目录
一个标准的 Group by语句包含排序、分组、聚合函数,比如select a,count(*) from t group by a ; 这个语句默认使用 a进行排序。如果 a列没有索引,那么就会创建临时表来统计 a和 count(*),然后再通过 sort_buffer按 a进行排序。
标准的执行流程
结构:
代码如下:
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();
MySQL Group by的优化分析
函数就是向 t1中插入1000条语句,从(1,1,1)到(1000,1000,1000)。
执行 select id%10 as m, count(*) as c from t1 group by m;
解析:
Using index,表示这个语句使用了覆盖索引,选择了索引 a,不需要回表;Using temporary,表示使用了临时表;Using filesort,表示需要排序。
过程:
1、创建内存临时表,表里有两个字段 m 和 c,主键是 m;2、扫描表 t1 的索引 a,依次取出叶子节点上的 id 值,计算 id%10 的结果,记为 x; 1)如果临时表中没有主键为 x 的行,就插入一个记录 (x,1); 2)如果表中有主键为 x 的行,就将 x 这一行的 c 值加 1;
第2步如果发现内存临时表存储的总字段长度到达参数tmp_table_size设置的大小,那么就会将内存临时表升级为磁盘临时表,然后重新开始遍历计算。3、遍历完成后,再根据字段 m 做排序,得到结果集返回给客户端。
最后的排序就是下图虚线框中的操作,如果 sort_buffer设置的大小不够大,那么就会使用临时表来辅助排序。
优化
未优化(也就是分组列没有索引)的 group by的总过程可以概括为:因为数据是无序的,所以需要创建临时表,然后一个一个判断属于哪个分组,最后再根据分组列进行排序。所以,优化可以有两个思路:
去掉排序
在明确返回的数据不需要排序的情况下,可以禁止排序,也就是将上面的语句改成select a,count(*) from t group by a order by null。
顺序排列
如果记录都按照排序字段排序,那么数据就变成了下面的结构:
这样在实际获取要返回的字段或计算聚合函数时,只需要按顺序依次访问,等到列值变成下一个就知道当前组访问结束,将之前统计的数据直接返回。这样就避免了创建临时表,同时排序也不需要使用 sort_buffer进行额外排序。这样就极大地提高了执行的效率。
实现
1、如果分组字段适合创建索引就直接为分组字段创建索引。
MySQL 5.7 版本支持了 generated column 机制,用来实现列数据的关联更新。你可以用下面的方法创建一个列 z,然后在 z 列上创建一个索引(如果是 MySQL 5.6 及之前的版本,你也可以创建普通列和索引,来解决这个问题)
代码如下:
alter table t1 add column z int generated always as(id % 100), add index(z);
MySQL Group by的优化分析
然后解析:
这时没有用到临时表和额外排序,所以性能提升。
2、如果分组字段不适合(使用率很低),那么可以使用SQL_BIG_RESULT来尝试优化。
在 group by 语句中加入 SQL_BIG_RESULT 这个提示(hint),就可以告诉优化器:这个语句涉及的数据量很大,请直接用磁盘临时表。MySQL 的优化器一看,磁盘临时表是 B+ 树存储,存储效率不如数组来得高。所以,既然使用SQL_BIG_RESULT来说明数据量很大,那从磁盘空间考虑,还是直接用数组来存吧。所以在使用SQL_BIG_RESULT后优化器会使用数组结构的磁盘临时表。
但是如果在未达到磁盘临时表的使用条件是不会使用磁盘临时表的,也就是在 sort_buffer空间能够存储要返回和排序的总字段长度时,就使用数组结构的 sort_buffer ,如果总字段超过 sort_buffer大小,那么就再加上数组结构的磁盘临时表来帮助排序。
那么在 sort_buffer空间足够的情况下, sort_buffer内部就会对数据进行排序,这样也就起到了索引的作用,
还是以上面的例子来看,使用SQL_BIG_RESULT
代码如下:
alter table t1 add column z int generated always as(id % 100), add index(z);
MySQL Group by的优化分析
具体过程如下:
1、初始化 sort_buffer,确定放入一个整型字段,记为 m;2、扫描表 t1 的索引 a,依次取出里面的 id 值, 将 id%10 的值存入 sort_buffer 中;3、扫描完成后,对 sort_buffer 的字段 m 做排序(如果 sort_buffer 内存不够用,就会利用磁盘临时文件辅助排序);4、排序完成后,就得到了一个有序数组。
解析:
可以看到此时就没有使用临时表了,而是直接使用 sort_buffer进行排序,这样就省去了使用临时表带来的性能消耗。
总结
1、如果对 group by 语句的结果没有排序要求,要在语句后面加 order by null;那么一般情况就不需要使用临时表了(上面两个优化都是在要求排序的前提下提出的优化方式)2、尽量让 group by 过程用上表的索引,确认方法是 explain 结果里没有 Using temporary 和 Using filesort;3、如果 group by 需要统计的数据量不大,尽量只使用内存临时表;也可以通过适当调大 tmp_table_size 参数,来避免用到磁盘临时表;4、如果数据量实在太大,使用 SQL_BIG_RESULT 这个提示,来告诉优化器直接使用排序算法得到 group by 的结果。
以上就是详解MySQL Group by 优化的详细内容,更多关于MySQL Group by 优化的资料请关注512笔记其它相关文章!