湖南省交通建设质量安全监督管理局网站,网站推广营销公司,网站建设的目地,网站建优化内部临时表
Hi#xff0c;我是阿昌#xff0c;今天学习记录的是关于内部临时表的内容。
sort buffer、内存临时表和 join buffer。这三个数据结构都是用来存放语句执行过程中的中间数据#xff0c;以辅助 SQL 语句的执行的。
其中#xff0c;在排序的时候用到了 sort bu…内部临时表
Hi我是阿昌今天学习记录的是关于内部临时表的内容。
sort buffer、内存临时表和 join buffer。这三个数据结构都是用来存放语句执行过程中的中间数据以辅助 SQL 语句的执行的。
其中在排序的时候用到了 sort buffer在使用 join 语句的时候用到了 join buffer。 MySQL 什么时候会使用内部临时表呢 一、union 执行流程
用下面的表 t1 来举例。
create table t1(id int primary key, a int, b int, index(a));
delimiter ;;
create procedure idata()
begindeclare i int;set i1;while(i1000)doinsert into t1 values(i, i, i);set ii1;end while;
end;;
delimiter ;
call idata();然后我们执行下面这条语句
(select 1000 as f) union (select id from t1 order by id desc limit 2);这条语句用到了 union它的语义是取这两个子查询结果的并集。
并集的意思就是这两个集合加起来重复的行只保留一行。
下图是这个语句的 explain 结果。 可以看到
第二行的 keyPRIMARY说明第二个子句用到了索引 id。第三行的 Extra 字段表示在对子查询的结果集做 union 的时候使用了临时表 (Using temporary)。 这个语句的执行流程是这样的
创建一个内存临时表这个临时表只有一个整型字段 f并且 f 是主键字段。执行第一个子查询得到 1000 这个值并存入临时表中。执行第二个子查询 拿到第一行 id1000试图插入临时表中。但由于 1000 这个值已经存在于临时表了违反了唯一性约束所以插入失败然后继续执行取到第二行 id999插入临时表成功。 从临时表中按行取出数据返回结果并删除临时表结果中包含两行数据分别是 1000 和 999。
这个过程的流程图如下所示 可以看到这里的内存临时表起到了暂存数据的作用而且计算过程还用上了临时表主键 id 的唯一性约束实现了 union 的语义。
顺便提一下如果把上面这个语句中的 union 改成 union all 的话就没有了“去重”的语义。
这样执行的时候就依次执行子查询得到的结果直接作为结果集的一部分发给客户端。
因此也就不需要临时表了。 可以看到第二行的 Extra 字段显示的是 Using index表示只使用了覆盖索引没有用临时表了。 二、group by 执行流程
看一下这个语句
select id%10 as m, count(*) as c from t1 group by m;这个语句的逻辑是把表 t1 里的数据按照 id%10 进行分组统计并按照 m 的结果排序后输出。
它的 explain 结果如下 在 Extra 字段里面我们可以看到三个信息
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。 这个语句的执行流程是这样的
创建内存临时表表里有两个字段 m 和 c主键是 m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 如果临时表中没有主键为 x 的行就插入一个记录 (x,1);如果表中有主键为 x 的行就将 x 这一行的 c 值加 1 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。
这个流程的执行图如下 图中最后一步对内存临时表的排序在临时表排序中已经有过介绍。 其中临时表的排序过程就是图 6 中虚线框内的过程。 接下来再看一下这条语句的执行结果 如果你的需求并不需要对结果进行排序那你可以在 SQL 语句末尾增加 order by null也就是改成
select id%10 as m, count(*) as c from t1 group by m order by null;这样就跳过了最后排序的阶段直接从临时表中取数据返回。
返回的结果如图 8 所示。 由于表 t1 中的 id 值是从 1 开始的因此返回的结果集中第一行是 id1
扫描到 id10 的时候才插入 m0 这一行因此结果集里最后一行才是 m0。
这个例子里由于临时表只有 10 行内存可以放得下因此全程只使用了内存临时表。
但是内存临时表的大小是有限制的参数 tmp_table_size 就是控制这个内存大小的默认是 16M。
如果执行下面这个语句序列
set tmp_table_size1024;
