淺談MySQL排序原理與案例分析

前言

排序是數據庫中的一個基本功能，MySQL也不例外。用戶通過Order by語句即能達到將指定的結果集排序的目的，其實不僅僅是Order by語句，Group by語句，Distinct語句都會隱含使用排序。本文首先會簡單介紹SQL如何利用索引避免排序代價，然后會介紹MySQL實現排序的內部原理，并介紹與排序相關的參數，最后會給出幾個“奇怪”排序例子，來談談排序一致性問題，并說明產生現象的本質原因。

1.排序優化與索引使用

為了優化SQL語句的排序性能，最好的情況是避免排序，合理利用索引是一個不錯的方法。因為索引本身也是有序的，如果在需要排序的字段上面建立了合適的索引，那么就可以跳過排序的過程，提高SQL的查詢速度。下面我通過一些典型的SQL來說明哪些SQL可以利用索引減少排序，哪些SQL不能。假設t1表存在索引key1(key_part1,key_part2),key2(key2)

a.可以利用索引避免排序的SQL

SELECT * FROM t1 ORDER BY key_part1,key_part2;SELECT * FROM t1 WHERE key_part1 = constant ORDER BY key_part2;SELECT * FROM t1 WHERE key_part1 > constant ORDER BY key_part1 ASC;SELECT * FROM t1 WHERE key_part1 = constant1 AND key_part2 > constant2 ORDER BY key_part2;

b.不能利用索引避免排序的SQL

//排序字段在多個索引中，無法使用索引排序SELECT * FROM t1 ORDER BY key_part1,key_part2, key2; //排序鍵順序與索引中列順序不一致，無法使用索引排序SELECT * FROM t1 ORDER BY key_part2, key_part1; //升降序不一致，無法使用索引排序SELECT * FROM t1 ORDER BY key_part1 DESC, key_part2 ASC; //key_part1是范圍查詢，key_part2無法使用索引排序SELECT * FROM t1 WHERE key_part1> constant ORDER BY key_part2;

2.排序實現的算法

對于不能利用索引避免排序的SQL，數據庫不得不自己實現排序功能以滿足用戶需求，此時SQL的執行計劃中會出現“Using filesort”，這里需要注意的是filesort并不意味著就是文件排序，其實也有可能是內存排序，這個主要由sort_buffer_size參數與結果集大小確定。MySQL內部實現排序主要有3種方式，常規排序，優化排序和優先隊列排序，主要涉及3種排序算法：快速排序、歸并排序和堆排序。假設表結構和SQL語句如下：

CREATE TABLE t1(id int, col1 varchar(64), col2 varchar(64), col3 varchar(64), PRIMARY KEY(id),key(col1,col2));SELECT col1,col2,col3 FROM t1 WHERE col1>100 ORDER BY col2;

