详解MySQL中Order By排序和filesort排序的原理及实现

1.Order By原理

MySQL的Order By操作用于排序，并且会有多种不同的排序算法，他们的性能都是不一样的。

假设有一个表，建表的sql如下：

存储过程插入10000条数据：

如果不能使用索引消除排序，那么EXPLAIN展示的执行计划的Extra这个字段中的“Using filesort”表示的就是需要额外的排序操作，MySQL会给每个线程分配一块内存用于排序，称为sort_buffer。

这里的filesort有可能是内存排序，也有可能是文件排序，但它们都统称filessort。在内存中对数据进行排序，这个我相信大家都是不陌生的，如果sort_buffer_size超过了需要排序的数据量的大小，表示排序可以直接在内存中完成。

那么文件排序又是什么意思呢？实际上如果需要排序的数据量太大，内存放不下，则不得不利用磁盘临时文件辅助排序。文件排序就是所谓的外部排序。所以说，MySQL的Order By的实现，就有可能利用到外部排序这种排序算法！

外部文件排序一般使用归并排序算法。MySQL将需要排序的数据分成N份，每一份单独排序后存在这些临时文件中，然后把这N个有序文件再一步步的合并成一个有序的大文件。

怎么看一个排序是否使用到了临时文件呢？我们执行下面的SQL：

通过查看 OPTIMIZER_TRACE 的结果来确认的，你可以从 number_of_tmp_files中看到是否使用了临时文件。

number_of_tmp_files表示排序过程中使用的临时辅助文件数。可以这么简单理解，MySQL将需要排序的数据分成12份，每一份单独排序后存在这些临时文件中。然后把这12个有序文件再合并成一个有序的大文件。

examined_rows表示参与排序的行数，一共5000行，即所有数据都参与了排序。

sort_mode 里面的packed_additional_fields的意思是，排序过程对字符串做了“紧凑”处理。即使a、b、c字段的定义是varchar(50)，在排序过程中还是要按照实际长度来分配空间的。

同时，最后一个查询语句select @b-@a 的返回结果是5000，表示整个执行过程只扫描了5000行。实际可能显示为5001，这是InnoDB的干扰，为了避免对结论造成干扰，可以把internal_tmp_disk_storage_engine参数设置成MyISAM。

这是因为查询OPTIMIZER_TRACE这个表时，需要用到临时表，而internal_tmp_disk_storage_engine的默认值是InnoDB。如果使用的是InnoDB引擎的话，把数据从临时表取出来的时候，会让Innodb_rows_read的值加1。临时表默认大小为16M。

2.filesort排序算法

实际上文件辅助排序同样有两种算法，一种是全字段排序，另一种是rowid排序，也称为"原始排序模式（MySQL 4.1之前的）"。

全字段排序是将要查询的一行的所有字段都放入sort_buffer中，并按照指定的字段进行过排序，排序完毕之后，直接取出排序好的数据返回给客户端，因为排序后的数据包括了需要返回的所有数据，这种方法称为全字段排序。

全字段排序步骤可以归纳为：

• 读取<固定长度的排序列, 需要返回的列> 组成元组，放入sort buffer。
• 如果sort buffer满， 根据排序列执行一次quicksort, 将其写入临时文件。
• 重复1 2 步骤直到文件结束。
• 对临时文件执行归并排序。
• 从排好序的临时文件中读取需要返回的列返回给客户端即可。

上面的查询语句就是使用的全字段排序，这种排序方法只对原表的数据读了一遍，剩下的操作都是在sort_buffer和临时文件中执行的。但这个算法有一个问题，就是如果查询要返回的字段很多的话，那么sort_buffer里面要放的字段数太多，这样内存里能够同时放下的行数很少，要分成很多个临时文件，排序的性能会很差。

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，默认值是1024字节。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，要换一个另一个rowid算法。

我们知道，上面的sql中两个字段b和d加起来长度是不会超过1024字节的，因此就会使用全字段排序。如果我们将查询返回字段改为：*，即全部返回，这些字段的总长度肯定大于1024了，此时MySQL将会使用rowid排序算法。

rowid排序算法的大概流程为：

• 读取 固定长度的排序列 + rowid组成元组，放入sort buffer。
• 如果sort buffer满， 根据排序列执行一次quicksort, 将其写入临时文件。
• 重复1 2 步骤直到文件结束。
• 对临时文件执行归并排序。
• 从排好序的临时文件中读取需要返回的列的rowid。
• 然后再根据这些id进行回表操作，查询出需要的字段值直接返回给客户端。

对比全字段排序流程会发现，rowid排序多访问了一次表的主键索引，就是步骤6，返回的结果也有变化：

可以看到examined_rows的值还是5000，表示用于排序的数据是5000行。但是select @b-@a这个语句的值变成8000了。因为这时候除了排序过程外，在排序完成后，还要根据id去原表取值。由于语句是limit 3000，因此会多读3000行。

sort_mode变成了<sort_key, rowid>，表示参与排序的只有a和id这两个字段，即rowid排序。

number_of_tmp_files变成3了，是因为这时候参与排序的行数虽然仍然是5000行，但是每一行的数据量都变小了，因此需要排序的总数据量就变小了，需要的临时文件也相应地变少了。

总结：

如果MySQL认为内存足够大，会优先选择全字段排序，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，不用再回到原表去取数据，但这会导致它需要多次向临时文件写入内容，增加IO操作，当需要返回的列的总长度很长时尤其明显。而如果一行的数据大小超过max_length_for_sort_data这个限制值时，才会采用rowid排序算法，这样排序过程中一次可以排序更多行，但是需要再回到原表去取数据，即需要读两次表，并且第二次读取是随机的。

3.优化排序

这也就体现了MySQL的一个设计思想：如果内存够，就要多利用内存，尽量减少磁盘访问。

从上面也能看出来，MySQL的排序操作的成本还是很高的，MySQL之所以需要生成临时表，并且在临时表上做排序操作，其原因是原来的数据都是无序的。

如果能够保证从b这个索引上取出来的行，天然就是递增排序的话，那就可以不用再排序了，这是就可以用到索引。

比如我们有如下查询：

此时如果我们建立(a,b)的联合索引，则不但可以利用索引消除排序，还能够避免回表查询，一举两得！如果没有采用额外的排序手段，则没有filesort_summary的一系列数据。

另外，如果需要取出的排序数据较少，则可能使用additional_fields排序，这种方式同样不需要回表查询，但是相比于packed_additional_fields，没有进行紧密打包操作。比如：

如果number_of_tmp_files值为0，则可能是用到了优先队列排序算法，如果filesort_priority_queue_optimization部分的chosen=true，就表示使用了优先队列排序算法，这个过程不需要临时文件，因此对应的number_of_tmp_files是0。

因为limit所要取的数据量比较少，采用文件归并排序的话，就需要对全部数据进行排序，内存时间复杂度为O(nlogn)，但由于有文件IO实际需要更多时间。而如果使用优先队列排序，实际上就是堆排序，这样的排序是一种偏序排序，能够计算出所需的最大或者最小的几个值，但是其他的数据的顺序是不确定的，实际上如果使用堆排序对所有数据排序，那么时间复杂度也是O(nlogn)，但这里只需要在大量数据中取出少量有序数据，并且是内存中操作的，这样耗费的时间远小于文件归并排序。

如果limit取出的数据量小于sort_buffer_size，则采用优先队列排序。

到此这篇关于详解MySQL中Order By排序和filesort排序的原理及实现的文章就介绍到这了,更多相关MySQL Order By排序 filesort排序内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！