有经验的南昌网站建设,网址注册局,最专业的网站设计公司有哪些,商城网站开发时间我在上一篇文章#xff0c;为你讲解完order by语句的几种执行模式后#xff0c;就想到了之前一个做英语学习App的朋友碰到过的一个性能问题。今天这篇文章#xff0c;我就从这个性能问题说起#xff0c;和你说说MySQL中的另外一种排序需求#xff0c;希望能够加深你对MySQ…我在上一篇文章为你讲解完order by语句的几种执行模式后就想到了之前一个做英语学习App的朋友碰到过的一个性能问题。今天这篇文章我就从这个性能问题说起和你说说MySQL中的另外一种排序需求希望能够加深你对MySQL排序逻辑的理解。 这个英语学习App首页有一个随机显示单词的功能也就是根据每个用户的级别有一个单词表然后这个用户每次访问首页的时候都会随机滚动显示三个单词。他们发现随着单词表变大选单词这个逻辑变得越来越慢甚至影响到了首页的打开速度。 现在如果让你来设计这个SQL语句你会怎么写呢 为了便于理解我对这个例子进行了简化去掉每个级别的用户都有一个对应的单词表这个逻辑直接就是从一个单词表中随机选出三个单词。这个表的建表语句和初始数据的命令如下 mysql CREATE TABLE words (
id int(11) NOT NULL AUTO_INCREMENT,
word varchar(64) DEFAULT NULL,
PRIMARY KEY (id)
) ENGINEInnoDB;delimiter ;;
create procedure idata() begin declare i int; set i0; while i 为了便于量化说明我在这个表里面插入了10000行记录。接下来我们就一起看看要随机选择3个单词有什么方法实现存在什么问题以及如何改进。 内存临时表 首先你会想到用order by rand()来实现这个逻辑。 mysql select word from words order by rand() limit 3; 这个语句的意思很直白随机排序取前3个。虽然这个SQL语句写法很简单但执行流程却有点复杂的。 我们先用explain命令来看看这个语句的执行情况。 图1 使用explain命令查看语句的执行情况 Extra字段显示Using temporary表示的是需要使用临时表Using filesort表示的是需要执行排序操作。 因此这个Extra的意思就是需要临时表并且需要在临时表上排序。 这里你可以先回顾一下上一篇文章中全字段排序和rowid排序的内容。我把上一篇文章的两个流程图贴过来方便你复习。 图2 全字段排序 图3 rowid排序 然后我再问你一个问题你觉得对于临时内存表的排序来说它会选择哪一种算法呢回顾一下上一篇文章的一个结论对于InnoDB表来说执行全字段排序会减少磁盘访问因此会被优先选择。 我强调了“InnoDB表”你肯定想到了对于内存表回表过程只是简单地根据数据行的位置直接访问内存得到数据根本不会导致多访问磁盘。优化器没有了这一层顾虑那么它会优先考虑的就是用于排序的行越少越好了所以MySQL这时就会选择rowid排序。 理解了这个算法选择的逻辑我们再来看看语句的执行流程。同时通过今天的这个例子我们来尝试分析一下语句的扫描行数。 这条语句的执行流程是这样的 创建一个临时表。这个临时表使用的是memory引擎表里有两个字段第一个字段是double类型为了后面描述方便记为字段R第二个字段是varchar(64)类型记为字段W。并且这个表没有建索引。 从words表中按主键顺序取出所有的word值。对于每一个word值调用rand()函数生成一个大于0小于1的随机小数并把这个随机小数和word分别存入临时表的R和W字段中到此扫描行数是10000。 现在临时表有10000行数据了接下来你要在这个没有索引的内存临时表上按照字段R排序。 初始化 sort_buffer。sort_buffer中有两个字段一个是double类型另一个是整型。 从内存临时表中一行一行地取出R值和位置信息我后面会和你解释这里为什么是“位置信息”分别存入sort_buffer中的两个字段里。这个过程要对内存临时表做全表扫描此时扫描行数增加10000变成了20000。 在sort_buffer中根据R的值进行排序。注意这个过程没有涉及到表操作所以不会增加扫描行数。 排序完成后取出前三个结果的位置信息依次到内存临时表中取出word值返回给客户端。这个过程中访问了表的三行数据总扫描行数变成了20003。 接下来我们通过慢查询日志slow log来验证一下我们分析得到的扫描行数是否正确。 # Query_time: 0.900376 Lock_time: 0.000347 Rows_sent: 3 Rows_examined: 20003
