• 某、人 置顶
    2018-12-20
    回答下@发条橙子同学的问题:
    问题一:
    1)无条件查询如果只有order by create_time,即便create_time上有索引,也不会使用到。
    因为优化器认为走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,然后根据老师讲的两种方式选择一种来排序
    2)无条件查询但是是order by create_time limit m.如果m值较小,是可以走索引的.
    因为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。
    即便没有二级索引,mysql针对order by limit也做了优化,采用堆排序。这部分老师明天会讲

    问题二:
    如果是group by a,a上不能使用索引的情况,是走rowid排序。
    如果是group by limit,不能使用索引的情况,是走堆排序
    如果是只有group by a,a上有索引的情况,又根据选取值不同,索引的扫描方式又有不同
    select * from t group by a --走的是索引全扫描,至于这里为什么选择走索引全扫描,还需要老师解惑下
    select a from t group by a --走的是索引松散扫描,也就说只需要扫描每组的第一行数据即可,不用扫描每一行的值

    问题三:
    bigint和int加数字都不影响能存储的值。
    bigint(1)和bigint(19)都能存储2^64-1范围内的值,int是2^32-1。只是有些前端会根据括号里来截取显示而已。建议不加varchar()就必须带,因为varchar()括号里的数字代表能存多少字符。假设varchar(2),就只能存两个字符,不管是中文还是英文。目前来看varchar()这个值可以设得稍稍大点,因为内存是按照实际的大小来分配内存空间的,不是按照值来预分配的。

    老师我有几个问题:
    1.我还是想在确认之前问的问题。一个长连接,一条sql申请了sort_buffer_size等一系列的会话级别的内存,sql成功执行完,该连接变为sleep状态。这些内存只是内容会被情况,但是占用的内存空间不会释放?
    2.假设要给a值加1,执行器先找引擎取a=1的行,然后执行器给a+1,在调用接口写入a+1了数据。那么加锁不应该是在执行器第一次去取数据时,引擎层就加该加的锁?为什么要等到第二次调用写入数据时,才加锁。第一次和第二次之间,难道不会被其他事务修改吗?如果没有锁保证
    3.始终没太明白堆排序是采用的什么算法使得只需要对limit的数据进行排序就可以,而不是排序所有的数据在取前m条。--不过这里期待明天的文章
    展开

    作者回复: 发条橙子同学的问题:
    问题1:你回答得比我回复的答案还好!👍🏿
    问题2:这个后面我们展开哈,要配图才能说得清😄
    问题3:回答得也很好,需要注意的是255这个边界。小于255都需要一个字节记录长度,超过255就需要两个字节

    你的问题:#好问题_#
    1. 排序相关的内存在排序后就free掉还给系统了
    2. 读的时候加了写锁的
    3. 堆排序要读所有行的,只读一次,我估计你已经理解对了😄

     2
     72
  • XD 置顶
    2019-02-27
    老师,基于早上知道的sort_buffer是在server层,我重新理解了下rowid排序的过程,
    1,执行器查看表定义,发现name、city、age字段的长度之和超过max_length_for_sort_data,所以初始化sort_buffer的时候只放入id和name字段。
    2,执行器调用存储引擎的读数据接口,依次获取满足条件的数据的id和name,存入sort_buffer。
    3,排序。
    4,执行器根据limit条件筛选出id,再次调用引擎读数据的接口获取相应的数据,返回客户端。
    整个过程实际上是被执行器拆成了两次查询,共调用两次存储层的读数据接口,所以总的扫描行数需要相加。(@b-@a=5000)

    但是对于using index condition的场景,执行器只调用了一次查询接口,回表是由存储层来完成的,所以扫描行数只算一次,即只算走索引搜索的过程中扫描的行数。(@b-@a只会是4000)

