前言
日常开发中，我们经常会使用到order by，亲爱的小伙伴，你是否知道order by 的工作原理呢?order by的优化思路是怎样的呢?使用order by有哪些注意的问题呢?本文将跟大家一起来学习，攻克order by~
一个使用order by 的简单例子
假设用一张员工表，表结构如下：
- CREATE TABLE `staff` (
- `id` BIGINT ( 11 ) AUTO_INCREMENT COMMENT '主键id',
- `id_card` VARCHAR ( 20 ) NOT NULL COMMENT '身份证号码',
- `name` VARCHAR ( 64 ) NOT NULL COMMENT '姓名',
- `age` INT ( 4 ) NOT NULL COMMENT '年龄',
- `city` VARCHAR ( 64 ) NOT NULL COMMENT '城市',
- PRIMARY KEY ( `id`),
- INDEX idx_city ( `city` )
- ) ENGINE = INNODB COMMENT '员工表';
表数据如下：
我们现在有这么一个需求：查询前10个，来自深圳员工的姓名、年龄、城市，并且按照年龄小到大排序。对应的 SQL 语句就可以这么写：
- select name,age,city from staff where city = '深圳' order by age limit 10;
这条语句的逻辑很清楚，但是它的底层执行流程是怎样的呢?
order by 工作原理
explain 执行计划
我们先用Explain关键字查看一下执行计划
- 执行计划的key这个字段，表示使用到索引idx_city
- Extra 这个字段的 Using index condition 表示索引条件
- Extra 这个字段的 Using filesort表示用到排序
我们可以发现，这条SQL使用到了索引，并且也用到排序。那么它是怎么排序的呢?
全字段排序
MySQL 会给每个查询线程分配一块小内存，用于排序的，称为 sort_buffer。什么时候把字段放进去排序呢，其实是通过idx_city索引找到对应的数据，才把数据放进去啦。
我们回顾下索引是怎么找到匹配的数据的，现在先把索引树画出来吧，idx_city索引树如下：
idx_city索引树，叶子节点存储的是主键id。还有一棵id主键聚族索引树，我们再画出聚族索引树图吧：
我们的查询语句是怎么找到匹配数据的呢?先通过idx_city索引树，找到对应的主键id，然后再通过拿到的主键id，搜索id主键索引树，找到对应的行数据。
加上order by之后，整体的执行流程就是：
- MySQL 为对应的线程初始化sort_buffer，放入需要查询的name、age、city字段;
- 从索引树idx_city， 找到第一个满足 city='深圳’条件的主键 id，也就是图中的id=9;
- 到主键 id 索引树拿到id=9的这一行数据， 取name、age、city三个字段的值，存到sort_buffer;
- 从索引树idx_city 拿到下一个记录的主键 id，即图中的id=13;
- 重复步骤 3、4 直到city的值不等于深圳为止;
- 前面5步已经查找到了所有city为深圳的数据，在 sort_buffer中，将所有数据根据age进行排序;
- 按照排序结果取前10行返回给客户端。
执行示意图如下：
将查询所需的字段全部读取到sort_buffer中，就是全字段排序。这里面，有些小伙伴可能会有个疑问,把查询的所有字段都放到sort_buffer，而sort_buffer是一块内存来的，如果数据量太大，sort_buffer放不下怎么办呢?
磁盘临时文件辅助排序
实际上，sort_buffer的大小是由一个参数控制的：sort_buffer_size。如果要排序的数据小于sort_buffer_size，排序在sort_buffer 内存中完成，如果要排序的数据大于sort_buffer_size，则借助磁盘文件来进行排序
如何确定是否使用了磁盘文件来进行排序呢?可以使用以下这几个命令
- ## 打开optimizer_trace，开启统计
- set optimizer_trace = "enabled=on";
- ## 执行SQL语句
- select name,age,city from staff where city = '深圳' order by age limit 10;
- ## 查询输出的统计信息
- select * from information_schema.optimizer_trace
可以从 number_of_tmp_files 中看出，是否使用了临时文件。
number_of_tmp_files 表示使用来排序的磁盘临时文件数。如果number_of_tmp_files>0，则表示使用了磁盘文件来进行排序。
使用了磁盘临时文件，整个排序过程又是怎样的呢?
