面试就面试,问我原理干嘛,order by-技术圈

假设有这么一张用户表 user：

id int(11)：主键
username varchar(16)：用户名
age int(11)：年龄
city varchar(16)：城市

假设有这么一个需求：查询出城市是 “南京” 的所有用户名，并且按照用户名进行排序，返回前 1000 个人的姓名、年龄。

众所周知，排序使用的关键字是 order by，不难写出这样的 SQL 语句：

select city, username, age from user where city = '南京' order by username limit 1000;

这篇文章，我们就来解释下，涉及 order by 的语句具体是怎么执行的，以及有什么参数会影响执行的行为

老规矩，背诵版在文末。点击阅读原文可以直达我收录整理的各大厂面试真题

全字段排序

为避免全表扫描，我们在查询条件的 city 字段上面建立索引。然后用 explain 命令来看看这个语句的执行情况：

偷个懒，因为我其实一条数据也没插入（狗头保命），所以大伙儿在上图中看见的 explain 分析出来的这条 SQL 的影响行数 rows 是 1

Extra 这个字段中的 Using filesort 表示的就是需要排序，MySQL 会给每个线程分配一块内存用于排序，称为 sort_buffer。

通常情况下，这个语句执行流程如下所示：

1）初始化 sort_buffer，放入 city、username、age 这三个字段；

2）从索引 city 找到第一个满足 city='南京' 条件的主键 id

3）到主键 id 的索引树上查找到对应的整行数据（回表查询），然后取出 city、username、age 三个字段的值，存入 sort_buffer 中

4）从索引 city 取下一个记录的主键 id

5）重复步骤 3、4 直到 city 的值不满足查询条件为止

6）对 sort_buffer 中的数据按照字段 username 做快速排序

按照字段 username 做快速排序这个动作，可能在内存中完成，也可能需要使用外部排序，这取决于排序所需的内存和 sort_buffer 的大小，由参数 sort_buffer_size 决定。

如果要排序的数据量小于 sort_buffer_size，排序就在内存中完成。但如果排序数据量太大，内存放不下，则就需要利用磁盘临时文件来辅助排序。

解释下这里使用磁盘临时文件来进行辅助排序的含义，外部排序常用的排序算法是多路归并排序算法，具体步骤如下：

到主键 id 索引树上查找到对应的整行数据后，取 city、username、age 三个字段的值，存入 sort_buffer 中，能存多少是多少，当 sort_buffer 快要满时，就对 sort_buffer 中的数据进行排序，排完后，把数据临时放到磁盘的一个小文件中，然后清空 sort_buffer（这样的话，一个很大的数据，就会被分成若干个临时磁盘文件）
继续回到主键 id 索引树取数据，重复上一步，直到取出所有满足条件的数据
最后，归并已经有序的若干个临时磁盘文件，形成一个完整的有序大文件

7）按照排序结果取前 1000 行返回给客户端

可以看出，整个排序过程，我们要查询的 city、username、age 全都参与了，所以，暂且把这个排序过程，称为全字段排序

整条语句的执行流程的示意图如下所示：

针对上面利用磁盘临时文件进行辅助排序的过程，不知道大家会不会有个很自然的想法：sort_buffer 内存放不下，需要用到临时磁盘文件，磁盘文件越多，排序效率显然就会越低下。那为什么还要把排序不相关的字段 city、username 放到 sort_buffer 中呢？只存放排序相关的 age 字段，这样划分的磁盘文件不就相对变少了嘛~

这就是 rowid 排序 👇

rowid 排序

rowid 排序，听名字大概就能理解，就是，只把需要用于排序的字段和对应的主键 id，放到 sort_buffer 中。

那怎么确定走的是全字段排序还是 rowid 排序呢？

实际上有个参数控制的。这个参数就是 max_length_for_sort_data，是 MySQL 中专门控制用于排序的行数据的长度的一个参数。它的意思是，如果单行的长度超过这个值，MySQL 就认为单行太大（那么数据量肯定就越大，sort_buffer 可能不够用），不能再像之前那样把所有 select 的字段都存进 sort_buffer 了，要换一个算法，只存排序相关的字段

show variables like 'max_length_for_sort_data';

可以看到，max_length_for_sort_data 的默认值是 1024

可以通过下面这行命令进行修改

SET max_length_for_sort_data = 16;

表中我们定义的这三个字段 city、username、age 的总长度是 36，我把 max_length_for_sort_data 设置为 16，显然，单行的长度已经超过这个值了，排序算法应该由全字段排序转成了 rowid 排序。

整个执行流程就变成如下所示的样子：

1）初始化 sort_buffer，放入两个字段，即 username 和主键 id

2）从 city 索引中找到第一个满足 city='南京' 条件的主键 id

3）到主键 id 的索引树上查找到对应的整行数据（回表查询），取出 username 和 id 这两个字段，存入 sort_buffer 中

4）从 city 索引中取下一个记录的主键 id；重复步骤 3、4 直到不满足 city='南京' 的条件为止

5）对 sort_buffer 中的数据按照字段 username 进行排序

6）遍历排序结果，取前 1000 行，并按照 id 的值回到主键 id 的索引树中取出 city、username 和 age 三个字段返回给客户端

可以看到，新的 rowid 算法放入 sort_buffer 的字段，只有要排序的列（即 username 字段）和主键 id。但有利有弊，存放在 sort_buffer 中的数据因为少了 city 和 age 字段的值，所以不能直接返回给客户端了，需要再进行一次回表查询。