    不知道这么理解对不对?
    展开

    作者回复:
    不仅对,而且非常好!👍👍

    把两个知识点连起来了。是的:
    1. rows_examined就是“server层调用引擎取一行的时候”加1;
    2. 引擎内部自己调用,读取行,不加1;

    再补充一个例子:
    加索引的时候,也要扫描全表,但如果是inplace DDL(@第13篇),你会看到扫描行数是0,也是因为这些扫描动作都是引擎内部自己调用的。

    
     35
  • didiren 置顶
    2018-12-19
    刚才又测了一下,在binlog-row-image=full的情况下,第二次update是不写redolog的,说明update并没有发生
    这样我就理解了,当full时,mysql需要读到在更新时读到a值,所以会判断a值不变,不需要更新,与你给出的update t set a=3 where id=1 and a=3原理相同,但binlog-row-image会影响查询结果还是会让人吃一惊

    作者回复: 是的。

    这个我也盲点了。

    但是细想MySQL 选择这个策略又是合理的。

    我需要再更新一下专栏内容

     4
     19
  • null 置顶
    2018-12-21
    re: 问题3:回答得也很好,需要注意的是255这个边界。小于255都需要一个字节记录长度,超过255就需要两个字节

    11 月过数据库设计方案,总监现场抛了一个问题,就是关于 varchar 255 的。现在回看,木有人回答到点上,都说是历史原因。
    下回再问,就可以分享这一点了。ꉂ ೭(˵¯̴͒ꇴ¯̴͒˵)౨”哇哈哈~

    作者回复: 最怕的回答“历史原因”、“大家都这么做的所以…”、“别人要求的” 😄

     1
     13
  • 老杨同志
    2018-12-19
    1)
    mysql> select * from t where city in ('杭州'," 苏州 ") order by name limit 100;
    需要排序
    原因是索引顺序城市、名称 与 单独按name排序的顺序不一致。

    2)如果不想mysql排序
    方案a
    可以执行两条语句
    select * from t where city = '杭州' limit 100;
    select * from t where city = '苏州' limit 100;
    然后把200条记录在java中排序。
    方案b
    分别取前100,然后在数据端对200条数据进行排序。可以sort buffer就可以完成排序了。
    少了一次应用程序与数据库的网络交互
    select * from (
        select * from t where city = '杭州' limit 100
        union all
      select * from t where city = '苏州' limit 100
    ) as tt order by name limit 100


    3)对分页的优化。
      没有特别好的办法。如果业务允许不提供排序功能,不提供查询最后一页,只能一页一页的翻,基本上前几页的数据已经满足客户需求。
      为了意义不大的功能优化,可能会得不偿失。
      如果一定要优化可以 select id from t where city in ('杭州'," 苏州 ") order by name limit 10000,100
      因为有city\name索引,上面的语句走覆盖索引就可以完成,不用回表。
      最后使用 select * from t where id in (); 取得结果
      对于这个优化方法,我不好确定的是临界点,前几页直接查询就可以,最后几页使用这个优化方法。
      但是中间的页码应该怎么选择不太清楚
      
    展开

    作者回复: 从业务上砍掉功能,这个意识很好👌👍🏿

     1
     34
  • 波波
    2018-12-19
    笔记:
    1.MySQL会为每个线程分配一个内存(sort_buffer)用于排序该内存大小为sort_buffer_size
      1>如果排序的数据量小于sort_buffer_size,排序将会在内存中完成
      2>如果排序数据量很大,内存中无法存下这么多数据,则会使用磁盘临时文件来辅助排序,也称外部排序
      3>在使用外部排序时,MySQL会分成好几份单独的临时文件用来存放排序后的数据,然后在将这些文件合并成一个大文件


    2.mysql会通过遍历索引将满足条件的数据读取到sort_buffer,并且按照排序字段进行快速排序
        1>如果查询的字段不包含在辅助索引中,需要按照辅助索引记录的主键返回聚集索引取出所需字段
          2>该方式会造成随机IO,在MySQL5.6提供了MRR的机制,会将辅助索引匹配记录的主键取出来在内存中进行排序,然后在回表
         3>按照情况建立联合索引来避免排序所带来的性能损耗,允许的情况下也可以建立覆盖索引来避免回表

