看一遍就理解：order by 詳解

前言

日常開發中，我們經常會使用到 order by，親愛的小夥伴，你是否知道 order by 的工作原理呢？order by 的優化思路是怎樣的呢？使用 order by 有哪些注意的問題呢？本文將跟大家一起來學習，攻克 order by~

一個使用 order by 的簡單例子

假設用一張員工表，表結構如下：

CREATE TABLE `staff` (
`id` BIGINT ( 11 ) AUTO_INCREMENT COMMENT '主鍵id',
`id_card` VARCHAR ( 20 ) NOT NULL COMMENT '身份證號碼',
`name` VARCHAR ( 64 ) NOT NULL COMMENT '姓名',
`age` INT ( 4 ) NOT NULL COMMENT '年齡',
`city` VARCHAR ( 64 ) NOT NULL COMMENT '城市',
PRIMARY KEY ( `id`),
INDEX idx_city ( `city` )
) ENGINE = INNODB COMMENT '員工表';

表數據如下：

我們現在有這麼一個需求：查詢前 10 個，來自深圳員工的姓名、年齡、城市，並且按照年齡小到大排序。對應的 SQL 語句就可以這麼寫：

select name,age,city from staff where city = '深圳' order by age limit 10;

這條語句的邏輯很清楚，但是它的底層執行流程是怎樣的呢？

order by 工作原理

explain 執行計劃

我們先用 Explain 關鍵字查看一下執行計劃

執行計劃的 key 這個字段，表示使用到索引 idx_city
Extra 這個字段的 Using index condition 表示索引條件
Extra 這個字段的 Using filesort 表示用到排序

我們可以發現，這條 SQL 使用到了索引，並且也用到排序。那麼它是怎麼排序的呢？

全字段排序

MySQL 會給每個查詢線程分配一塊小內存，用於排序的，稱爲 sort_buffer。什麼時候把字段放進去排序呢，其實是通過idx_city索引找到對應的數據，才把數據放進去啦。

我們回顧下索引是怎麼找到匹配的數據的，現在先把索引樹畫出來吧，idx_city 索引樹如下：

idx_city 索引樹，葉子節點存儲的是主鍵 id。還有一棵 id 主鍵聚族索引樹，我們再畫出聚族索引樹圖吧：

我們的查詢語句是怎麼找到匹配數據的呢？先通過 idx_city 索引樹，找到對應的主鍵 id，然後再通過拿到的主鍵 id，搜索 id 主鍵索引樹，找到對應的行數據。

加上 order by 之後，整體的執行流程就是：

MySQL 爲對應的線程初始化 sort_buffer，放入需要查詢的 name、age、city 字段；
從索引樹 idx_city，找到第一個滿足 city='深圳’條件的主鍵 id，也就是圖中的 id=9；
到主鍵 id 索引樹拿到 id=9 的這一行數據，取 name、age、city 三個字段的值，存到 sort_buffer；
從索引樹 idx_city 拿到下一個記錄的主鍵 id，即圖中的 id=13；
重複步驟 3、4 直到 city 的值不等於深圳爲止；
前面 5 步已經查找到了所有 city 爲深圳的數據，在 sort_buffer 中，將所有數據根據 age 進行排序；
按照排序結果取前 10 行返回給客戶端。

執行示意圖如下：

將查詢所需的字段全部讀取到 sort_buffer 中，就是全字段排序。這裏面，有些小夥伴可能會有個疑問, 把查詢的所有字段都放到 sort_buffer，而 sort_buffer 是一塊內存來的，如果數據量太大，sort_buffer 放不下怎麼辦呢？

磁盤臨時文件輔助排序

實際上，sort_buffer 的大小是由一個參數控制的：sort_buffer_size。如果要排序的數據小於 sort_buffer_size，排序在 sort_buffer 內存中完成，如果要排序的數據大於 sort_buffer_size，則藉助磁盤文件來進行排序

如何確定是否使用了磁盤文件來進行排序呢？可以使用以下這幾個命令

## 打開optimizer_trace，開啓統計
set optimizer_trace = "enabled=on";
## 執行SQL語句
select name,age,city from staff where city = '深圳' order by age limit 10;
## 查詢輸出的統計信息
select * from information_schema.optimizer_trace

