一次 group by + order by 性能优化分析

最近通过一个日志表做排行的时候发现特别卡，最后问题得到了解决，梳理一些索引和MySQL执行过程的经验，但是最后还是有5个谜题没解开，希望大家帮忙解答下。

主要包含如下知识点

用数据说话证明慢日志的扫描行数到底是如何统计出来的
从 group by 执行原理找出优化方案
排序的实现细节
gdb 源码调试

背景

需要分别统计本月、本周被访问的文章的 TOP10。日志表如下

CREATE TABLE `article_rank` (

  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,

  `aid` int(11) unsigned NOT NULL,

  `pv` int(11) unsigned NOT NULL DEFAULT '',

  `day` int(11) NOT NULL COMMENT '日期 例如 20171016',

  PRIMARY KEY (`id`),

  KEY `idx_day_aid_pv` (`day`,`aid`,`pv`),

  KEY `idx_aid_day_pv` (`aid`,`day`,`pv`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8

准备工作

为了能够清晰的验证自己的一些猜想，在虚拟机里安装了一个 debug 版的 mysql，然后开启了慢日志收集，用于统计扫描行数

安装

下载源码
编译安装
创建 mysql 用户
初始化数据库
初始化 mysql 配置文件
修改密码

开启慢日志

编辑配置文件，在[mysqld]块下添加

slow_query_log=1

slow_query_log_file=xxx

long_query_time=0

log_queries_not_using_indexes=1

性能分析

发现问题
假如我需要查询2018-12-20 ~ 2018-12-24这5天浏览量最大的10篇文章的 sql 如下，首先使用explain看下分析结果

mysql> explain select aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;
+----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-----------------------------------------------------------+
| id | select_type | table        | partitions | type  | possible_keys                 | key            | key_len | ref  | rows   | filtered | Extra                                                     |
+----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-----------------------------------------------------------+
|  1 | SIMPLE      | article_rank | NULL       | range | idx_day_aid_pv,idx_aid_day_pv | idx_day_aid_pv | 4       | NULL | 404607 |   100.00 | Using where; Using index; Using temporary; Using filesort |
+----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-----------------------------------------------------------+

系统默认会走的索引是idx_day_aid_pv，根据Extra信息我们可以看到，使用idx_day_aid_pv索引的时候，会走覆盖索引，但是会使用临时表，会有排序。
我们查看下慢日志里的记录信息

# Time: 2019-03-17T03:02:27.984091Z
# User@Host: root[root] @ localhost []  Id:     6
# Query_time: 56.959484  Lock_time: 0.000195 Rows_sent: 10  Rows_examined: 1337315
SET timestamp=1552791747;
select aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;

为什么扫描行数是 1337315

我们查询两个数据，一个是满足条件的行数，一个是group by统计之后的行数。

mysql> select count(*) from article_rank where day>=20181220 and day<=20181224;
+----------+
| count(*) |
+----------+
|   785102 |
+----------+

mysql> select count(distinct aid) from article_rank where day>=20181220 and day<=20181224;
+---------------------+
| count(distinct aid) |
+---------------------+
|              552203 |
+---------------------+

发现满足条件的总行数（785102）+group by之后的总行数（552203）+limit 的值 =慢日志里统计的 Rows_examined。

要解答这个问题，就必须搞清楚上面这个 sql 到底分别都是如何运行的。

执行流程分析

索引示例

为了便于理解，我按照索引的规则先模拟idx_day_aid_pv索引的一小部分数据

表格

day	aid	pv	id
20181220	1	23	1234
20181220	3	2	1231
20181220	4	1	1212
20181220	7	2	1221
20181221	1	5	1257
20181221	10	1	1251
20181221	11	8	1258

因为索引idx_day_aid_pv最左列是day，所以当我们需要查找20181220~20181224之间的文章的pv总和的时候，我们需要遍历20181220~20181224这段数据的索引。

查看 optimizer trace 信息

# 开启 optimizer_trace
set optimizer_trace='enabled=on';
# 执行 sql 
select aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;
# 查看 trace 信息
select trace from `information_schema`.`optimizer_trace`\G;

摘取里面最后的执行结果如下

{

  "join_execution": {

    "select#": 1,

    "steps": [

      {

        "creating_tmp_table": {

          "tmp_table_info": {

            "table": "intermediate_tmp_table",

            "row_length": 20,

            "key_length": 4,

            "unique_constraint": false,

            "location": "memory (heap)",

            "row_limit_estimate": 838860

          }

        }

      },

      {

        "converting_tmp_table_to_ondisk": {

          "cause": "memory_table_size_exceeded",

          "tmp_table_info": {

            "table": "intermediate_tmp_table",

            "row_length": 20,

            "key_length": 4,

            "unique_constraint": false,

            "location": "disk (InnoDB)",

            "record_format": "fixed"