select id%100 as m, count(*) as c from t1 group by m order by null limit 10;把内存临时表的大小限制为最大 1024 字节并把语句改成 id % 100这样返回结果里有 100 行数据。但是这时的内存临时表大小不够存下这 100 行数据也就是说执行过程中会发现内存临时表大小到达了上限1024 字节。这时候就会把内存临时表转成磁盘临时表磁盘临时表默认使用的引擎是 InnoDB。
这时返回的结果如图 9 所示。 如果这个表 t1 的数据量很大很可能这个查询需要的磁盘临时表就会占用大量的磁盘空间。 三、group by 优化方法 – 索引
可以看到不论是使用内存临时表还是磁盘临时表group by 逻辑都需要构造一个带唯一索引的表执行代价都是比较高的。
如果表的数据量比较大上面这个 group by 语句执行起来就会很慢有什么优化的方法呢
要解决 group by 语句的优化问题可以先想一下这个问题执行 group by 语句为什么需要临时表
group by 的语义逻辑是统计不同的值出现的个数。但是由于每一行的 id%100 的结果是无序的所以就需要有一个临时表来记录并统计结果。
那么如果扫描过程中可以保证出现的数据是有序的是不是就简单了呢 假设现在有一个类似图 10 的这么一个数据结构来看看 group by 可以怎么做。 可以看到如果可以确保输入的数据是有序的那么计算 group by 的时候就只需要从左到右顺序扫描依次累加。
也就是下面这个过程
当碰到第一个 1 的时候已经知道累积了 X 个 0结果集里的第一行就是 (0,X);当碰到第一个 2 的时候已经知道累积了 Y 个 1结果集里的第二行就是 (1,Y);
按照这个逻辑执行的话扫描到整个输入的数据结束就可以拿到 group by 的结果不需要临时表也不需要再额外排序。 InnoDB 的索引就可以满足这个输入有序的条件。 在 MySQL 5.7 版本支持了 generated column 机制用来实现列数据的关联更新。
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 及之前的版本也可以创建普通列和索引来解决这个问题。
alter table t1 add column z int generated always as(id % 100), add index(z);这样索引 z 上的数据就是类似图 10 这样有序的了。
上面的 group by 语句就可以改成
select z, count(*) as c from t1 group by z;优化后的 group by 语句的 explain 结果如下图所示 从 Extra 字段可以看到这个语句的执行不再需要临时表也不需要排序了。 四、group by 优化方法 – 直接排序
所以如果可以通过加索引来完成 group by 逻辑就再好不过了。但是如果碰上不适合创建索引的场景还是要老老实实做排序的。那么这时候的 group by 要怎么优化呢
如果明明知道一个 group by 语句中需要放到临时表上的数据量特别大却还是要按照“先放到内存临时表插入一部分数据后发现内存临时表不够用了再转成磁盘临时表”看上去就有点儿傻。
MySQL 有没有让我们直接走磁盘临时表的方法呢答案是有的。
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。所以既然告诉我数据量很大那从磁盘空间考虑还是直接用数组来存吧。 因此下面这个语句的执行流程就是这样的
select SQL_BIG_RESULT id%100 as m, count(*) as c from t1 group by m;初始化 sort_buffer确定放入一个整型字段记为 m扫描表 t1 的索引 a依次取出里面的 id 值, 将 id%100 的值存入 sort_buffer 中扫描完成后对 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排序完成后就得到了一个有序数组。
根据有序数组得到数组里面的不同值以及每个值的出现次数。
这一步的逻辑已经从前面的图 10 中了解过了。
下面两张图分别是执行流程图和执行 explain 命令得到的结果。 从 Extra 字段可以看到这个语句的执行没有再使用临时表而是直接用了排序算法。
基于上面的 union、union all 和 group by 语句的执行过程的分析来回答文章开头的问题 MySQL 什么时候会使用内部临时表 如果语句执行过程可以一边读数据一边直接得到结果是不需要额外内存的否则就需要额外的内存来保存中间结果join_buffer 是无序数组sort_buffer 是有序数组临时表是二维表结构如果执行逻辑需要用到二维表特性就会优先考虑使用临时表。比如例子中union 需要用到唯一索引约束 group by 还需要用到另外一个字段来存累积计数。 五、总结
group by 的几种实现算法从中可以总结一些使用的指导原则
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。 文章中图 8 和图 9 都是 order by null为什么图 8 的返回结果里面0 是在结果集的最后一行而图 9 的结果里面0 是在结果集的第一行 内存临时表和磁盘临时表的存储格式不一样。 内存临时表按照扫描的顺序第一个是1 磁盘临时表走B树按照id主键递增的顺序
