order by是怎么作業的？

在你開發應用的時候，一定會經常碰到需要根據指定的欄位排序來顯示結果的需求，還是以我們前面舉例用過的市民表為例，假設你要查詢城市是“杭州”的所有人名字，并且按照姓名排序回傳前 1000 個人的姓名、年齡，

假設這個表的部分定義是這樣的：

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;

這時，你的 SQL 陳述句可以這么寫：

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

這個陳述句看上去邏輯很清晰，但是你了解它的執行流程嗎？今天，我就和你聊聊這個陳述句是怎么執行的，以及有什么引數會影響執行的行為，

本文已經收錄到Github倉庫，該倉庫包含計算機基礎、Java基礎、多執行緒、JVM、資料庫、Redis、Spring、Mybatis、SpringMVC、SpringBoot、分布式、微服務、設計模式、架構、校招社招分享等核心知識點，歡迎star~

Github地址

如果訪問不了Github，可以訪問gitee地址，

gitee地址

全欄位排序

前面我們介紹過索引，所以你現在就很清楚了，為避免全表掃描，我們需要在 city 欄位加上索引，

在 city 欄位上創建索引之后，我們用 explain 命令來看看這個陳述句的執行情況，

圖 1 使用 explain 命令查看陳述句的執行情況

Extra 這個欄位中的“Using filesort”表示的就是需要排序，MySQL 會給每個執行緒分配一塊記憶體用于排序，稱為 sort_buffer，

為了說明這個 SQL 查詢陳述句的執行程序，我們先來看一下 city 這個索引的示意圖，

最全面的Java面試網站

圖 2 city 欄位的索引示意圖

從圖中可以看到，滿足 city='杭州’條件的行，是從 ID_X 到 ID_(X+N) 的這些記錄，

通常情況下，這個陳述句執行流程如下所示：

初始化 sort_buffer，確定放入 name、city、age 這三個欄位；
從索引 city 找到第一個滿足 city='杭州’條件的主鍵 id，也就是圖中的 ID_X；
到主鍵 id 索引取出整行，取 name、city、age 三個欄位的值，存入 sort_buffer 中；
從索引 city 取下一個記錄的主鍵 id；
重復步驟 3、4 直到 city 的值不滿足查詢條件為止，對應的主鍵 id 也就是圖中的 ID_Y；
對 sort_buffer 中的資料按照欄位 name 做快速排序；
按照排序結果取前 1000 行回傳給客戶端，

我們暫且把這個排序程序，稱為全欄位排序，執行流程的示意圖如下所示，下一篇文章中我們還會用到這個排序，

圖 3 全欄位排序

圖中“按 name 排序”這個動作，可能在記憶體中完成，也可能需要使用外部排序，這取決于排序所需的記憶體和引數 sort_buffer_size，

sort_buffer_size，就是 MySQL 為排序開辟的記憶體（sort_buffer）的大小，如果要排序的資料量小于 sort_buffer_size，排序就在記憶體中完成，但如果排序資料量太大，記憶體放不下，則不得不利用磁盤臨時檔案輔助排序，

你可以用下面介紹的方法，來確定一個排序陳述句是否使用了臨時檔案，

/* 打開 optimizer_trace，只對本執行緒有效 */
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';
 
/* 執行陳述句 */
select city, name,age from t where city='杭州' order by name limit 1000; 
 
/* 查看 OPTIMIZER_TRACE 輸出 */
SELECT * FROM `information_schema`.`OPTIMIZER_TRACE`\G
 
/* @b 保存 Innodb_rows_read 的當前值 */
select VARIABLE_VALUE into @b from performance_schema.session_status where variable_name = 'Innodb_rows_read';
 
/* 計算 Innodb_rows_read 差值 */
select @b-@a;

這個方法是通過查看 OPTIMIZER_TRACE 的結果來確認的，你可以從 number_of_tmp_files 中看到是否使用了臨時檔案，

圖 4 全排序的 OPTIMIZER_TRACE 部分結果

number_of_tmp_files 表示的是，排序程序中使用的臨時檔案數，你一定奇怪，為什么需要 12 個檔案？記憶體放不下時，就需要使用外部排序，外部排序一般使用歸并排序演算法，可以這么簡單理解，MySQL 將需要排序的資料分成 12 份，每一份單獨排序后存在這些臨時檔案中，然后把這 12 個有序檔案再合并成一個有序的大檔案，

如果 sort_buffer_size 超過了需要排序的資料量的大小，number_of_tmp_files 就是 0，表示排序可以直接在記憶體中完成，

否則就需要放在臨時檔案中排序，sort_buffer_size 越小，需要分成的份數越多，number_of_tmp_files 的值就越大，

接下來，我再和你解釋一下圖 4 中其他兩個值的意思，

我們的示例表中有 4000 條滿足 city='杭州’的記錄，所以你可以看到 examined_rows=4000，表示參與排序的行數是 4000 行，

sort_mode 里面的 packed_additional_fields 的意思是，排序程序對字串做了“緊湊”處理，即使 name 欄位的定義是 varchar(16)，在排序程序中還是要按照實際長度來分配空間的，