          }

        }

      },

      {

        "filesort_information": [

          {

            "direction": "desc",

            "table": "intermediate_tmp_table",

            "field": "num"

          }

        ],

        "filesort_priority_queue_optimization": {

          "limit": 10,

          "rows_estimate": 1057,

          "row_size": 36,

          "memory_available": 262144,

          "chosen": true

        },

        "filesort_execution": [

        ],

        "filesort_summary": {

          "rows": 11,

          "examined_rows": 552203,

          "number_of_tmp_files": 0,

          "sort_buffer_size": 488,

          "sort_mode": "<sort_key, additional_fields>"

        }

      }

    ]

  }

}

通过gdb调试确认临时表上的字段是aid和num

Breakpoint 1, trace_tmp_table (trace=0x7eff94003088, table=0x7eff94937200) at /root/newdb/mysql-server/sql/sql_tmp_table.cc:2306

warning: Source file is more recent than executable.

2306      trace_tmp.add("row_length",table->s->reclength).

(gdb) p table->s->reclength

$1 = 20

(gdb) p table->s->fields

$2 = 2

(gdb) p (*(table->field+0))->field_name

$3 = 0x7eff94010b0c "aid"

(gdb) p (*(table->field+1))->field_name

$4 = 0x7eff94007518 "num"

(gdb) p (*(table->field+0))->row_pack_length()

$5 = 4

(gdb) p (*(table->field+1))->row_pack_length()

$6 = 15

(gdb) p (*(table->field+0))->type()

$7 = MYSQL_TYPE_LONG

(gdb) p (*(table->field+1))->type()

$8 = MYSQL_TYPE_NEWDECIMAL

(gdb)

通过上面的打印，确认了字段类型，一个aid是MYSQL_TYPE_LONG，占4字节，num是MYSQL_TYPE_NEWDECIMAL，占15字节。
但是通过我们上面打印信息可以看到两个字段的长度加起来是19，而optimizer_trace里的tmp_table_info.reclength是20。通过其他实验也发现table->s->reclength的长度就是table->field数组里面所有字段的字段长度和再加1。

总结执行流程

尝试在堆上使用memory的内存临时表来存放group by的数据，发现内存不够；
创建一张临时表，临时表上有两个字段，aid和num字段（sum(pv) as num）；
从索引idx_day_aid_pv中取出1行，插入临时表。插入规则是如果aid不存在则直接插入，如果存在，则把pv的值累加在num上；
循环遍历索引idx_day_aid_pv上20181220~20181224之间的所有行，执行步骤3；
对临时表根据num的值做优先队列排序；
取出最后留在堆（优先队列的堆）里面的10行数据，作为结果集直接返回，不需要再回表；

补充说明优先队列排序执行步骤分析：

在临时表（未排序）中取出前 10 行，把其中的num和aid作为10个元素构成一个小顶堆，也就是最小的 num 在堆顶。
取下一行，根据 num 的值和堆顶值作比较，如果该字大于堆顶的值，则替换掉。然后将新的堆做堆排序。
重复步骤2直到第 552203 行比较完成。

优化

方案1 使用 idx_aid_day_pv 索引

# Query_time: 4.406927  Lock_time: 0.000200 Rows_sent: 10  Rows_examined: 1337315

SET timestamp=1552791804;

select aid,sum(pv) as num from article_rank force index(idx_aid_day_pv) where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;

扫描行数都是1337315，为什么执行消耗的时间上快了12倍呢？

group by 不需要临时表的情况

为什么性能上比 SQL1 高了，很多呢，原因之一是idx_aid_day_pv索引上aid是确定有序的，那么执行group by的时候，则不会创建临时表，排序的时候才需要临时表。如果印证这一点呢，我们通过下面的执行计划就能看到

使用idx_day_aid_pv索引的效果：

mysql> explain select aid,sum(pv) as num from article_rank force index(idx_day_aid_pv) where day>=20181220 and day<=20181224 group by aid order by null limit 10;

+----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-------------------------------------------+

| id | select_type | table        | partitions | type  | possible_keys                 | key            | key_len | ref  | rows   | filtered | Extra                                     |

+----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-------------------------------------------+

|  1 | SIMPLE      | article_rank | NULL       | range | idx_day_aid_pv,idx_aid_day_pv | idx_day_aid_pv | 4       | NULL | 404607 |   100.00 | Using where; Using index; Using temporary |