    全字段排序
    1.通过索引将所需的字段全部读取到sort_buffer中
    2.按照排序字段进行排序
    3.将结果集返回给客户端


    缺点:
    1.造成sort_buffer中存放不下很多数据,因为除了排序字段还存放其他字段,对sort_buffer的利用效率不高
    2.当所需排序数据量很大时,会有很多的临时文件,排序性能也会很差

    优点:MySQL认为内存足够大时会优先选择全字段排序,因为这种方式比rowid 排序避免了一次回表操作


    rowid排序
    1.通过控制排序的行数据的长度来让sort_buffer中尽可能多的存放数据,max_length_for_sort_data
    2.只将需要排序的字段和主键读取到sort_buffer中,并按照排序字段进行排序
    3.按照排序后的顺序,取id进行回表取出想要获取的数据
    4.将结果集返回给客户端

    优点:更好的利用内存的sort_buffer进行排序操作,尽量减少对磁盘的访问

    缺点:回表的操作是随机IO,会造成大量的随机读,不一定就比全字段排序减少对磁盘的访问


    3.按照排序的结果返回客户所取行数
    展开

    作者回复: 👍🏿

    
     24
  • 看不到de颜色
    2019-02-02
    关于上期问题里的最后一个例子不太明白,还请老师指点一下。按说在更新操作的时候应该是当前读,那么应该能读到id=1 and a = 3的记录并修改。那么为什么再select还会查到a = 2。难道是即便update但是where条件也是快照读?但是如果这样那么幻读的问题不就不会存在了吗?(B insert了一条记录,此时A范围update后再select会把B insert的语句查出来)

    作者回复: 你是说图14这里对吧,
    这里update语句自己是当前读,但是它没有更新数据;
    所以之后的查询还是看不到(1,3)这个版本。

    好问题👍

     1
     10
  • 发条橙子 。
    2018-12-20
    老师 , 接前面 create_time的回答 。 语句确实是 select * from t order by create_time desc ;

    老师是指 优化器会根据 order by create_time 来选择使用 create_time 索引么

    我之前误以为优化器是根据 where 后面的字段条件来选择索引 ,所以上面那条语句没有where 的时候我就想当然地以为不会走索引 。 看来是自己跳进了一个大坑里面 😅

    另 : 我之前在本地建了张表加了20w数据 ,用explain 查了一次 ,发现走的是全表没有走索引, 老师说会走索引。我想了一下, 可能是统计的数据有误的缘故,用 analyze table重新统计 ,再次查询果然走了索引 。😁
    展开

    作者回复: 嗯 where和 order都会共同影响哦,今天这篇你要再看看最后加了联合索引以后,语句的执行逻辑


    Analyze table 立功啦😄

     1
     10
  • 胡楚坚
    2019-02-21
    不好意思,上个留言没打完。
    问题一,在跟max_length_for_sort_data坐比较时,mysql是怎么判断一行数据的大小的?是直接根据表定义字段的大小吗?

    问题二,另外这‘一行’的含义是整行数据,还是单单最终引擎层需要返回的字段(即select字段+where字段+order by字段)?