这个执行流程的示意图如下：

从上面我们可以看出来，事实上，如果内存足够大的话，MySQL 优先选择的仍然是全字段排序，把需要的字段都放到 sort_buffer 中，这样排序后就会直接从内存里面返回查询结果了，不用再回表查询，减少磁盘访问。

回表的话应该首先去缓冲池 Buffer Pool 中找到对应版本的数据，若找不到，则需要进行磁盘读（索引文件是磁盘文件），理论上不会触发磁盘读，因为取 id 的时候已经从磁盘读取了一次放到了缓冲池 Buffer Pool 中了，但不排除，第一次取完数据放到 sort buffer 后缓存中的数据页被淘汰了，可能会触发磁盘读

order by 优化

很显然，如果不排序就能得到正确的结果，那对系统的消耗会小很多，语句的执行时间也会变得更短。

那么，是不是所有的 order by 都需要排序操作呢？

并不是！

从上面分析的执行过程我们可以看到，MySQL 之所以需要 sort_buffer，并且在 sort_buffer 上做排序操作，其原因是原来的数据都是无序的。

回顾下我们的需求：查询出 city 是 “南京” 的所有 username，并且按照 username 进行排序，返回前 1000 个人的姓名、年龄。

那，如果能够保证从 city 这个索引上取出来的数据行，已经天然就是按照 username 进行递增排序的话，不就不用再排序了吗

所以，我们可以在这张表上创建一个 city 和 username 的联合索引：

alter table user add index idx_city_username(city, username);

在这个联合索引上，我们依然可以用树搜索的方式定位到第一个满足 city='南京' 的记录，并且额外确保了，接下来按顺序取 “下一条记录” 的遍历过程中，只要 city 的值是南京，username 的值就一定是有序的（不清楚的小伙伴可以回看下联合索引相关的知识）。

这样整个查询过程的流程就变成了：

1）从联合索引 (city, username) 上找到第一个满足 city='南京' 条件的主键 id

2）到主键 id 的索引树上查找到对应的整行数据（回表查询），取出 username、city 和 age 这三个字段的值，作为结果集的一部分直接返回

3）从联合索引 (city, username) 上取下一个记录主键 id；

4）重复步骤 2、3，直到查到第 1000 条记录，或者是不满足 city='南京' 条件时循环结束

可以看到，这个查询过程不需要 sort_buffer，也不需要排序，整个流程被大大缩短了。

再用 explain 分析下这条语句：

从图中可以看到，Extra 字段中没有 Using filesort 了，也就是不需要排序了。

而且由于 (city,username) 这个联合索引本身有序，所以这个查询也不用把 4000 行全都读一遍，只要找到满足条件的前 1000 条记录就可以退出了。也就是说，在我们这个例子里，只需要扫描 1000 次就可以了。

说到这里，不知道有没有小伙伴能够察觉点什么

回表查询！

是的，说了这么多，回表查询这个东西一直都在啊，完全可以用上 覆盖索引 来去掉回表过程啊~

不就是要回表取出 username、city 和 age 这三个字段的值吗，咱就直接创建一个 city、name 和 age 的联合索引，对应的 SQL 语句就是：

alter table user add index idx_city_username_age(city, username, age);

这样，整个流程就被进一步简化：

1）从联合索引 (city, username, age) 树上找到第一个满足 city='南京' 条件的记录，把这条记录作为结果集的一部分直接返回；

2）从联合索引 (city, username, age) 树上取下一个记录，同样将这条记录作为结果集的一部分直接返回

3）重复执行步骤 2，直到查到第 1000 条记录，或者是不满足 city='南京' 条件时循环结束

如下图所示：

当然了，使用覆盖索引性能上会快很多，但是索引的维护也是需要代价的，这里需要自己做一个权衡取舍~

最后放上这道题的背诵版：

🥸 面试官：SQL 优化了解过吗？
😎 小牛肉：我来说一下 order by 语句的优化。
order by 的基本原理其实就是 MySQL 会给每个线程分配一块内存也就是 sort_buffer 用于排序，sort_buffer 中存储的是 select 涉及到的所有的字段，可以称为全字段排序吧。排序这个动作，可能在内存中完成，也可能需要使用外部排序，这取决于排序所需的内存和 sort_buffer 的大小，由参数 sort_buffer_size 决定。如果要排序的数据量小于 sort_buffer_size，排序就在内存中完成。但如果排序数据量太大，内存放不下，就需要利用磁盘临时文件来辅助排序。
这里其实可以优化下，只存放排序相关的字段，而不是 select 涉及的所有字段，这样 sort_buffer 中存放的东西就多一点，就尽可能避免使用磁盘进行外部排序，或者说使得划分的磁盘文件相对变少，减少磁盘访问。这种排序称为 rowid 排序。如果表中单行的长度超过 max_length_for_sort_data 定义的值，那 MySQL 就认为单行太大（那么数据量肯定就越大，sort_buffer 可能不够用），由全字段排序改为 rowid 排序。
以上是我们说的关于 order by 的两个参数优化，还可以根据索引进行一些优化
以 select a, b, c from table where a = xxxx order by b 为例，我们为查询条件 a 和排序条件 b 建立联合索引，联合索引就是 a 是从小到大绝对有序的，如果 a 相同，再按 b 从小到大排序，这样就不需要排序了，直接避免了排序这个操作。
还可以进一步优化，由于联合索引 (a, b) 中没有 c 的值，所以从联合索引树上获取符合条件的对应主键 id 后，还需要回表查询取出 a b c 的值，这个回表查询的过程可以通过建立 (a,b,c) 覆盖索引来避免。

心之所向，素履以往，我是小牛肉，小伙伴们下篇文章再见 👋