- 从主键Id索引树，拿到需要的数据，并放到sort_buffer内存块中。当sort_buffer快要满时，就对sort_buffer中的数据排序，排完后，把数据临时放到磁盘一个小文件中。
- 继续回到主键 id 索引树取数据，继续放到sort_buffer内存中，排序后，也把这些数据写入到磁盘临时小文件中。
- 继续循环，直到取出所有满足条件的数据。最后把磁盘的临时排好序的小文件，合并成一个有序的大文件。
TPS: 借助磁盘临时小文件排序，实际上使用的是归并排序算法。
小伙伴们可能会有个疑问，既然sort_buffer放不下，就需要用到临时磁盘文件，这会影响排序效率。那为什么还要把排序不相关的字段(name，city)放到sort_buffer中呢?只放排序相关的age字段，它不香吗?可以了解下rowid 排序。
rowid 排序
rowid 排序就是，只把查询SQL需要用于排序的字段和主键id，放到sort_buffer中。那怎么确定走的是全字段排序还是rowid 排序排序呢?
实际上有个参数控制的。这个参数就是max_length_for_sort_data，它表示MySQL用于排序行数据的长度的一个参数，如果单行的长度超过这个值，MySQL 就认为单行太大，就换rowid 排序。我们可以通过命令看下这个参数取值。
- show variables like 'max_length_for_sort_data';
max_length_for_sort_data 默认值是1024。因为本文示例中name,age,city长度=64+4+64 =132 < 1024, 所以走的是全字段排序。我们来改下这个参数，改小一点，
- ## 修改排序数据最大单行长度为32
- set max_length_for_sort_data = 32;
- ## 执行查询SQL
- select name,age,city from staff where city = '深圳' order by age limit 10;
使用rowid 排序的话，整个SQL执行流程又是怎样的呢?
- MySQL 为对应的线程初始化sort_buffer，放入需要排序的age字段，以及主键id;
- 从索引树idx_city， 找到第一个满足 city='深圳’条件的主键 id，也就是图中的id=9;
- 到主键 id 索引树拿到id=9的这一行数据， 取age和主键id的值，存到sort_buffer;
- 从索引树idx_city 拿到下一个记录的主键 id，即图中的id=13;
- 重复步骤 3、4 直到city的值不等于深圳为止;
- 前面5步已经查找到了所有city为深圳的数据，在 sort_buffer中，将所有数据根据age进行排序;
- 遍历排序结果，取前10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。
执行示意图如下：
对比一下全字段排序的流程，rowid 排序多了一次回表。
- 什么是回表?拿到主键再回到主键索引查询的过程，就叫做回表”
我们通过optimizer_trace，可以看到是否使用了rowid排序的：
- ## 打开optimizer_trace，开启统计
- set optimizer_trace = "enabled=on";
- ## 执行SQL语句
- select name,age,city from staff where city = '深圳' order by age limit 10;
- ## 查询输出的统计信息
- select * from information_schema.optimizer_trace
全字段排序与rowid排序对比
- 全字段排序：sort_buffer内存不够的话，就需要用到磁盘临时文件，造成磁盘访问。
- rowid排序：sort_buffer可以放更多数据，但是需要再回到原表去取数据，比全字段排序多一次回表。
一般情况下，对于InnoDB存储引擎，会优先使用全字段排序。可以发现 max_length_for_sort_data 参数设置为1024，这个数比较大的。一般情况下，排序字段不会超过这个值，也就是都会走全字段排序。
order by的一些优化思路
我们如何优化order by语句呢?