同時，最后一個查詢陳述句 select @b-@a 的回傳結果是 4000，表示整個執行程序只掃描了 4000 行，

這里需要注意的是，為了避免對結論造成干擾，我把 internal_tmp_disk_storage_engine 設定成 MyISAM，否則，select @b-@a 的結果會顯示為 4001，

這是因為查詢 OPTIMIZER_TRACE 這個表時，需要用到臨時表，而 internal_tmp_disk_storage_engine 的默認值是 InnoDB，如果使用的是 InnoDB 引擎的話，把資料從臨時表取出來的時候，會讓 Innodb_rows_read 的值加 1，

rowid 排序

在上面這個演算法程序里面，只對原表的資料讀了一遍，剩下的操作都是在 sort_buffer 和臨時檔案中執行的，但這個演算法有一個問題，就是如果查詢要回傳的欄位很多的話，那么 sort_buffer 里面要放的欄位數太多，這樣記憶體里能夠同時放下的行數很少，要分成很多個臨時檔案，排序的性能會很差，

所以如果單行很大，這個方法效率不夠好，

那么，如果 MySQL 認為排序的單行長度太大會怎么做呢？

接下來，我來修改一個引數，讓 MySQL 采用另外一種演算法，

SET max_length_for_sort_data = https://www.cnblogs.com/tyson03/archive/2023/03/28/16;

max_length_for_sort_data，是 MySQL 中專門控制用于排序的行資料的長度的一個引數，它的意思是，如果單行的長度超過這個值，MySQL 就認為單行太大，要換一個演算法，

city、name、age 這三個欄位的定義總長度是 36，我把 max_length_for_sort_data 設定為 16，我們再來看看計算程序有什么改變，

新的演算法放入 sort_buffer 的欄位，只有要排序的列（即 name 欄位）和主鍵 id，

但這時，排序的結果就因為少了 city 和 age 欄位的值，不能直接回傳了，整個執行流程就變成如下所示的樣子：

初始化 sort_buffer，確定放入兩個欄位，即 name 和 id；
從索引 city 找到第一個滿足 city='杭州’條件的主鍵 id，也就是圖中的 ID_X；
到主鍵 id 索引取出整行，取 name、id 這兩個欄位，存入 sort_buffer 中；
從索引 city 取下一個記錄的主鍵 id；
重復步驟 3、4 直到不滿足 city='杭州’條件為止，也就是圖中的 ID_Y；
對 sort_buffer 中的資料按照欄位 name 進行排序；
遍歷排序結果，取前 1000 行，并按照 id 的值回到原表中取出 city、name 和 age 三個欄位回傳給客戶端，

這個執行流程的示意圖如下，我把它稱為 rowid 排序，

圖 5 rowid 排序

對比圖 3 的全欄位排序流程圖你會發現，rowid 排序多訪問了一次表 t 的主鍵索引，就是步驟 7，

需要說明的是，最后的“結果集”是一個邏輯概念，實際上 MySQL 服務端從排序后的 sort_buffer 中依次取出 id，然后到原表查到 city、name 和 age 這三個欄位的結果，不需要在服務端再耗費記憶體存盤結果，是直接回傳給客戶端的，

根據這個說明程序和圖示，你可以想一下，這個時候執行 select @b-@a，結果會是多少呢？

現在，我們就來看看結果有什么不同，

首先，圖中的 examined_rows 的值還是 4000，表示用于排序的資料是 4000 行，但是 select @b-@a 這個陳述句的值變成 5000 了，

因為這時候除了排序程序外，在排序完成后，還要根據 id 去原表取值，由于陳述句是 limit 1000，因此會多讀 1000 行，

圖 6 rowid 排序的 OPTIMIZER_TRACE 部分輸出

從 OPTIMIZER_TRACE 的結果中，你還能看到另外兩個資訊也變了，

sort_mode 變成了 <sort_key, rowid>，表示參與排序的只有 name 和 id 這兩個欄位，
number_of_tmp_files 變成 10 了，是因為這時候參與排序的行數雖然仍然是 4000 行，但是每一行都變小了，因此需要排序的總資料量就變小了，需要的臨時檔案也相應地變少了，

全欄位排序 VS rowid 排序

我們來分析一下，從這兩個執行流程里，還能得出什么結論，

如果 MySQL 實在是擔心排序記憶體太小，會影響排序效率，才會采用 rowid 排序演算法，這樣排序程序中一次可以排序更多行，但是需要再回到原表去取資料，

如果 MySQL 認為記憶體足夠大，會優先選擇全欄位排序，把需要的欄位都放到 sort_buffer 中，這樣排序后就會直接從記憶體里面回傳查詢結果了，不用再回到原表去取資料，