a.常規排序
(1).從表t1中獲取滿足WHERE條件的記錄
(2).對于每條記錄，將記錄的主鍵+排序鍵(id,col2)取出放入sort buffer
(3).如果sort buffer可以存放所有滿足條件的(id,col2)對，則進行排序；否則sort buffer滿后，進行排序并固化到臨時文件中。(排序算法采用的是快速排序算法)
(4).若排序中產生了臨時文件，需要利用歸并排序算法，保證臨時文件中記錄是有序的
(5).循環執行上述過程，直到所有滿足條件的記錄全部參與排序
(6).掃描排好序的(id,col2)對，并利用id去撈取SELECT需要返回的列(col1,col2,col3)
(7).將獲取的結果集返回給用戶。
從上述流程來看，是否使用文件排序主要看sort buffer是否能容下需要排序的(id,col2)對，這個buffer的大小由sort_buffer_size參數控制。此外一次排序需要兩次IO，一次是撈(id,col2),第二次是撈(col1,col2,col3)，由于返回的結果集是按col2排序，因此id是亂序的，通過亂序的id去撈(col1,col2,col3)時會產生大量的隨機IO。對于第二次MySQL本身一個優化，即在撈之前首先將id排序，并放入緩沖區，這個緩存區大小由參數read_rnd_buffer_size控制，然后有序去撈記錄，將隨機IO轉為順序IO。
b.優化排序
常規排序方式除了排序本身，還需要額外兩次IO。優化的排序方式相對于常規排序，減少了第二次IO。主要區別在于，放入sort buffer不是(id,col2),而是(col1,col2,col3)。由于sort buffer中包含了查詢需要的所有字段，因此排序完成后可以直接返回，無需二次撈數據。這種方式的代價在于，同樣大小的sort buffer，能存放的(col1,col2,col3)數目要小于(id,col2)，如果sort buffer不夠大，可能導致需要寫臨時文件，造成額外的IO。當然MySQL提供了參數max_length_for_sort_data，只有當排序元組小于max_length_for_sort_data時，才能利用優化排序方式，否則只能用常規排序方式。
c.優先隊列排序
為了得到最終的排序結果，無論怎樣，我們都需要將所有滿足條件的記錄進行排序才能返回。那么相對于優化排序方式，是否還有優化空間呢？5.6版本針對Order by limit M，N語句，在空間層面做了優化，加入了一種新的排序方式--優先隊列，這種方式采用堆排序實現。堆排序算法特征正好可以解limit M，N 這類排序的問題，雖然仍然需要所有元素參與排序，但是只需要M+N個元組的sort buffer空間即可，對于M，N很小的場景，基本不會因為sort buffer不夠而導致需要臨時文件進行歸并排序的問題。對于升序，采用大頂堆，最終堆中的元素組成了最小的N個元素，對于降序，采用小頂堆，最終堆中的元素組成了最大的N的元素。

3.排序不一致問題

案例1

Mysql從5.5遷移到5.6以后，發現分頁出現了重復值。
測試表與數據：

create table t1(id int primary key, c1 int, c2 varchar(128));insert into t1 values(1,1,'a');insert into t1 values(2,2,'b');insert into t1 values(3,2,'c');insert into t1 values(4,2,'d');insert into t1 values(5,3,'e');insert into t1 values(6,4,'f');insert into t1 values(7,5,'g');

假設每頁3條記錄，第一頁limit 0,3和第二頁limit 3,3查詢結果如下：

MySQL,排序原理

我們可以看到 id為4的這條記錄居然同時出現在兩次查詢中，這明顯是不符合預期的，而且在5.5版本中沒有這個問題。產生這個現象的原因就是5.6針對limit M,N的語句采用了優先隊列，而優先隊列采用堆實現，比如上述的例子order by c1 asc limit 0，3 需要采用大小為3的大頂堆；limit 3，3需要采用大小為6的大頂堆。由于c1為2的記錄有3條，而堆排序是非穩定的(對于相同的key值，無法保證排序后與排序前的位置一致)，所以導致分頁重復的現象。為了避免這個問題，我們可以在排序中加上唯一值，比如主鍵id，這樣由于id是唯一的，確保參與排序的key值不相同。將SQL寫成如下：

select * from t1 order by c1,id asc limit 0,3;select * from t1 order by c1,id asc limit 3,3;

案例2

兩個類似的查詢語句，除了返回列不同，其它都相同，但排序的結果不一致。
測試表與數據：

create table t2(id int primary key, status int, c1 varchar(255),c2 varchar(255),c3 varchar(255),key(c1));insert into t2 values(7,1,'a',repeat('a',255),repeat('a',255));insert into t2 values(6,2,'b',repeat('a',255),repeat('a',255));insert into t2 values(5,2,'c',repeat('a',255),repeat('a',255));insert into t2 values(4,2,'a',repeat('a',255),repeat('a',255));insert into t2 values(3,3,'b',repeat('a',255),repeat('a',255));insert into t2 values(2,4,'c',repeat('a',255),repeat('a',255));insert into t2 values(1,5,'a',repeat('a',255),repeat('a',255));

