Group by 優化

萌新J發表於2021-01-29
優化

一個標準的 Group by 語句包含排序、分組、聚合函式，比如 select a,count(*) from t group by a ;  這個語句預設使用 a 進行排序。如果 a 列沒有索引，那麼就會建立臨時表來統計 a和 count(*)，然後再通過 sort_buffer 按 a 進行排序。

標準的執行流程

結構：

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();

函式就是向 t1 中插入1000條語句，從(1,1,1) 到(1000,1000,1000)。

執行   select id%10 as m, count(*) as c from t1 group by m;

解析：

Using index，表示這個語句使用了覆蓋索引，選擇了索引 a，不需要回表；
Using temporary，表示使用了臨時表；
Using filesort，表示需要排序。

過程：

1、建立記憶體臨時表，表裡有兩個欄位 m 和 c，主鍵是 m；
2、掃描表 t1 的索引 a，依次取出葉子節點上的 id 值，計算 id%10 的結果，記為 x；
　　1）如果臨時表中沒有主鍵為 x 的行，就插入一個記錄 (x,1);
　　2）如果表中有主鍵為 x 的行，就將 x 這一行的 c 值加 1；

第2 步如果發現記憶體臨時表儲存的總欄位長度到達引數 tmp_table_size 設定的大小，那麼就會將記憶體臨時表升級為磁碟臨時表，然後重新開始遍歷計算。
3、遍歷完成後，再根據欄位 m 做排序，得到結果集返回給客戶端。

最後的排序就是下圖虛線框中的操作，如果 sort_buffer 設定的大小不夠大，那麼就會使用臨時表來輔助排序。

 

優化

未優化（也就是分組列沒有索引）的 group by 的總過程可以概括為：因為資料是無序的，所以需要建立臨時表，然後一個一個判斷屬於哪個分組，最後再根據分組列進行排序。所以，優化可以有兩個思路：

去掉排序

在明確返回的資料不需要排序的情況下，可以禁止排序，也就是將上面的語句改成 select a,count(*) from t group by a order by null。

 

順序排列

如果記錄都按照排序欄位排序，那麼資料就變成了下面的結構：

這樣在實際獲取要返回的欄位或計算聚合函式時，只需要按順序依次訪問，等到列值變成下一個就知道當前組訪問結束，將之前統計的資料直接返回。這樣就避免了建立臨時表，同時排序也不需要使用 sort_buffer 進行額外排序。這樣就極大地提高了執行的效率。

實現

1、如果分組欄位適合建立索引就直接為分組欄位建立索引。

MySQL 5.7 版本支援了 generated column 機制，用來實現列資料的關聯更新。你可以用下面的方法建立一個列 z，然後在 z 列上建立一個索引（如果是 MySQL 5.6 及之前的版本，你也可以建立普通列和索引，來解決這個問題）

alter table t1 add column z int generated always as(id % 100), add index(z);

然後解析：

這時沒有用到臨時表和額外排序，所以效能提升。

 

2、如果分組欄位不適合（使用率很低），那麼可以使用 SQL_BIG_RESULT 來嘗試優化。

在 group by 語句中加入 SQL_BIG_RESULT 這個提示（hint），就可以告訴優化器：這個語句涉及的資料量很大，請直接用磁碟臨時表。MySQL 的優化器一看，磁碟臨時表是 B+ 樹儲存，儲存效率不如陣列來得高。所以，既然使用SQL_BIG_RESULT來說明資料量很大，那從磁碟空間考慮，還是直接用陣列來存吧。所以在使用 SQL_BIG_RESULT 後優化器會使用陣列結構的磁碟臨時表。

但是如果在未達到磁碟臨時表的使用條件是不會使用磁碟臨時表的，也就是在 sort_buffer 空間能夠儲存要返回和排序的總欄位長度時，就使用陣列結構的 sort_buffer ，如果總欄位超過 sort_buffer 大小，那麼就再加上陣列結構的磁碟臨時表來幫助排序。

那麼在 sort_buffer 空間足夠的情況下， sort_buffer 內部就會對資料進行排序，這樣也就起到了索引的作用，

還是以上面的例子來看，使用 SQL_BIG_RESULT

alter table t1 add column z int generated always as(id % 100), add index(z);

具體過程如下：

1、初始化 sort_buffer，確定放入一個整型欄位，記為 m；
2、掃描表 t1 的索引 a，依次取出裡面的 id 值, 將 id%10 的值存入 sort_buffer 中；
3、掃描完成後，對 sort_buffer 的欄位 m 做排序（如果 sort_buffer 記憶體不夠用，就會利用磁碟臨時檔案輔助排序）；
4、排序完成後，就得到了一個有序陣列。

解析：

可以看到此時就沒有使用臨時表了，而是直接使用 sort_buffer 進行排序，這樣就省去了使用臨時錶帶來的效能消耗。

 

總結

1、如果對 group by 語句的結果沒有排序要求，要在語句後面加 order by null；那麼一般情況就不需要使用臨時表了（上面兩個優化都是在要求排序的前提下提出的優化方式）
2、儘量讓 group by 過程用上表的索引，確認方法是 explain 結果裡沒有 Using temporary 和 Using filesort；
3、如果 group by 需要統計的資料量不大，儘量只使用記憶體臨時表；也可以通過適當調大 tmp_table_size 引數，來避免用到磁碟臨時表；
4、如果資料量實在太大，使用 SQL_BIG_RESULT 這個提示，來告訴優化器直接使用排序演算法得到 group by 的結果。

相關文章