可以從 number_of_tmp_files 中看出，是否使用了臨時文件。

number_of_tmp_files 表示使用來排序的磁盤臨時文件數。如果 number_of_tmp_files>0，則表示使用了磁盤文件來進行排序。

使用了磁盤臨時文件，整個排序過程又是怎樣的呢？

從主鍵 Id 索引樹，拿到需要的數據，並放到 sort_buffer 內存塊中。當 sort_buffer 快要滿時，就對 sort_buffer 中的數據排序，排完後，把數據臨時放到磁盤一個小文件中。
繼續回到主鍵 id 索引樹取數據，繼續放到 sort_buffer 內存中，排序後，也把這些數據寫入到磁盤臨時小文件中。
繼續循環，直到取出所有滿足條件的數據。最後把磁盤的臨時排好序的小文件，合併成一個有序的大文件。

TPS: 藉助磁盤臨時小文件排序，實際上使用的是歸併排序算法。

小夥伴們可能會有個疑問，既然 sort_buffer 放不下，就需要用到臨時磁盤文件，這會影響排序效率。那爲什麼還要把排序不相關的字段（name，city）放到 sort_buffer 中呢？只放排序相關的 age 字段，它不香嗎？可以瞭解下 rowid 排序。

rowid 排序

rowid 排序就是，只把查詢 SQL 需要用於排序的字段和主鍵 id，放到 sort_buffer 中。那怎麼確定走的是全字段排序還是 rowid 排序排序呢？

實際上有個參數控制的。這個參數就是 max_length_for_sort_data，它表示 MySQL 用於排序行數據的長度的一個參數，如果單行的長度超過這個值，MySQL 就認爲單行太大，就換 rowid 排序。我們可以通過命令看下這個參數取值。

show variables like 'max_length_for_sort_data';

max_length_for_sort_data 默認值是 1024。因爲本文示例中 name,age,city 長度 = 64+4+64 =132 < 1024, 所以走的是全字段排序。我們來改下這個參數，改小一點，

## 修改排序數據最大單行長度爲32
set max_length_for_sort_data = 32;
## 執行查詢SQL
select name,age,city from staff where city = '深圳' order by age limit 10;

使用 rowid 排序的話，整個 SQL 執行流程又是怎樣的呢？

MySQL 爲對應的線程初始化 sort_buffer，放入需要排序的 age 字段，以及主鍵 id；
從索引樹 idx_city，找到第一個滿足 city='深圳’條件的主鍵 id，也就是圖中的 id=9；
到主鍵 id 索引樹拿到 id=9 的這一行數據，取 age 和主鍵 id 的值，存到 sort_buffer；
從索引樹 idx_city 拿到下一個記錄的主鍵 id，即圖中的 id=13；
重複步驟 3、4 直到 city 的值不等於深圳爲止；
前面 5 步已經查找到了所有 city 爲深圳的數據，在 sort_buffer 中，將所有數據根據 age 進行排序；
遍歷排序結果，取前 10 行，並按照 id 的值回到原表中，取出 city、name 和 age 三個字段返回給客戶端。

執行示意圖如下：

對比一下全字段排序的流程，rowid 排序多了一次回表。

★

什麼是回表？拿到主鍵再回到主鍵索引查詢的過程，就叫做回表

”

我們通過 optimizer_trace，可以看到是否使用了 rowid 排序的：

## 打開optimizer_trace，開啓統計
set optimizer_trace = "enabled=on";
## 執行SQL語句
select name,age,city from staff where city = '深圳' order by age limit 10;
## 查詢輸出的統計信息
select * from information_schema.optimizer_trace

全字段排序與 rowid 排序對比

全字段排序：sort_buffer 內存不夠的話，就需要用到磁盤臨時文件，造成磁盤訪問。
rowid 排序：sort_buffer 可以放更多數據，但是需要再回到原表去取數據，比全字段排序多一次回表。

一般情況下，對於 InnoDB 存儲引擎，會優先使用全字段排序。可以發現 max_length_for_sort_data 參數設置爲 1024，這個數比較大的。一般情況下，排序字段不會超過這個值，也就是都會走全字段排序。

order by 的一些優化思路

我們如何優化 order by 語句呢？

因爲數據是無序的，所以就需要排序。如果數據本身是有序的，那就不用排了。而索引數據本身是有序的，我們通過建立聯合索引，優化 order by 語句。
我們還可以通過調整 max_length_for_sort_data 等參數優化；

聯合索引優化

再回顧下示例 SQL 的查詢計劃

explain select name,age,city from staff where city = '深圳' order by age limit 10;

我們給查詢條件city和排序字段age，加個聯合索引 idx_city_age。再去查看執行計劃

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;

可以發現，加上 idx_city_age 聯合索引，就不需要 Using filesort 排序了。爲什麼呢？因爲索引本身是有序的，我們可以看下 idx_city_age 聯合索引示意圖，如下：