    麻烦老师有空解答下,谢谢哈
    展开

    作者回复: 1. 需要的字段的定义大小的和
    2. 好问题。首先取决于使用的算法。
      a) 如果是全字段排序就是select字段+where字段+order by字段,
      b) 如果是row_id排序,就是order by字段+row_id

    
     6
  • didiren
    2018-12-19
    感谢!针对我之前提出的疑问,我又详细的做了实验,发现一个新的问题,我感觉是个bug,希望解答
    # SessionA
    mysql> show variables like '%binlog_row_image%';
    | Variable_name | Value |
    | binlog_row_image | FULL |
    mysql> create table t (id int not null primary key auto_increment,
        -> a int default null)
        -> engine=innodb;
    mysql> insert into t values(1,2);
    mysql> set tx_isolation = 'repeatable-read';
    mysql> begin;
    mysql> select * from t where id = 1;
    | id | a |
    | 1 | 2 |
    此时在另一个SessionB执行update t set a=3 where id = 1;成功更新一条记录。通过show engine innodb status看,Log sequence number 2573458
    然后在SessionA继续。。
    mysql> update t set a=3 where id = 1;
    Rows matched: 1 Changed: 0 Warnings: 0
    Log sequence number 2573467
    mysql> select * from t where id = 1;
    | id | a |
    | 1 | 2 |

    这里与你给出的答案里的实验结果不同
    可以看到redolog是记录了第二次的update的,但是select却没有看到更新后的值,于是我又换了一个平时测试用的实例,同样的步骤却得到了与你的答案相同的结果
    然后我对比了2个实例的参数,发现当binlog-row-image=minimal时第二次查询结果a=3,当binlog-row-image=full时第二次查询结果a=2,而且不论哪个参数,redolog都会因为SessionA的update增长,说明redolog都做了记录,update是发生了的,但是binlog-row-image参数会影响查询结果,难以理解,我用的mysql版本是官方的5.7.13

    下面是binlog-row-image = minimal的实验结果
    mysql> set binlog_row_image=MINIMAL;
    mysql> drop table t;
    mysql> create table t (id int not null primary key auto_increment,
        -> a int default null)
        -> engine=innodb;
    insert into t values(1,2);
    mysql> insert into t values(1,2);
    mysql> set tx_isolation = 'repeatable-read';
    mysql> begin;
    mysql> select * from t where id = 1;
    | id | a |
    | 1 | 2 |
    此时在另一个SessionB执行update t set a=3 where id = 1;成功更新一条记录。
    mysql> update t set a=3 where id = 1;
    Rows matched: 1 Changed: 0 Warnings: 0
    mysql> select * from t where id = 1;
    | id | a |
    | 1 | 3 |
    展开

    作者回复: !!!

    你说的对

    我验证的是statement格式。

    MySQL 看来选了不错吧路径。

    这个我之前真不知道😓

    多谢


    
     5
  • 毓殇笳
    2019-03-07
    图 14 可见性验证方式 -- 对照中

    session A 的 update t set a = 3 where id = 1 and a = 3

    会不会有当前读?如果当前读的话,那是不是会读到session B的更新的值?

    请老师帮忙分析下。
    展开
     4
     4
  • 峰
    2018-12-19
    由于city有两个值,相当于匹配到了索引树的两段区域,虽然各自都是按name排序,但整体需要做一次归并,当然只是limit100,所以够数就行。再然后如果需要不做排序,业务端就按city不同的取值查询两次,每次都limit100,然后业务端做归并处理喽。再然后要做分页的话,好吧,我的思路是先整出一张临时的结果表,create table as select rownumber,* from t where city=x order by name(写的不对哈,只是表达意思,rownumber为行数,并为主键)然后直接从这张表中按rownumber进行分页查询就好。

    作者回复: 分页这个再考虑考虑哈😄

    
     4
  • 唐名之
    2019-01-09
    1:用@cyberbit 提供的方式,执行计划是不会使用到排序,但执行时间比使用排序消耗的多;
    2:分页limit过大时会导致大量排序,可以记录上一页最后的ID,下一页查询条件带上 where ID>上一页最后ID limit 100

    作者回复: 1. 为什么这么说呢?
    2. 对的

     1
     3
  • 发条橙子 。
    2018-12-20

    正好有个 order by 使用场景 , 有个页面,需要按数据插入时间倒序来查看一张记录表的信息 ,因为除了分页的参数 , 没有其他 where 的条件 ,所以除了主键外没有其他索引 。