SET timestamp1541402277;
select word from words order by rand() limit 3; 其中Rows_examined20003就表示这个语句执行过程中扫描了20003行也就验证了我们分析得出的结论。 这里插一句题外话在平时学习概念的过程中你可以经常这样做先通过原理分析算出扫描行数然后再通过查看慢查询日志来验证自己的结论。我自己就是经常这么做这个过程很有趣分析对了开心分析错了但是弄清楚了也很开心。 现在我来把完整的排序执行流程图画出来。 图4 随机排序完整流程图1 图中的pos就是位置信息你可能会觉得奇怪这里的“位置信息”是个什么概念在上一篇文章中我们对InnoDB表排序的时候明明用的还是ID字段。 这时候我们就要回到一个基本概念MySQL的表是用什么方法来定位“一行数据”的。 在前面第4和第5篇介绍索引的文章中有几位同学问到如果把一个InnoDB表的主键删掉是不是就没有主键就没办法回表了 其实不是的。如果你创建的表没有主键或者把一个表的主键删掉了那么InnoDB会自己生成一个长度为6字节的rowid来作为主键。 这也就是排序模式里面rowid名字的来历。实际上它表示的是每个引擎用来唯一标识数据行的信息。 对于有主键的InnoDB表来说这个rowid就是主键ID对于没有主键的InnoDB表来说这个rowid就是由系统生成的MEMORY引擎不是索引组织表。在这个例子里面你可以认为它就是一个数组。因此这个rowid其实就是数组的下标。到这里我来稍微小结一下order by rand()使用了内存临时表内存临时表排序的时候使用了rowid排序方法。 磁盘临时表 那么是不是所有的临时表都是内存表呢 其实不是的。tmp_table_size这个配置限制了内存临时表的大小默认值是16M。如果临时表大小超过了tmp_table_size那么内存临时表就会转成磁盘临时表。 磁盘临时表使用的引擎默认是InnoDB是由参数internal_tmp_disk_storage_engine控制的。 当使用磁盘临时表的时候对应的就是一个没有显式索引的InnoDB表的排序过程。 为了复现这个过程我把tmp_table_size设置成1024把sort_buffer_size设置成 32768, 把 max_length_for_sort_data 设置成16。 set tmp_table_size1024;
set sort_buffer_size32768;
set max_length_for_sort_data16; /* 打开 optimizer_trace只对本线程有效 */ SET optimizer_traceenabledon; /* 执行语句 */ select word from words order by rand() limit 3; /* 查看 OPTIMIZER_TRACE 输出 */ SELECT * FROM information_schema.OPTIMIZER_TRACE\G 图5 OPTIMIZER_TRACE部分结果 然后我们来看一下这次OPTIMIZER_TRACE的结果。 因为将max_length_for_sort_data设置成16小于word字段的长度定义所以我们看到sort_mode里面显示的是rowid排序这个是符合预期的参与排序的是随机值R字段和rowid字段组成的行。 这时候你可能心算了一下发现不对。R字段存放的随机值就8个字节rowid是6个字节至于为什么是6字节就留给你课后思考吧数据总行数是10000这样算出来就有140000字节超过了sort_buffer_size 定义的 32768字节了。但是number_of_tmp_files的值居然是0难道不需要用临时文件吗 这个SQL语句的排序确实没有用到临时文件采用是MySQL 5.6版本引入的一个新的排序算法即优先队列排序算法。接下来我们就看看为什么没有使用临时文件的算法也就是归并排序算法而是采用了优先队列排序算法。 其实我们现在的SQL语句只需要取R值最小的3个rowid。但是如果使用归并排序算法的话虽然最终也能得到前3个值但是这个算法结束后已经将10000行数据都排好序了。 也就是说后面的9997行也是有序的了。但我们的查询并不需要这些数据是有序的。所以想一下就明白了这浪费了非常多的计算量。 