作者:Peter Zaitsev

在日常查询中,索引或其他数据查找的方法可能不是查询执行中最高昂的部分,例如:MySQL GROUP BY 可能负责查询执行时间 90% 还多。
MySQL 执行 GROUP BY 时的主要复杂性是计算 GROUP BY 语句中的聚合函数。UDF 聚合函数是一个接一个地获得构成单个组的所有值。这样,它可以在移动到另一个组之前计算单个组的聚合函数值。
当然,问题在于,在大多数情况下,源数据值不会被分组。来自各种组的值在处理期间彼此跟随。因此,我们需要一个特殊的步骤。
处理 MySQL GROUP BY
让我们看看之前看过的同一张table:
  1. mysql> show create table tbl \G

  2. *************************** 1. row ***************************

  3. Table: tbl

  4. Create Table: CREATE TABLE `tbl` (

  5. `id` int(11) NOT NULL AUTO_INCREMENT,

  6. `k` int(11) NOT NULL DEFAULT '0',

  7. `g` int(10) unsigned NOT NULL,

  8. PRIMARY KEY (`id`),

  9. KEY `k` (`k`)

  10. ) ENGINE=InnoDB AUTO_INCREMENT=2340933 DEFAULT CHARSET=latin1

  11. 1 row in set (0.00 sec)

并且以不同方式执行相同的 GROUP BY 语句:

1、MySQL中 的 Index Ordered GROUP BY
  1. mysql> select k, count(*) c from tbl group by k order by k limit 5;

  2. +---+---+

  3. | k | c |

  4. +---+---+

  5. | 2 | 3 |

  6. | 4 | 1 |

  7. | 5 | 2 |

  8. | 8 | 1 |

  9. | 9 | 1 |

  10. +---+---+

  11. 5 rows in set (0.00 sec)


  12. mysql> explain select k, count(*) c from tbl group by k order by k limit 5 \G

  13. *************************** 1. row ***************************

  14. id: 1

  15. select_type: SIMPLE

  16. table: tbl

  17. partitions: NULL

  18. type: index

  19. possible_keys: k

  20. key: k

  21. key_len: 4

  22. ref: NULL

  23. rows: 5

  24. filtered: 100.00

  25. Extra: Using index

  26. 1 row in set, 1 warning (0.00 sec)

在这种情况下,我们在 GROUP BY 的列上有一个索引。这样,我们可以逐组扫描数据并动态执行 GROUP BY(低成本)。
当我们使用 LIMIT 限制我们检索的组的数量或使用“覆盖索引”时,特别有效,因为顺序索引扫描是一种非常快速的操作。

如果您有少量组,并且没有覆盖索引,索引顺序扫描可能会导致大量 IO。所以这可能不是最优化的计划。

2、MySQL 中的外部排序 GROUP BY
  1. mysql> explain select SQL_BIG_RESULT g, count(*) c from tbl group by g limit 5 \G

  2. *************************** 1. row ***************************

  3. id: 1

  4. select_type: SIMPLE

  5. table: tbl

  6. partitions: NULL

  7. type: ALL

  8. possible_keys: NULL

  9. key: NULL

  10. key_len: NULL

  11. ref: NULL

  12. rows: 998490

  13. filtered: 100.00

  14. Extra: Using filesort

  15. 1 row in set, 1 warning (0.00 sec)



  16. mysql> select SQL_BIG_RESULT g, count(*) c from tbl group by g limit 5;

  17. +---+---+

  18. | g | c |

  19. +---+---+

  20. | 0 | 1 |

  21. | 1 | 2 |

  22. | 4 | 1 |

  23. | 5 | 1 |

  24. | 6 | 2 |

  25. +---+---+

  26. 5 rows in set (0.88 sec)

如果我们没有允许我们按组顺序扫描数据的索引,我们可以通过外部排序(在 MySQL 中也称为“filesort”)来获取数据。
你可能会注意到我在这里使用 SQL_BIG_RESULT 提示来获得这个计划。没有它,MySQL 在这种情况下不会选择这个计划。