    这时候 DBA 让我给 create_time 创建索引, 说是按照顺序排列 ,查询会增快 。这篇文章看完后 , 让我感觉实际上创建 create_time 索引是没用的 。

    因为查询本身并没有用到 create_time 索引 ,实际上查询的步骤是 :

    1. 初始化 sort_buffer 内存

    2. 因为没索引 , 所以扫出全表的数据到 sort_buffer 中

    2. 如果内存够则直接内存按时间排序

    3. 如果内存不够则按数据量分成不同文件分别按时间排序后整合

    4. 根据数量分页查询数量 回聚集索引中用 ID 查询数据

    5. 返回

    所以我分析create_time索引应该不需要创建。反而增加了维护成本


    问题一 :这种无条件查列表页除了全表扫还有其他建立索引的办法么

    问题二 : 如果加入 group by , 数据该如何走

    问题三 :老师之后的文章会有讲解 bigInt(20) 、 tinyint(2) 、varchar(32) 这种后面带数字与不带数字有何区别的文章么 。 每次建字段都会考虑长度 ,但实际却不知道他有何作用


    展开

    作者回复: 你说的这样场景,加上create_time索引的话,是可以加速的呀,
    语句是这样吗?select * from t order by create_time desk limit 100? 如果是这样,创建索引有用的。

    问题二后面会有文章会说哈
    问题三 嗯,这个也会安排文章说到

    
     3
  • WL
    2018-12-23
    把该讲内容总结为几个问题, 大家复习的时候可以先尝试回答这些问题检查自己的掌握程度:
        1.
    全字段排序的流程是怎么样的?
        2.
    sort_buffer_size, number_of_tmp_files, packed_additional_fields 这几个参数各是什么含义?
        3.
    rowid排序的流程是怎么样的?
        4.
    通过什么方式可以减少排序对于系统的消耗?

    展开
    
     2
  • 爱学习的好孩子
    2018-12-19
    老师你好,全字段排序那一节,我做了实验,我的排序缓存大小是1M, examined rows 是7715892,查询的三个字段都有数据,那么如果这些数据都放到缓存应该需要(4+8+11)*7715892等于160M,但是我看了都没有用到临时表,这是为什么?

    CREATE TABLE `phone_call_logs` (
      `id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT '主键ID',
      `city_id` int(11) NOT NULL DEFAULT '11',
      `call_sender` varchar(40) DEFAULT NULL COMMENT '电话主叫号码',
      `phone_id` bigint(20) NOT NULL DEFAULT '0' COMMENT '手机id',
      PRIMARY KEY (`id`),
      KEY `idx_city` (`city_id`)
    ) ENGINE=InnoDB AUTO_INCREMENT=64551193;
    ----------------sort_buffer_size=1M----------------------------
    root:(none)> show variables like 'sort_buffer_size';
    +------------------+---------+
    | Variable_name | Value |
    +------------------+---------+
    | sort_buffer_size | 1048576 |
    +------------------+---------+
    1 row in set (0.00 sec)
    ---------------查询sql---------------------
     select city_id,phone_id,call_sender from phone_call_logs where city_id=11 order by phone_id desc limit 1000;


    -----------------------执行计划结果---------------------------------------------

      "filesort_priority_queue_optimization": {
                  "limit": 1000,
                  "rows_estimate": 146364461,
                  "row_size": 146,
                  "memory_available": 1048576,
                  "chosen": true
                },
                "filesort_execution": [
                ],
                "filesort_summary": {
                  "rows": 1001,
                  "examined_rows": 7715892,
                  "number_of_tmp_files": 0,
                  "sort_buffer_size": 154160,
                  "sort_mode": "<sort_key, additional_fields>"
    展开

    作者回复: 好问题,明天见 😁
    (明天的一篇也是跟排序有关的哦)

    
     2
  • cyberbit
    2018-12-19

    1.不会有排序,这种情况属于《高性能mysql》里提到的“in技法”,符合索引的最左原则,是2个等值查询,可以用到右边的索引列。
    2.分页查询,可以用延迟关联来优化:
    select * from t join
    (select id from t where city in('杭州','苏州') order by name limit 10000,100) t_id
    on t.id=t_id.id;

    展开
    
     2
  • 尘封
    2018-12-19
    请问,第7步中遍历排序结果,取前 1000 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:这里会把id再进行排序吗?转随机io为顺序io?