而优先队列算法就可以精确地只得到三个最小值执行流程如下 对于这10000个准备排序的(R,rowid)先取前三行构造成一个堆对数据结构印象模糊的同学可以先设想成这是一个由三个元素组成的数组 取下一个行(R’,rowid’)跟当前堆里面最大的R比较如果R’小于R把这个(R,rowid)从堆中去掉换成(R’,rowid’) 重复第2步直到第10000个(R’,rowid’)完成比较。 这里我简单画了一个优先队列排序过程的示意图。 图6 优先队列排序算法示例 图6是模拟6个(R,rowid)行通过优先队列排序找到最小的三个R值的行的过程。整个排序过程中为了最快地拿到当前堆的最大值总是保持最大值在堆顶因此这是一个最大堆。 图5的OPTIMIZER_TRACE结果中filesort_priority_queue_optimization这个部分的chosentrue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。 这个流程结束后我们构造的堆里面就是这个10000行里面R值最小的三行。然后依次把它们的rowid取出来去临时表里面拿到word字段这个过程就跟上一篇文章的rowid排序的过程一样了。 我们再看一下上面一篇文章的SQL查询语句 select city,name,age from t where city杭州 order by name limit 1000 ; 你可能会问这里也用到了limit为什么没用优先队列排序算法呢原因是这条SQL语句是limit 1000如果使用优先队列算法的话需要维护的堆的大小就是1000行的(name,rowid)超过了我设置的sort_buffer_size大小所以只能使用归并排序算法。 总之不论是使用哪种类型的临时表order by rand()这种写法都会让计算过程非常复杂需要大量的扫描行数因此排序过程的资源消耗也会很大。 再回到我们文章开头的问题怎么正确地随机排序呢 随机排序方法 我们先把问题简化一下如果只随机选择1个word值可以怎么做呢思路上是这样的 取得这个表的主键id的最大值M和最小值N; 用随机函数生成一个最大值到最小值之间的数 X (M-N)*rand() N; 取不小于X的第一个ID的行。 我们把这个算法暂时称作随机算法1。这里我直接给你贴一下执行语句的序列: mysql select max(id),min(id) into M,N from t ;
set X floor((M-N1)*rand() N);
select * from t where id X limit 1; 这个方法效率很高因为取max(id)和min(id)都是不需要扫描索引的而第三步的select也可以用索引快速定位可以认为就只扫描了3行。但实际上这个算法本身并不严格满足题目的随机要求因为ID中间可能有空洞因此选择不同行的概率不一样不是真正的随机。 比如你有4个id分别是1、2、4、5如果按照上面的方法那么取到 id4的这一行的概率是取得其他行概率的两倍。 如果这四行的id分别是1、2、40000、40001呢这个算法基本就能当bug来看待了。 所以为了得到严格随机的结果你可以用下面这个流程: 取得整个表的行数并记为C。 取得 Y floor(C * rand())。 floor函数在这里的作用就是取整数部分。 再用limit Y,1 取得一行。 我们把这个算法称为随机算法2。下面这段代码就是上面流程的执行语句的序列。 mysql select count(*) into C from t;
set Y floor(C * rand());
set sql concat(select * from t limit , Y, ,1);
prepare stmt from sql;
execute stmt;
DEALLOCATE prepare stmt;由于limit 后面的参数不能直接跟变量所以我在上面的代码中使用了prepareexecute的方法。你也可以把拼接SQL语句的方法写在应用程序中会更简单些。 这个随机算法2解决了算法1里面明显的概率不均匀问题。 MySQL处理limit Y,1 的做法就是按顺序一个一个地读出来丢掉前Y个然后把下一个记录作为返回结果因此这一步需要扫描Y1行。再加上第一步扫描的C行总共需要扫描CY1行执行代价比随机算法1的代价要高。 当然随机算法2跟直接order by rand()比起来执行代价还是小很多的。 你可能问了如果按照这个表有10000行来计算的话C10000要是随机到比较大的Y值那扫描行数也跟20000差不多了接近order by rand()的扫描行数为什么说随机算法2的代价要小很多呢我就把这个问题留给你去课后思考吧。 现在我们再看看如果我们按照随机算法2的思路要随机取3个word值呢你可以这么做 取得整个表的行数记为C 根据相同的随机方法得到Y1、Y2、Y3 再执行三个limit Y, 1语句得到三行数据。 我们把这个算法称作随机算法3。下面这段代码就是上面流程的执行语句的序列。 mysql select count(*) into C from t;
