MySQL的 order by 工作原理

在程序设计当中，我们很多场景下都会用 group by 关键字。比如在分页读取数据时，为了避免重复扫描记录，这就是必须要使用 group by 了。

比如我们使用如下 DDL 创建表：

CREATE TABLE `user_info` (
 `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键ID',
 `city` varchar(16) NOT NULL COMMENT '城市',
 `name` varchar(16) NOT NULL COMMENT '姓名',
 `age` int(11) NOT NULL COMMENT '年龄',
 `addr` varchar(128) DEFAULT NULL COMMENT '地址',
 PRIMARY KEY (`id`),
 KEY `city` (`city`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8

并且我们会执行如下查询语句

SELECT city,`name`,age FROM user_info WHERE city='上海' ORDER BY `name` LIMIT 1000;

全字段排序

因为上面的建表语句已经在 city 字段上面创建索引了，当我们使用 EXPLAIN 命令时，会有如下结果：

上面 Extra 字段中的 “Using filesort” 表示的就是需要排序，MySQL 会为每个线程分配一块内存用于排序，成为 sort_buffer。下面我们看一下 index(city) 的结构示意图。

执行流程如下：

1. 初始化 sort_buffer，确定放入 city name age 这 3 个字段；
2. 从 city 索引中获取到第一个 city='上海' 的记录，也就是 id_x；
3. 到主键索引中获取对应的记录，并取出 name city age 的值放入 sort_buffer；
4. 取下一条符合条件的记录，重复 3 4 的操作，直至不符合条件为止；
5. 对 sort_buffer 中的数据按照 name 做快速排序；
6. 取出前 1000 条数据并返回。

我们暂时叫这种排序过程为“全字段排序”，如下所示：

图中的“按 name 排序” 可能在内存中，也可能使用磁盘文件排序，这取决与排序所需要的内存和 sort_buffer_size 。sort_buffer_size 就是 MySQL 为排序开辟的内存大小，当所需内存小于 sort_buffer_size 时，就直接在内存中完成排序，如果所需要的内存 大于 sort_buffer_size ，就需要额外的磁盘空间辅助排序。

rowid 排序

上面的算法在数据量比较大的时候，可能会出现一些问题。因为在排序的时候，存放了所有的返回字段，增加了 排序空间 （sort_buffer）的压力。

SET max_length_for_sort_data=16;

max_length_for_sort_data 是MySQL 限制排序行大小的参数。意思是，如果排序行大小超过了这个值，就会另选排序算法。上面 name city age 3 个字段的大小为 36，大于 16 ，在新的算法中将只有 name (排序字段) 和id 参与 sort_buffer 中的排序。过程如下

1. 初始化 sort_buffer，确定放入 name id 这 2 个字段；
2. 从 city 索引中获取到第一个 city='上海' 的记录，也就是 id_x；
3. 到主键索引中获取对应的记录，并取出 name id 的值放入 sort_buffer；
4. 取下一条符合条件的记录，重复 3 4 的操作，直至不符合条件为止；
5. 对 sort_buffer 中的数据按照 name 做快速排序；
6. 取出前 1000 条数据，然后根据 id 取出对应记录的 name city age 3 个字段并返回结果。

这种排序过程，我们称为 rowid 排序，过程如下所示：

全字段排序 VS rowid 排序

从上面 2 个流程看来，如果内存足够时，MySQL 会让返回值中所有字段存放在排序空间。当MySQL 内存过小时，才会考虑使用rowid 排序。但是从上面的流程看来，rowid 排序在返回结果前，还会再一次的回表。因此MySQL 认为内存充足的时候，会优先采用 全字段排序。

上面的场景是：city 字段过滤后，name 字段不是有序的。其实我们可以通过联合索引来规避掉 name 字段的排序。

alter table user_info add index idx_city_user(city, name);

下面我们看一下联合索引的示意图：

从上面流程图可以看出，当我们取出 city='上海' 的记录时，name的字段也是有序的。过程如下

1. 从 (city, name)索引中获取到第一个 city='上海' 的记录 id_x；
2. 到主键索引中获取对应的记录，并取出 name city age 的值作为结果集的一部分直接返回；
3. 取下一条符合条件的记录，重复 2 3 的操作，直至不符合条件或者达到 1000 条为止；

从联合索引看来，我们是可以不用排序操作了，那么我们是否可以直接通过 索引就直接返回结果呢？也就是不要回表操作。答案是有的，那就是覆盖索引。

alter table user_info add index idx_city_user_age(city, name, age);

当执行查询语句时，不仅 name 中的字段是有序的，并且 索引中已经包含了结果集中的所有字段，过程如下：

1. 从 (city, name,age)索引中获取到第一个 city='上海' 的记录，并取出 name city age 的值作为结果集的一部分直接返回；
2. 取下一条符合条件的记录，重复 1 2 的操作，直至不符合条件或者达到 1000 条为止；

参考：《极客时间：MySQL实战》、《高性能MySQL》