整個 SQL 執行流程變成醬紫：

從索引 idx_city_age 找到滿足 city='深圳’ 的主鍵 id
到主鍵 id 索引取出整行，拿到 name、city、age 三個字段的值，作爲結果集的一部分直接返回
從索引 idx_city_age 取下一個記錄主鍵 id
重複步驟 2、3，直到查到第 10 條記錄，或者是不滿足 city='深圳’ 條件時循環結束。

流程示意圖如下：

從示意圖看來，還是有一次回表操作。針對本次示例，有沒有更高效的方案呢？有的，可以使用覆蓋索引：

★

覆蓋索引：在查詢的數據列裏面，不需要回表去查，直接從索引列就能取到想要的結果。換句話說，你 SQL 用到的索引列數據，覆蓋了查詢結果的列，就算上覆蓋索引了。

”

我們給 city，name，age 組成一個聯合索引，即可用到了覆蓋索引，這時候 SQL 執行時，連回表操作都可以省去啦。

調整參數優化

我們還可以通過調整參數，去優化 order by 的執行。比如可以調整 sort_buffer_size 的值。因爲 sort_buffer 值太小，數據量大的話，會藉助磁盤臨時文件排序。如果 MySQL 服務器配置高的話，可以使用稍微調整大點。

我們還可以調整 max_length_for_sort_data 的值，這個值太小的話，order by 會走 rowid 排序，會回表，降低查詢性能。所以 max_length_for_sort_data 可以適當大一點。

當然，很多時候，這些 MySQL 參數值，我們直接採用默認值就可以了。

使用 order by 的一些注意點

沒有 where 條件，order by 字段需要加索引嗎

日常開發過程中，我們可能會遇到沒有 where 條件的 order by，那麼，這時候 order by 後面的字段是否需要加索引呢。如有這麼一個 SQL，create_time 是否需要加索引：

select * from A order by create_time;

無條件查詢的話，即使 create_time 上有索引, 也不會使用到。因爲 MySQL 優化器認爲走普通二級索引，再去回表成本比全表掃描排序更高。所以選擇走全表掃描, 然後根據全字段排序或者 rowid 排序來進行。

如果查詢 SQL 修改一下：

select * from A order by create_time limit m;

無條件查詢, 如果 m 值較小, 是可以走索引的. 因爲 MySQL 優化器認爲，根據索引有序性去回表查數據, 然後得到 m 條數據, 就可以終止循環, 那麼成本比全表掃描小, 則選擇走二級索引。

分頁 limit 過大時，會導致大量排序怎麼辦?

假設 SQL 如下：

select * from A order by a limit 100000,10

可以記錄上一頁最後的 id，下一頁查詢時，查詢條件帶上 id，如：where id > 上一頁最後 id limit 10。
也可以在業務允許的情況下，限制頁數。

索引存儲順序與 order by 不一致，如何優化？

假設有聯合索引 idx_age_name, 我們需求修改爲這樣：查詢前 10 個員工的姓名、年齡，並且按照年齡小到大排序，如果年齡相同，則按姓名降序排。對應的 SQL 語句就可以這麼寫：

select name,age from staff  order by age ,name desc limit 10;

我們看下執行計劃，發現使用到 Using filesort。

這是因爲，idx_age_name 索引樹中，age 從小到大排序，如果 age 相同，再按 name 從小到大排序。而 order by 中，是按 age 從小到大排序，如果 age 相同，再按 name 從大到小排序。也就是說，索引存儲順序與 order by 不一致。

我們怎麼優化呢？如果 MySQL 是 8.0 版本，支持 Descending Indexes，可以這樣修改索引：

CREATE TABLE `staff` (
  `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '主鍵id',
  `id_card` varchar(20) NOT NULL COMMENT '身份證號碼',
  `name` varchar(64) NOT NULL COMMENT '姓名',
  `age` int(4) NOT NULL COMMENT '年齡',
  `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='員工表';

使用了 in 條件多個屬性時，SQL 執行是否有排序過程

如果我們有聯合索引 idx_city_name，執行這個 SQL 的話，是不會走排序過程的，如下：

select * from staff where city in ('深圳') order by age limit 10;

但是，如果使用 in 條件，並且有多個條件時，就會有排序過程。

 explain select * from staff where city in ('深圳','上海') order by age limit 10;

這是因爲: in 有兩個條件，在滿足深圳時，age 是排好序的，但是把滿足上海的 age 也加進來，就不能保證滿足所有的 age 都是排好序的。因此需要 Using filesort。

參考與感謝

MySQL 實戰 45 講

推薦關注「數據分析與開發」，提升數據技能

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/_Cnfy9uKvBg2IWUchbrSNg

前言