MySQL Group by的優化詳解

Posted on by

一個標準的 Group by 語句包含排序、分組、聚合函數，比如 select a,count(*) from t group by a ;  這個語句默認使用 a 進行排序。如果 a 列沒有索引，那麼就會創建臨時表來統計 a和 count(*)，然後再通過 sort_buffer 按 a 進行排序。

標準的執行流程

結構：

create table t1(id int primary key, a int, b int, index(a));
delimiter ;;
create procedure idata()
begin
 declare i int;

 set i=1;
 while(i<=1000)do
 insert into t1 values(i, i, i);
 set i=i+1;
 end while;
end;;
delimiter ;
call idata();

函數就是向 t1 中插入1000條語句，從(1,1,1) 到(1000,1000,1000)。

執行   select id%10 as m, count(*) as c from t1 group by m;

解析：

Using index，表示這個語句使用瞭覆蓋索引，選擇瞭索引 a，不需要回表；
Using temporary，表示使用瞭臨時表；
Using filesort，表示需要排序。

過程：

1、創建內存臨時表，表裡有兩個字段 m 和 c，主鍵是 m；
2、掃描表 t1 的索引 a，依次取出葉子節點上的 id 值，計算 id%10 的結果，記為 x；
　　1）如果臨時表中沒有主鍵為 x 的行，就插入一個記錄 (x,1);
　　2）如果表中有主鍵為 x 的行，就將 x 這一行的 c 值加 1；

第2 步如果發現內存臨時表存儲的總字段長度到達參數 tmp_table_size 設置的大小，那麼就會將內存臨時表升級為磁盤臨時表，然後重新開始遍歷計算。
3、遍歷完成後，再根據字段 m 做排序，得到結果集返回給客戶端。

最後的排序就是下圖虛線框中的操作，如果 sort_buffer 設置的大小不夠大，那麼就會使用臨時表來輔助排序。

優化

未優化（也就是分組列沒有索引）的 group by 的總過程可以概括為：因為數據是無序的，所以需要創建臨時表，然後一個一個判斷屬於哪個分組，最後再根據分組列進行排序。所以，優化可以有兩個思路：

去掉排序

在明確返回的數據不需要排序的情況下，可以禁止排序，也就是將上面的語句改成 select a,count(*) from t group by a order by null。

順序排列

如果記錄都按照排序字段排序，那麼數據就變成瞭下面的結構：

這樣在實際獲取要返回的字段或計算聚合函數時，隻需要按順序依次訪問，等到列值變成下一個就知道當前組訪問結束，將之前統計的數據直接返回。這樣就避免瞭創建臨時表，同時排序也不需要使用 sort_buffer 進行額外排序。這樣就極大地提高瞭執行的效率。

實現

1、如果分組字段適合創建索引就直接為分組字段創建索引。

MySQL 5.7 版本支持瞭 generated column 機制，用來實現列數據的關聯更新。你可以用下面的方法創建一個列 z，然後在 z 列上創建一個索引（如果是 MySQL 5.6 及之前的版本，你也可以創建普通列和索引，來解決這個問題）

alter table t1 add column z int generated always as(id % 100), add index(z);

然後解析：

這時沒有用到臨時表和額外排序，所以性能提升。

2、如果分組字段不適合（使用率很低），那麼可以使用 SQL_BIG_RESULT 來嘗試優化。

在 group by 語句中加入 SQL_BIG_RESULT 這個提示（hint），就可以告訴優化器：這個語句涉及的數據量很大，請直接用磁盤臨時表。MySQL 的優化器一看，磁盤臨時表是 B+ 樹存儲，存儲效率不如數組來得高。所以，既然使用SQL_BIG_RESULT來說明數據量很大，那從磁盤空間考慮，還是直接用數組來存吧。所以在使用 SQL_BIG_RESULT 後優化器會使用數組結構的磁盤臨時表。

但是如果在未達到磁盤臨時表的使用條件是不會使用磁盤臨時表的，也就是在 sort_buffer 空間能夠存儲要返回和排序的總字段長度時，就使用數組結構的 sort_buffer ，如果總字段超過 sort_buffer 大小，那麼就再加上數組結構的磁盤臨時表來幫助排序。

那麼在 sort_buffer 空間足夠的情況下， sort_buffer 內部就會對數據進行排序，這樣也就起到瞭索引的作用，

還是以上面的例子來看，使用 SQL_BIG_RESULT

alter table t1 add column z int generated always as(id % 100), add index(z);

具體過程如下：

1、初始化 sort_buffer，確定放入一個整型字段，記為 m；
2、掃描表 t1 的索引 a，依次取出裡面的 id 值, 將 id%10 的值存入 sort_buffer 中；
3、掃描完成後，對 sort_buffer 的字段 m 做排序（如果 sort_buffer 內存不夠用，就會利用磁盤臨時文件輔助排序）；
4、排序完成後，就得到瞭一個有序數組。

解析：

可以看到此時就沒有使用臨時表瞭，而是直接使用 sort_buffer 進行排序，這樣就省去瞭使用臨時表帶來的性能消耗。

總結

1、如果對 group by 語句的結果沒有排序要求，要在語句後面加 order by null；那麼一般情況就不需要使用臨時表瞭（上面兩個優化都是在要求排序的前提下提出的優化方式）
2、盡量讓 group by 過程用上表的索引，確認方法是 explain 結果裡沒有 Using temporary 和 Using filesort；
3、如果 group by 需要統計的數據量不大，盡量隻使用內存臨時表；也可以通過適當調大 tmp_table_size 參數，來避免用到磁盤臨時表；
4、如果數據量實在太大，使用 SQL_BIG_RESULT 這個提示，來告訴優化器直接使用排序算法得到 group by 的結果。

以上就是詳解MySQL Group by 優化的詳細內容，更多關於MySQL Group by 優化的資料請關註WalkonNet其它相關文章！

推薦閱讀：