    作者回复: 要是排序就结果不符合order by 的语义逻辑了…

    
     2
  • 种花家的兔子
    2019-07-16
    关于大数据量排序并limit的时候offset很大,即使order by的字段上有索引,也会导致全表扫描的问题,查了很多资料,可以通过覆盖索引达到延迟关联的效果,从而避免全表扫描,但是不理解为什么mysql不能通过order by字段上的索引来读取需要的记录,而不是读取大量数据然后丢弃大部分数据。
    
     1
  • godtrue
    2019-07-04
    课前思考

    1:如果排序的字段有索引,怎么排?

    由于B+树是天然有序的,所以直接取出的数据也是天然有序的,因此依次取数就行不用再排序了。若取出的字段是覆盖索引,则连回表的动作也不必做啦!

    2:如果排序的字段没索引,怎么排?

    非索引字段,取出来的时候是按索引的顺序取出的,针对非索引字段无序,需要在内存中通过排序算法来排序。

    3:如果数据大到内存放不下,怎么排?

    取出的数据无序且体量较大,只能先放到磁盘,然后用外排序的方法排序。

    4:如果排序的字段有多个,怎么排?

    有多个还是一个其实思路没啥变化,如果原本就有序,则直接取出,否则只能进行排序,体量小在内存中排序,体量大则必须借助磁盘排序。

    课后思考

    牛逼的系统对于性能的优化都有着不懈的追求,数据库更是如此。

    性能优化的原则是恒定的,就看各家怎么发挥啦!

    1:就排序而言,如果数据天然有序,则不用排序,如果是覆盖索引,则不用回表,那么这种情况性能应该是最佳的。

    2:对于计算机而言,内存比硬盘快多了,能在内存办的事要尽量在内存办。索引当MySQL认为查询的字段长度过大时会进行一定的优化,会只查出主键id和排序的字段,排序字段用于排序,主键id用于回表查询其他的字段,这样速度可能会快一些。

    疑问?

    1:sort_buffer是MySQL按线程的维度分配的专门用于排序的内存空间,且通过sort_buffer_size可以调整其大小,那么走一下极端情况,若sort_buffer_size=0,是否所有的排序都无法进行啦?若sort_buffer_size=+∞,是否只能有一个线程在同一时刻能排序?另外,sort_buffer设置后是对所有线程都一样限制嘛?其实际分配会根据实际数据量变化呢?还是固定不变?比如:MySQL分配给可用于划分sort_buffer的内存有10m,我设置为10m意味着一个5m的排序会占5m另外5m空着,还是可以跑两个5m的排序?

    2:外部排序归并排序,具体怎么排序的?

    1m的内存排序2m的数据,每次只能在内存中排序1m的数据,想着想着想明白了,这应该是个通用的方法,只有内存小于数据量都可以这么玩。

    3:排序的内存在某线程排完序就释放了,临时文件的回收也是一样的吧?如果数据量大,磁盘不够排序也无法进行的,空间够不够这个判断时机是啥时候?

    4:引擎返回数据结果是一条一条,Server返回给客户端也是一条一条嘛?文中图“结果集”是在哪里组合的,Server层?还是客户端?如果是Server层也会存在空间不够的可能吧?此时是先放入磁盘,等数据到齐,再一起发送给客户端吗?

    非常感谢老师,提高了,我的认知!



    展开
    
     1
我们在线,来聊聊吧