的覆盖索引。
这里我们可以再稍微复习一下。覆盖索引是指，索引上的信息足够满足查询请求，不需要再回到主键索引上去取数据。
按照覆盖索引的概念，我们可以再优化一下这个查询语句的实行流程。
针对这个查询，我们可以创建一个 city、name 和 age 的联合索引，对应的 SQL 语句就是：

alter table t add index city_user_age(city, name, age);

复制代码

这时，对于 city 字段的值雷同的行来说，照旧按照 name 字段的值递增排序的，此时的查询语句也就不再需要排序了。这样整个查询语句的实行流程就变成了：

从索引 (city,name,age) 找到第一个满足 city='杭州’条件的记录，取出此中的 city、name 和 age 这三个字段的值，作为效果集的一部分直接返回；
从索引 (city,name,age) 取下一个记录，同样取出这三个字段的值，作为效果集的一部分直接返回；
重复实行步骤 2，直到查到第 1000 条记录，大概是不满足 city='杭州’条件时循环结束。

图 10 引入 (city,name,age) 联合索引后，查询语句的实行流程
然后，我们再来看看 explain 的效果。

图 11 引入 (city,name,age) 联合索引后，查询语句的实行计划
可以看到，Extra 字段内里多了“Using index”，表现的就是使用了覆盖索引，性能上会快很多。
当然，这里并不是说要为了每个查询能用上覆盖索引，就要把语句中涉及的字段都建上联合索引，毕竟索引照旧有维护代价的。这是一个需要权衡的决定。
小结

今天这篇文章，我和你介绍了 MySQL 内里 order by 语句的几种算法流程。
在开发系统的时候，你总是不可避免地会使用到 order by 语句。你心里要清楚每个语句的排序逻辑是怎么实现的，还要可以或许分析出在最坏情况下，每个语句的实行对系统资源的斲丧，这样才气做到下笔如有神，不犯低级错误。

内容摘录自丁奇的《MySQL45讲》

最后给各人分享一本谷歌大佬撰写的算法手册，整整 300 道 LeetCode 标题，并且都是最优解，非常强！这本手册帮助不少朋友参加大厂，各人加油！

谷歌大佬撰写的算法手册：https://mp.weixin.qq.com/s/_aaynfWk0OWRyIBbSYZ2Rg

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

欢迎光临 qidao123.com技术社区-IT企服评测·应用市场 (https://dis.qidao123.com/)