這也就體現了 MySQL 的一個設計思想：如果記憶體夠，就要多利用記憶體，盡量減少磁盤訪問，

對于 InnoDB 表來說，rowid 排序會要求回表多造成磁盤讀，因此不會被優先選擇，

這個結論看上去有點廢話的感覺，但是你要記住它，下一篇文章我們就會用到，

看到這里，你就了解了，MySQL 做排序是一個成本比較高的操作，那么你會問，是不是所有的 order by 都需要排序操作呢？如果不排序就能得到正確的結果，那對系統的消耗會小很多，陳述句的執行時間也會變得更短，

其實，并不是所有的 order by 陳述句，都需要排序操作的，從上面分析的執行程序，我們可以看到，MySQL 之所以需要生成臨時表，并且在臨時表上做排序操作，其原因是原來的資料都是無序的，

你可以設想下，如果能夠保證從 city 這個索引上取出來的行，天然就是按照 name 遞增排序的話，是不是就可以不用再排序了呢？

確實是這樣的，

所以，我們可以在這個市民表上創建一個 city 和 name 的聯合索引，對應的 SQL 陳述句是：

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

作為與 city 索引的對比，我們來看看這個索引的示意圖，

圖 7 city 和 name 聯合索引示意圖

在這個索引里面，我們依然可以用樹搜索的方式定位到第一個滿足 city='杭州’的記錄，并且額外確保了，接下來按順序取“下一條記錄”的遍歷程序中，只要 city 的值是杭州，name 的值就一定是有序的，

這樣整個查詢程序的流程就變成了：

從索引 (city,name) 找到第一個滿足 city='杭州’條件的主鍵 id；
到主鍵 id 索引取出整行，取 name、city、age 三個欄位的值，作為結果集的一部分直接回傳；
從索引 (city,name) 取下一個記錄主鍵 id；
重復步驟 2、3，直到查到第 1000 條記錄，或者是不滿足 city='杭州’條件時回圈結束，

圖 8 引入 (city,name) 聯合索引后，查詢陳述句的執行計劃

可以看到，這個查詢程序不需要臨時表，也不需要排序，接下來，我們用 explain 的結果來印證一下，

圖 9 引入 (city,name) 聯合索引后，查詢陳述句的執行計劃

從圖中可以看到，Extra 欄位中沒有 Using filesort 了，也就是不需要排序了，而且由于 (city,name) 這個聯合索引本身有序，所以這個查詢也不用把 4000 行全都讀一遍，只要找到滿足條件的前 1000 條記錄就可以退出了，也就是說，在我們這個例子里，只需要掃描 1000 次，

既然說到這里了，我們再往前討論，這個陳述句的執行流程有沒有可能進一步簡化呢？不知道你還記不記得，我在第 5 篇文章[《深入淺出索引（下）》]中，和你介紹的覆寫索引，

這里我們可以再稍微復習一下，覆寫索引是指，索引上的資訊足夠滿足查詢請求，不需要再回到主鍵索引上去取資料，

按照覆寫索引的概念，我們可以再優化一下這個查詢陳述句的執行流程，

針對這個查詢，我們可以創建一個 city、name 和 age 的聯合索引，對應的 SQL 陳述句就是：

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

這時，對于 city 欄位的值相同的行來說，還是按照 name 欄位的值遞增排序的，此時的查詢陳述句也就不再需要排序了，這樣整個查詢陳述句的執行流程就變成了：

從索引 (city,name,age) 找到第一個滿足 city='杭州’條件的記錄，取出其中的 city、name 和 age 這三個欄位的值，作為結果集的一部分直接回傳；
從索引 (city,name,age) 取下一個記錄，同樣取出這三個欄位的值，作為結果集的一部分直接回傳；
重復執行步驟 2，直到查到第 1000 條記錄，或者是不滿足 city='杭州’條件時回圈結束，

圖 10 引入 (city,name,age) 聯合索引后，查詢陳述句的執行流程

然后，我們再來看看 explain 的結果，

圖 11 引入 (city,name,age) 聯合索引后，查詢陳述句的執行計劃

可以看到，Extra 欄位里面多了“Using index”，表示的就是使用了覆寫索引，性能上會快很多，

當然，這里并不是說要為了每個查詢能用上覆寫索引，就要把陳述句中涉及的欄位都建上聯合索引，畢竟索引還是有維護代價的，這是一個需要權衡的決定，

小結

今天這篇文章，我和你介紹了 MySQL 里面 order by 陳述句的幾種演算法流程，

在開發系統的時候，你總是不可避免地會使用到 order by 陳述句，你心里要清楚每個陳述句的排序邏輯是怎么實作的，還要能夠分析出在最壞情況下，每個陳述句的執行對系統資源的消耗，這樣才能做到下筆如有神，不犯低級錯誤，

內容摘錄自丁奇的《MySQL45講》

最后給大家分享一個Github倉庫，上面有大彬整理的300多本經典的計算機書籍PDF，包括C語言、C++、Java、Python、前端、資料庫、作業系統、計算機網路、資料結構和演算法、機器學習、編程人生等，可以star一下，下次找書直接在上面搜索，倉庫持續更新中~

Github地址

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/548468.html

標籤：其他

上一篇：Spring Boot 中的 ApplicationRunner 和 CommandLineRunner

下一篇：Spring整合Mybatis遇到的問題（一）