一般来说,MySQL 只有在我们拥有大量组时才更喜欢使用这个计划,因为在这种情况下,排序比拥有临时表更有效(我们将在下面讨论)。

3、MySQL中 的临时表 GROUP BY
  1. mysql> explain select g, sum(g) s from tbl group by g limit 5 \G

  2. *************************** 1. row ***************************

  3. id: 1

  4. select_type: SIMPLE

  5. table: tbl

  6. partitions: NULL

  7. type: ALL

  8. possible_keys: NULL

  9. key: NULL

  10. key_len: NULL

  11. ref: NULL

  12. rows: 998490

  13. filtered: 100.00

  14. Extra: Using temporary

  15. 1 row in set, 1 warning (0.00 sec)



  16. mysql> select g, sum(g) s from tbl group by g order by null limit 5;

  17. +---+------+

  18. | g | s |

  19. +---+------+

  20. | 0 | 0 |

  21. | 1 | 2 |

  22. | 4 | 4 |

  23. | 5 | 5 |

  24. | 6 | 12 |

  25. +---+------+

  26. 5 rows in set (7.75 sec)

在这种情况下,MySQL 也会进行全表扫描。但它不是运行额外的排序传递,而是创建一个临时表。此临时表每组包含一行,并且对于每个传入行,将更新相应组的值。很多更新!虽然这在内存中可能是合理的,但如果结果表太大以至于更新将导致大量磁盘 IO,则会变得非常昂贵。在这种情况下,外部分拣计划通常更好。
请注意,虽然 MySQL 默认选择此计划用于此用例,但如果我们不提供任何提示,它几乎比我们使用 SQL_BIG_RESULT 提示的计划慢 10 倍 。
您可能会注意到我在此查询中添加了“ ORDER BY NULL ”。这是为了向您展示“清理”临时表的唯一计划。没有它,我们得到这个计划:
  1. mysql> explain select g, sum(g) s from tbl group by g limit 5 \G

  2. *************************** 1. row ***************************

  3. id: 1

  4. select_type: SIMPLE

  5. table: tbl

  6. partitions: NULL

  7. type: ALL

  8. possible_keys: NULL

  9. key: NULL

  10. key_len: NULL

  11. ref: NULL

  12. rows: 998490

  13. filtered: 100.00

  14. Extra: Using temporary; Using filesort

  15. 1 row in set, 1 warning (0.00 sec)

在其中,我们获得了 temporary 和 filesort “两最糟糕的”提示。
MySQL 5.7 总是返回按组顺序排序的 GROUP BY 结果,即使查询不需要它(这可能需要昂贵的额外排序传递)。ORDER BY NULL 表示应用程序不需要这个。
您应该注意,在某些情况下 – 例如使用聚合函数访问不同表中的列的 JOIN 查询 – 使用 GROUP BY 的临时表可能是唯一的选择。

如果要强制 MySQL 使用为 GROUP BY 执行临时表的计划,可以使用 SQL_SMALL_RESULT 提示。

4、MySQL 中的索引基于跳过扫描的 GROUP BY
前三个 GROUP BY 执行方法适用于所有聚合函数。然而,其中一些人有第四种方法。
  1. mysql> explain select k,max(id) from tbl group by k \G

  2. *************************** 1. row ***************************

  3. id: 1

  4. select_type: SIMPLE

  5. table: tbl

  6. partitions: NULL

  7. type: range

  8. possible_keys: k

  9. key: k

  10. key_len: 4

  11. ref: NULL

  12. rows: 2

  13. filtered: 100.00

  14. Extra: Using index for group-by

  15. 1 row in set, 1 warning (0.00 sec)


  16. mysql> select k,max(id) from tbl group by k;

  17. +---+---------+

  18. | k | max(id) |

  19. +---+---------+

  20. | 0 | 2340920 |

  21. | 1 | 2340916 |

  22. | 2 | 2340932 |

  23. | 3 | 2340928 |

  24. | 4 | 2340924 |

  25. +---+---------+

  26. 5 rows in set (0.00 sec)

