MySQL中limit對查詢語句性能的影響

Posted on by

一，前言 

首先說明一下MySQL的版本：

mysql> select version();
+-----------+
| version() |
+-----------+
| 5.7.17    |
+-----------+
1 row in set (.00 sec)

表結構：

mysql> desc test;
+--------+---------------------+------+-----+---------+----------------+
| Field  | Type                | Null | Key | Default | Extra          |
+--------+---------------------+------+-----+---------+----------------+
| id     | bigint(20) unsigned | NO   | PRI | NULL    | auto_increment |
| val    | int(10) unsigned    | NO   | MUL |        |                |
| source | int(10) unsigned    | NO   |     |        |                |
+--------+---------------------+------+-----+---------+----------------+
3 rows in set (.00 sec)

id為自增主鍵，val為非唯一索引。

灌入大量數據，共500萬：

mysql> select count(*) from test;
+----------+
| count(*) |
+----------+
|  5242882 |
+----------+
1 row in set (4.25 sec)

我們知道，當limit offset rows中的offset很大時，會出現效率問題：

mysql> select * from test where val=4 limit 300000,5;
+---------+-----+--------+
| id      | val | source |
+---------+-----+--------+
| 3327622 |   4 |      4 |
| 3327632 |   4 |      4 |
| 3327642 |   4 |      4 |
| 3327652 |   4 |      4 |
| 3327662 |   4 |      4 |
+---------+-----+--------+
5 rows in set (15.98 sec)

為瞭達到相同的目的，我們一般會改寫成如下語句：

mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id;
+---------+-----+--------+---------+
| id      | val | source | id      |
+---------+-----+--------+---------+
| 3327622 |   4 |      4 | 3327622 |
| 3327632 |   4 |      4 | 3327632 |
| 3327642 |   4 |      4 | 3327642 |
| 3327652 |   4 |      4 | 3327652 |
| 3327662 |   4 |      4 | 3327662 |
+---------+-----+--------+---------+
5 rows in set (.38 sec)

時間相差很明顯。

為什麼會出現上面的結果？我們看一下select * from test where val=4 limit 300000,5;的查詢過程：

查詢到索引葉子節點數據。

根據葉子節點上的主鍵值去聚簇索引上查詢需要的全部字段值。

類似於下面這張圖：

像上面這樣，需要查詢300005次索引節點，查詢300005次聚簇索引的數據，最後再將結果過濾掉前300000條，取出最後5條。MySQL耗費瞭大量隨機I/O在查詢聚簇索引的數據上，而有300000次隨機I/O查詢到的數據是不會出現在結果集當中的。

肯定會有人問：既然一開始是利用索引的，為什麼不先沿著索引葉子節點查詢到最後需要的5個節點，然後再去聚簇索引中查詢實際數據。這樣隻需要5次隨機I/O，類似於下面圖片的過程：

其實我也想問這個問題。

證實

下面我們實際操作一下來證實上述的推論：

為瞭證實select * from test where val=4 limit 300000,5是掃描300005個索引節點和300005個聚簇索引上的數據節點，我們需要知道MySQL有沒有辦法統計在一個sql中通過索引節點查詢數據節點的次數。我先試瞭Handler_read_*系列，很遺憾沒有一個變量能滿足條件。

我隻能通過間接的方式來證實：

InnoDB中有buffer pool。裡面存有最近訪問過的數據頁，包括數據頁和索引頁。所以我們需要運行兩個sql，來比較buffer pool中的數據頁的數量。預測結果是運行select * from test a inner join (select id from test where val=4 limit 300000,5)之後，buffer pool中的數據頁的數量遠遠少於select * from test where val=4 limit 300000,5;對應的數量，因為前一個sql隻訪問5次數據頁，而後一個sql訪問300005次數據頁。

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
Empty set (.04 sec)

可以看出，目前buffer pool中沒有關於test表的數據頁。

mysql> select * from test where val=4 limit 300000,5;
+---------+-----+--------+
| id      | val | source |
+---------+-----+--------+
| 3327622 |   4 |      4 |
| 3327632 |   4 |      4 |
| 3327642 |   4 |      4 |
| 3327652 |   4 |      4 |
| 3327662 |   4 |      4 |
+---------+-----+--------+
5 rows in set (26.19 sec)

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
+------------+----------+
| index_name | count(*) |
+------------+----------+
| PRIMARY    |     4098 |
| val        |      208 |
+------------+----------+
2 rows in set (.04 sec)

可以看出，此時buffer pool中關於test表有4098個數據頁，208個索引頁。

select * from test a inner join (select id from test where val=4 limit 300000,5)為瞭防止上次試驗的影響，我們需要清空buffer pool，重啟mysql。

mysqladmin shutdown
/usr/local/bin/mysqld_safe &
mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
Empty set (0.03 sec)

運行SQL：

mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id;
+---------+-----+--------+---------+
| id      | val | source | id      |
+---------+-----+--------+---------+
| 3327622 |   4 |      4 | 3327622 |
| 3327632 |   4 |      4 | 3327632 |
| 3327642 |   4 |      4 | 3327642 |
| 3327652 |   4 |      4 | 3327652 |
| 3327662 |   4 |      4 | 3327662 |
+---------+-----+--------+---------+
5 rows in set (0.09 sec)

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
+------------+----------+
| index_name | count(*) |
+------------+----------+
| PRIMARY    |        5 |
| val        |      390 |
+------------+----------+
2 rows in set (0.03 sec)

我們可以看明顯的看出兩者的差別：第一個sql加載瞭4098個數據頁到buffer pool，而第二個sql隻加載瞭5個數據頁到buffer pool。符合我們的預測。也證實瞭為什麼第一個sql會慢：讀取大量的無用數據行（300000），最後卻拋棄掉。

而且這會造成一個問題：加載瞭很多熱點不是很高的數據頁到buffer pool，會造成buffer pool的污染，占用buffer pool的空間。

遇到的問題  

為瞭在每次重啟時確保清空buffer pool，我們需要關閉innodb_buffer_pool_dump_at_shutdown和innodb_buffer_pool_load_at_startup，這兩個選項能夠控制數據庫關閉時dump出buffer pool中的數據和在數據庫開啟時載入在磁盤上備份buffer pool的數據。

參考資料：

1.https://explainextended.com/2009/10/23/mysql-order-by-limit-performance-late-row-lookups/

2.https://dev.mysql.com/doc/refman/5.7/en/innodb-information-schema-buffer-pool-tables.html

更多關於SQL執行效率問題請查看下面的相關文章

推薦閱讀：