set Y1 floor(C * rand());
set Y2 floor(C * rand());
set Y3 floor(C * rand());
select * from t limit Y11 //在应用代码里面取Y1、Y2、Y3值拼出SQL后执行 select * from t limit Y21 select * from t limit Y31 小结 今天这篇文章我是借着随机排序的需求跟你介绍了MySQL对临时表排序的执行过程。 如果你直接使用order by rand()这个语句需要Using temporary 和 Using filesort查询的执行代价往往是比较大的。所以在设计的时候你要量避开这种写法。 今天的例子里面我们不是仅仅在数据库内部解决问题还会让应用代码配合拼接SQL语句。在实际应用的过程中比较规范的用法就是尽量将业务逻辑写在业务代码中让数据库只做“读写数据”的事情。因此这类方法的应用还是比较广泛的。 最后我给你留下一个思考题吧。 上面的随机算法3的总扫描行数是 C(Y11)(Y21)(Y31)实际上它还是可以继续优化来进一步减少扫描行数的。 我的问题是如果你是这个需求的开发人员你会怎么做来减少扫描行数呢说说你的方案并说明你的方案需要的扫描行数。 你可以把你的设计和结论写在留言区里我会在下一篇文章的末尾和你讨论这个问题。感谢你的收听也欢迎你把这篇文章分享给更多的朋友一起阅读。 上期问题时间 我在上一篇文章最后留给你的问题是select * from t where city in (“杭州”, 苏州 ) order by name limit 100;这个SQL语句是否需要排序有什么方案可以避免排序 虽然有(city,name)联合索引对于单个city内部name是递增的。但是由于这条SQL语句不是要单独地查一个city的值而是同时查了杭州和 苏州 两个城市因此所有满足条件的name就不是递增的了。也就是说这条SQL语句需要排序。 那怎么避免排序呢 这里我们要用到(city,name)联合索引的特性把这一条语句拆成两条语句执行流程如下 执行select * from t where city“杭州” order by name limit 100; 这个语句是不需要排序的客户端用一个长度为100的内存数组A保存结果。 执行select * from t where city“苏州” order by name limit 100; 用相同的方法假设结果被存进了内存数组B。 现在A和B是两个有序数组然后你可以用归并排序的思想得到name最小的前100值就是我们需要的结果了。 如果把这条SQL语句里“limit 100”改成“limit 10000,100”的话处理方式其实也差不多即要把上面的两条语句改成写 select * from t where city杭州 order by name limit 10100; 和 select * from t where city苏州 order by name limit 10100。 这时候数据量较大可以同时起两个连接一行行读结果用归并排序算法拿到这两个结果集里按顺序取第10001~10100的name值就是需要的结果了。 当然这个方案有一个明显的损失就是从数据库返回给客户端的数据量变大了。 所以如果数据的单行比较大的话可以考虑把这两条SQL语句改成下面这种写法 select id,name from t where city杭州 order by name limit 10100; 和 select id,name from t where city苏州 order by name limit 10100。 然后再用归并排序的方法取得按name顺序第10001~10100的name、id的值然后拿着这100个id到数据库中去查出所有记录。 上面这些方法需要你根据性能需求和开发的复杂度做出权衡。 转载于:https://www.cnblogs.com/gaosf/p/11142166.html