+----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-------------------------------------------+

注意我上面使用了order by null表示强制对group by的结果不做排序。如果不加order by null，上面的 sql则会出现Using filesort

使用idx_aid_day_pv索引的效果：

mysql> explain select aid,sum(pv) as num from article_rank force index(idx_aid_day_pv) where day>=20181220 and day<=20181224 group by aid order by null limit 10;

+----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+------+----------+--------------------------+

| id | select_type | table        | partitions | type  | possible_keys                 | key            | key_len | ref  | rows | filtered | Extra                    |

+----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+------+----------+--------------------------+

|  1 | SIMPLE      | article_rank | NULL       | index | idx_day_aid_pv,idx_aid_day_pv | idx_aid_day_pv | 12      | NULL |   10 |    11.11 | Using where; Using index |

+----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+------+----------+--------------------------+

查看 optimizer trace 信息

# 开启optimizer_trace

set optimizer_trace='enabled=on';

# 执行 sql

select aid,sum(pv) as num from article_rank force index(idx_aid_day_pv) where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;

# 查看 trace 信息

select trace from `information_schema`.`optimizer_trace`\G;

摘取里面最后的执行结果如下

{

  "join_execution": {

    "select#": 1,

    "steps": [

      {

        "creating_tmp_table": {

          "tmp_table_info": {

            "table": "intermediate_tmp_table",

            "row_length": 20,

            "key_length": 0,

            "unique_constraint": false,

            "location": "memory (heap)",

            "row_limit_estimate": 838860

          }

        }

      },

      {

        "filesort_information": [

          {

            "direction": "desc",

            "table": "intermediate_tmp_table",

            "field": "num"

          }

        ],

        "filesort_priority_queue_optimization": {

          "limit": 10,

          "rows_estimate": 552213,

          "row_size": 24,

          "memory_available": 262144,

          "chosen": true

        },

        "filesort_execution": [

        ],

        "filesort_summary": {

          "rows": 11,

          "examined_rows": 552203,

          "number_of_tmp_files": 0,

          "sort_buffer_size": 352,

          "sort_mode": "<sort_key, rowid>"

        }

      }

    ]

  }

}

执行流程如下

创建一张临时表，临时表上有两个字段，aid和num字段（sum(pv) as num）；
读取索引idx_aid_day_pv中的一行，然后查看是否满足条件，如果day字段不在条件范围内（20181220~20181224之间），则读取下一行；如果day字段在条件范围内，则把pv值累加（不是在临时表中操作）；
读取索引idx_aid_day_pv中的下一行，如果aid与步骤1中一致且满足条件，则pv值累加（不是在临时表中操作）。如果aid与步骤1中不一致，则把之前的结果集写入临时表；
循环执行步骤2、3，直到扫描完整个idx_aid_day_pv索引；
对临时表根据num的值做优先队列排序；
根据查询到的前10条的rowid回表（临时表）返回结果集。

补充说明优先队列排序执行步骤分析：

在临时表（未排序）中取出前 10 行，把其中的num和rowid作为10个元素构成一个小顶堆，也就是最小的 num 在堆顶。
取下一行，根据 num 的值和堆顶值作比较，如果该字大于堆顶的值，则替换掉。然后将新的堆做堆排序。
重复步骤2直到第 552203 行比较完成。
该方案可行性
实验发现，当我增加一行20181219的数据时，虽然这行记录不满足我们的需求，但是扫描索引的也会读取这行。因为我做这个实验，只弄了20181220~201812245天的数据，所以需要扫描的行数正好是全表数据行数。

那么如果该表的数据存储的不是5天的数据，而是10天的数据呢，更或者是365天的数据呢？这个方案是否还可行呢？先模拟10天的数据，在现有时间基础上往后加5天，行数与现在一样785102行。

drop procedure if exists idata;

delimiter ;;

create procedure idata()

begin

  declare i int;

  declare aid int;

  declare pv int;

  declare post_day int;

  set i=1;

  while(i<=785102)do

    set aid = round(rand()*500000);

    set pv = round(rand()*100);

    set post_day = 20181225 + i%5;

    insert into article_rank (`aid`,`pv`,`day`) values(aid, pv, post_day);

    set i=i+1;

  end while;

end;;

delimiter ;

call idata();

# Query_time: 9.151270  Lock_time: 0.000508 Rows_sent: 10  Rows_examined: 2122417

SET timestamp=1552889936;

select aid,sum(pv) as num from article_rank force index(idx_aid_day_pv) where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;