分別執行SQL語句：

select id,status,c1,c2 from t2 force index(c1) where c1>='b' order by status;select id,status from t2 force index(c1) where c1>='b' order by status;

執行結果如下：

MySQL,排序原理

看看兩者的執行計劃是否相同

MySQL,排序原理

為了說明問題，我在語句中加了force index的hint，確保能走上c1列索引。語句通過c1列索引撈取id，然后去表中撈取返回的列。根據c1列值的大小，記錄在c1索引中的相對位置如下：

(c1,id)===(b,6),(b,3),(5,c),(c,2)，對應的status值分別為2 3 2 4。從表中撈取數據并按status排序，則相對位置變為(6,2,b),(5,2,c),(3,3,c),(2,4,c)，這就是第二條語句查詢返回的結果，那么為什么第一條查詢語句(6,2,b),(5,2,c)是調換順序的呢？這里要看我之前提到的a.常規排序和b.優化排序中標紅的部分，就可以明白原因了。由于第一條查詢返回的列的字節數超過了max_length_for_sort_data，導致排序采用的是常規排序，而在這種情況下MYSQL將rowid排序，將隨機IO轉為順序IO，所以返回的是5在前，6在后；而第二條查詢采用的是優化排序，沒有第二次撈取數據的過程，保持了排序后記錄的相對位置。對于第一條語句，若想采用優化排序，我們將max_length_for_sort_data設置調大即可，比如2048。

MySQL,排序原理

下面是本人關于mysql 自定義排序（field，INSTR，locate）的一點心得，希望對大家有所幫助
首先說明這里有三個函數（order by field，ORDER BY INSTR，ORDER BY locate）

原表：

 id user pass aaa aaa bbb bbb ccc ccc ddd ddd eee eee fff fff

下面是我執行后的結果：

SELECT * FROM `user` order by field(2,3,5,4,id) asc

id user pass aaa aaa ccc ccc ddd ddd eee eee fff fff bbb bbb

根據結果分析：order by field(2,3,5,4,1,6) 結果顯示順序為：1 3 4 5 6 2

SELECT * FROM `user` order by field(2,3,5,4,id) desc

id user pass bbb bbb aaa aaa ccc ccc ddd ddd eee eee fff fff

根據結果分析：order by field(2,3,5,4,1,6) 結果顯示順序為：2 1 3 4 5 6

SELECT * FROM `user` ORDER BY INSTR( '2,3,5,4', id ) ASC

id user pass aaa aaa fff fff bbb bbb ccc ccc eee eee ddd ddd

根據結果分析：order by INSTR(2,3,5,4,1,6) 結果顯示順序為：1 6 2 3 5 4

SELECT * FROM `user` ORDER BY INSTR( '2,3,5,4', id ) DESC

id user pass ddd ddd eee eee ccc ccc bbb bbb aaa aaa fff fff

根據結果分析：order by INSTR(2,3,5,4,1,6) 結果顯示順序為：4 5 3 2 1 6

SELECT * FROM `user` ORDER BY locate( id, '2,3,5,4' ) ASC

id user pass

aaa aaa fff fff bbb bbb ccc ccc eee eee ddd ddd

根據結果分析：order by locate(2,3,5,4,1,6) 結果顯示順序為：1 6 2 3 5 4

SELECT * FROM `user` ORDER BY locate( id, '2,3,5,4' ) DESC

 id user pass ddd ddd eee eee ccc ccc bbb bbb aaa aaa fff fff

根據結果分析：order by locate(2,3,5,4,1,6) 結果顯示順序為：4 5 3 2 1 6
如我想要查找的數據庫中的ID順序首先是（2,3,5,4）然后在是其它的ID順序，你首先要把他降序排即（4 5 3 2），然后在 SELECT * FROM `user` ORDER BY INSTR( '4,5,3,2', id ) DESC limit 0,10 或用 SELECT * FROM `user` ORDER BY locate( id, '4,5,3,2' ) DESC 就得到你想要的結果了。

 id user pass bbb bbb ccc ccc eee eee ddd ddd aaa aaa fff fff