- 因为数据是无序的，所以就需要排序。如果数据本身是有序的，那就不用排了。而索引数据本身是有序的，我们通过建立联合索引，优化order by 语句。
- 我们还可以通过调整max_length_for_sort_data等参数优化;
联合索引优化
再回顾下示例SQL的查询计划
- explain select name,age,city from staff where city = '深圳' order by age limit 10;
我们给查询条件city和排序字段age，加个联合索引idx_city_age。再去查看执行计划
- alter table staff add index idx_city_age(city,age);
- explain select name,age,city from staff where city = '深圳' order by age limit 10;
可以发现，加上idx_city_age联合索引，就不需要Using filesort排序了。为什么呢?因为索引本身是有序的，我们可以看下idx_city_age联合索引示意图，如下：
整个SQL执行流程变成酱紫：
- 从索引idx_city_age找到满足city='深圳’ 的主键 id
- 到主键 id索引取出整行，拿到 name、city、age 三个字段的值，作为结果集的一部分直接返回
- 从索引idx_city_age取下一个记录主键id
- 重复步骤 2、3，直到查到第10条记录，或者是不满足city='深圳’ 条件时循环结束。
流程示意图如下：
从示意图看来，还是有一次回表操作。针对本次示例，有没有更高效的方案呢?有的，可以使用覆盖索引：
- 覆盖索引：在查询的数据列里面，不需要回表去查，直接从索引列就能取到想要的结果。换句话说，你SQL用到的索引列数据，覆盖了查询结果的列，就算上覆盖索引了。”
我们给city，name，age 组成一个联合索引，即可用到了覆盖索引，这时候SQL执行时，连回表操作都可以省去啦。
调整参数优化
我们还可以通过调整参数，去优化order by的执行。比如可以调整sort_buffer_size的值。因为sort_buffer值太小，数据量大的话，会借助磁盘临时文件排序。如果MySQL服务器配置高的话，可以使用稍微调整大点。
我们还可以调整max_length_for_sort_data的值，这个值太小的话，order by会走rowid排序，会回表，降低查询性能。所以max_length_for_sort_data可以适当大一点。
当然，很多时候，这些MySQL参数值，我们直接采用默认值就可以了。
使用order by 的一些注意点
没有where条件，order by字段需要加索引吗
日常开发过程中，我们可能会遇到没有where条件的order by，那么，这时候order by后面的字段是否需要加索引呢。如有这么一个SQL，create_time是否需要加索引：
- select * from A order by create_time;
无条件查询的话，即使create_time上有索引,也不会使用到。因为MySQL优化器认为走普通二级索引，再去回表成本比全表扫描排序更高。所以选择走全表扫描,然后根据全字段排序或者rowid排序来进行。
如果查询SQL修改一下：
- select * from A order by create_time limit m;
无条件查询,如果m值较小,是可以走索引的.因为MySQL优化器认为，根据索引有序性去回表查数据,然后得到m条数据,就可以终止循环,那么成本比全表扫描小,则选择走二级索引。
分页limit过大时，会导致大量排序怎么办?
假设SQL如下：
- select * from A order by a limit 100000,10
可以记录上一页最后的id，下一页查询时，查询条件带上id，如：where id > 上一页最后id limit 10。
也可以在业务允许的情况下，限制页数。
索引存储顺序与order by不一致，如何优化?
假设有联合索引 idx_age_name, 我们需求修改为这样：查询前10个员工的姓名、年龄，并且按照年龄小到大排序，如果年龄相同，则按姓名降序排。对应的 SQL 语句就可以这么写：
- select name,age from staff order by age ,name desc limit 10;
我们看下执行计划，发现使用到Using filesort。
这是因为，idx_age_name索引树中，age从小到大排序，如果age相同，再按name从小到大排序。而order by 中，是按age从小到大排序，如果age相同，再按name从大到小排序。也就是说，索引存储顺序与order by不一致。
我们怎么优化呢?如果MySQL是8.0版本，支持Descending Indexes，可以这样修改索引：
- CREATE TABLE `staff` (
- `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '主键id',
- `id_card` varchar(20) NOT NULL COMMENT '身份证号码',
- `name` varchar(64) NOT NULL COMMENT '姓名',
- `age` int(4) NOT NULL COMMENT '年龄',
- `city` varchar(64) NOT NULL COMMENT '城市',
- PRIMARY KEY (`id`),
- KEY `idx_age_name` (`age`,`name` desc) USING BTREE
- ) ENGINE=InnoDB AUTO_INCREMENT=15 DEFAULT CHARSET=utf8 COMMENT='员工表';
使用了in条件多个属性时，SQL执行是否有排序过程
如果我们有联合索引idx_city_name，执行这个SQL的话，是不会走排序过程的，如下：
- select * from staff where city in ('深圳') order by age limit 10;
但是，如果使用in条件，并且有多个条件时，就会有排序过程。
- explain select * from staff where city in ('深圳','上海') order by age limit 10;
这是因为:in有两个条件，在满足深圳时，age是排好序的，但是把满足上海的age也加进来，就不能保证满足所有的age都是排好序的。因此需要Using filesort。
本文转载自微信公众号「捡田螺的小男孩」，可以通过以下二维码关注。转载本文请联系捡田螺的小男孩公众号。