此方法仅适用于非常特殊的聚合函数:MIN() 和 MAX()。这些并不需要遍历组中的所有行来计算值。
他们可以直接跳转到组中的最小或最大组值(如果有这样的索引)。
如果索引仅建立在 (K) 列上,如何找到每个组的 MAX(ID) 值?这是一个 InnoDB 表。记住 InnoDB 表有效地将 PRIMARY KEY 附加到所有索引。(K) 变为 (K,ID),允许我们对此查询使用 Skip-Scan 优化。
仅当每个组有大量行时才会启用此优化。否则,MySQL 更倾向于使用更传统的方法来执行此查询(如方法#1中详述的索引有序 GROUP BY)。
虽然我们使用 MIN() / MAX() 聚合函数,但其他优化也适用于它们。例如,如果您有一个没有 GROUP BY 的聚合函数(实际上所有表都有一个组),MySQL 在统计分析阶段从索引中获取这些值,并避免在执行阶段完全读取表:
  1. mysql> explain select max(k) from tbl \G

  2. *************************** 1. row ***************************

  3. id: 1

  4. select_type: SIMPLE

  5. table: NULL

  6. partitions: NULL

  7. type: NULL

  8. possible_keys: NULL

  9. key: NULL

  10. key_len: NULL

  11. ref: NULL

  12. rows: NULL

  13. filtered: NULL

  14. Extra: Select tables optimized away

  15. 1 row in set, 1 warning (0.00 sec)

过滤和分组

我们已经研究了 MySQL 执行 GROUP BY 的四种方式。为简单起见,我在整个表上使用了 GROUP BY,没有应用过滤。当您有 WHERE 子句时,相同的概念适用:
  1. mysql> explain select g, sum(g) s from tbl where k>4 group by g order by NULL limit 5 \G

  2. *************************** 1. row ***************************

  3. id: 1

  4. select_type: SIMPLE

  5. table: tbl

  6. partitions: NULL

  7. type: range

  8. possible_keys: k

  9. key: k

  10. key_len: 4

  11. ref: NULL

  12. rows: 1

  13. filtered: 100.00

  14. Extra: Using index condition; Using temporary

  15. 1 row in set, 1 warning (0.00 sec)

对于这种情况,我们使用K列上的范围进行数据过滤/查找,并在有临时表时执行 GROUP BY。
在某些情况下,方法不会发生冲突。但是,在其他情况下,我们必须选择使用 GROUP BY 的一个索引或其他索引进行过滤:
  1. mysql> alter table tbl add key(g);

  2. Query OK, 0 rows affected (4.17 sec)

  3. Records: 0 Duplicates: 0 Warnings: 0


  4. mysql> explain select g, sum(g) s from tbl where k>1 group by g limit 5 \G

  5. *************************** 1. row ***************************

  6. id: 1

  7. select_type: SIMPLE

  8. table: tbl

  9. partitions: NULL

  10. type: index

  11. possible_keys: k,g

  12. key: g

  13. key_len: 4

  14. ref: NULL

  15. rows: 16

  16. filtered: 50.00

  17. Extra: Using where

  18. 1 row in set, 1 warning (0.00 sec)


  19. mysql> explain select g, sum(g) s from tbl where k>4 group by g limit 5 \G

  20. *************************** 1. row ***************************

  21. id: 1

  22. select_type: SIMPLE

  23. table: tbl

  24. partitions: NULL

  25. type: range

  26. possible_keys: k,g

  27. key: k

  28. key_len: 4

  29. ref: NULL

  30. rows: 1

  31. filtered: 100.00

  32. Extra: Using index condition; Using temporary; Using filesort

  33. 1 row in set, 1 warning (0.00 sec)

根据此查询中使用的特定常量,我们可以看到我们对 GROUP BY 使用索引顺序扫描(并从索引中“放弃”以解析 WHERE 子句),或者使用索引来解析 WHERE 子句(但使用临时表来解析 GROUP BY)。
根据我的经验,这就是 MySQL GROUP BY 并不总是做出正确选择的地方。您可能需要使用 FORCE INDEX 以您希望的方式执行查询。

近期社区动态

分类: 技术分享