16 | “order by”是怎么作業的？

以市民表為例，假設要查詢城市是“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，

這個表的部分定義：

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;

SQL 陳述句可以這么寫：

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

下面講陳述句是怎么執行的，以及有什么引數會影響執行的行為，

全欄位排序

為避免全表掃描，我們需要在 city 欄位加上索引，

用 explain 命令來看看這個陳述句的執行情況

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，

先來看一下 city 這個索引的示意圖

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

程序如下圖，這個排序程序，稱為全欄位排序

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（一般使用歸并排序演算法），

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

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)，在排序程序中按照實際長度來分配空間的，

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，如果單行很大，這個方法效率不夠好，

rowid 排序

MySQL 認為排序的單行長度太大會采取rowid排序

SET max_length_for_sort_data = https://www.cnblogs.com/ydssx7/archive/2022/07/25/16;

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，把 max_length_for_sort_data 設定為 16，改變了排序程序，

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，

排序執行流程的示意圖如下，稱為 rowid 排序，

對比全欄位排序流程圖，rowid 排序多訪問了一次表 t 的主鍵索引，就是步驟 7，

PS：“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，

此時OPTIMIZER_TRACE 輸出可見number_of_tmp_files 變成 10 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

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（IO），rowid 排序會要求回表多造成磁盤讀，因此不會被優先選擇，

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，

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，

MySQL 做排序是一個成本比較高的操作

“避免”排序

并不是所有的 order by 陳述句，都需要排序操作的，

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，

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，就可以不用再排序，

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);

這是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，

引入 (city,name) 聯合索引后，用 explain 查詢陳述句的執行計劃，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，

優化

使用覆寫索引，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，

避免了回表

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

Q：假設你的表里面已經有了 city_name(city, name) 這個聯合索引，然后你要查杭州和蘇州兩個城市中所有的市民的姓名，并且按名字排序，顯示前 100 條記錄，如果 SQL 查詢陳述句是這么寫的：

select * from t where city in ('杭州'," 蘇州 ") order by name limit 100;

這個陳述句執行的時候會有排序程序嗎，為什么？

如果業務端代碼由你來開發，需要實作一個在資料庫端不需要排序的方案，你會怎么實作呢？

進一步地，如果有分頁需求，要顯示第 101 頁，也就是說陳述句最后要改成 “limit 10,100”，你的實作方法又會是什么呢？

A：

這條 SQL 陳述句需要排序，雖然有 (city,name) 聯合索引，對于單個 city 內部，name 是遞增的，但是由于這條 SQL 陳述句不是要單獨地查一個 city 的值，而是同時查了"杭州"和" 蘇州 "兩個城市，因此所有滿足條件的 name 就不是遞增的了，

怎么避免排序呢？

這里，要用到 (city,name) 聯合索引的特性，把這一條陳述句拆成兩條陳述句，執行流程如下：

執行 select * from t where city=“杭州” order by name limit 100; 這個陳述句是不需要排序的，客戶端用一個長度為 100 的記憶體陣列 A 保存結果，
執行 select * from t where city=“蘇州” order by name limit 100; 用相同的方法，假設結果被存進了記憶體陣列 B，
現在 A 和 B 是兩個有序陣列，然后你可以用歸并排序的思想，得到 name 最小的前 100 值，就是我們需要的結果了，

如果把這條 SQL 陳述句里“limit 100”改成“limit 10,100”的話，處理方式其實也差不多，即：要把上面的兩條陳述句100改成10,100

這時候資料量較大，可以同時起兩個連接一行行讀結果（不是一次全讀），用歸并排序演算法拿到這兩個結果集里，按順序取第 10001~10100 的 name 值，就是需要的結果了，

這個方案有一個明顯的損失，就是從資料庫回傳給客戶端的資料量變大了，

如果資料的單行比較大的話，可以考慮把這兩條 SQL 陳述句改成下面這種寫法：

select id,name from t where city=" 杭州 " order by name limit 10100; 
select id,name from t where city=" 蘇州 " order by name limit 10100，

然后，再用歸并排序的方法取得按 name 順序第 10001~10100 的 name、id 的值，然后拿著這 100 個 id 到資料庫中去查出所有記錄，（相當與row id 多做了一次回表）

轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/500330.html

標籤：其他

上一篇：MySQL實戰45講 15

下一篇：MySQL實戰45講 17

MySQL實戰45講 16

16 | “order by”是怎么作業的？

全欄位排序

rowid 排序

全欄位排序 VS rowid 排序

“避免”排序

優化