这里扫描行数2122417是因为扫描索引的时候需要遍历整个索引，整个索引的行数就是全表行数，因为我刚刚又插入了785102行。

当我数据量翻倍之后，这里查询时间明显已经翻倍。所以这个优化方式不稳定。

方案2 扩充临时表空间上限大小

默认的临时表空间大小是16MB

mysql> show global variables like '%table_size';

+---------------------+----------+

| Variable_name       | Value    |

+---------------------+----------+

| max_heap_table_size | 16777216 |

| tmp_table_size      | 16777216 |

+---------------------+----------+

https://dev.mysql.com/doc/refman/5.7/en/server-system-variables.html#sysvar_max_heap_table_size

https://dev.mysql.com/doc/refman/5.7/en/server-system-variables.html#sysvar_tmp_table_size

max_heap_table_size

This variable sets the maximum size to which user-created MEMORY tables are permitted to grow. The value of the variable is used to calculate MEMORY table MAX_ROWS values. Setting this variable has no effect on any existing MEMORY table, unless the table is re-created with a statement such as CREATE TABLE or altered with ALTER TABLE or TRUNCATE TABLE. A server restart also sets the maximum size of existing MEMORY tables to the global max_heap_table_size value.

tmp_table_size

The maximum size of internal in-memory temporary tables. This variable does not apply to user-created MEMORY tables.

The actual limit is determined from whichever of the values of tmp_table_size and max_heap_table_size is smaller. If an in-memory temporary table exceeds the limit, MySQL automatically converts it to an on-disk temporary table. The internal_tmp_disk_storage_engine option defines the storage engine used for on-disk temporary tables.

也就是说这里临时表的限制是16M，max_heap_table_size大小也受tmp_table_size大小的限制。

所以我们这里调整为32MB，然后执行原始的SQL

set tmp_table_size=33554432;

set max_heap_table_size=33554432;

# Query_time: 5.910553  Lock_time: 0.000210 Rows_sent: 10  Rows_examined: 1337315

SET timestamp=1552803869;

select aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;

方案3 使用 `SQL_BIG_RESULT` 优化

告诉优化器，查询结果比较多，临时表直接走磁盘存储。

# Query_time: 6.144315  Lock_time: 0.000183 Rows_sent: 10  Rows_examined: 2122417

SET timestamp=1552802804;

select SQL_BIG_RESULT aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;

扫描行数是 2x满足条件的总行数（785102）+group by之后的总行数（552203）+limit的值。

顺便值得一提的是：当我把数据量翻倍之后，使用该方式，查询时间基本没变。因为扫描的行数还是不变的。实际测试耗时6.197484

总结

方案1优化效果不稳定，当总表数据量与查询范围的总数相同时，且不超出内存临时表大小限制时，性能达到最佳。当查询数据量占据总表数据量越大，优化效果越不明显；
方案2需要调整临时表内存的大小，可行；不过当数据库超过32MB时，如果使用该方式，还需要继续提升临时表大小；
方案3直接声明使用磁盘来放临时表，虽然扫描行数多了一次符合条件的总行数的扫描。但是整体响应时间比方案2就慢了0.1秒。因为我们这里数据量比较，我觉得这个时间差还能接受。

所以最后对比，选择方案3比较合适。

问题与困惑

# SQL1

select aid,sum(pv) as num from article_rank where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;

# SQL2

select aid,sum(pv) as num from article_rank force index(idx_aid_day_pv) where day>=20181220 and day<=20181224 group by aid order by num desc limit 10;

SQL1 执行过程中，使用的是全字段排序最后不需要回表为什么总扫描行数还要加上10才对得上？
SQL1 与 SQL2 group by之后得到的行数都是552203，为什么会出现 SQL1 内存不够，里面还有哪些细节呢？
trace 信息里的creating_tmp_table.tmp_table_info.row_limit_estimate都是838860；计算由来是临时表的内存限制大小16MB，而一行需要占的空间是20字节，那么最多只能容纳floor(16777216/20) = 838860行，而实际我们需要放入临时表的行数是785102。为什么呢？
SQL1 使用SQL_BIG_RESULT优化之后，原始表需要扫描的行数会乘以2，背后逻辑是什么呢？为什么仅仅是不再尝试往内存临时表里写入这一步会相差10多倍的性能？
通过源码看到 trace 信息里面很多扫描行数都不是实际的行数，既然是实际执行，为什么 trace 信息里不输出真实的扫描行数和容量等呢，比如filesort_priority_queue_optimization.rows_estimate在SQL1中的扫描行数我通过gdb看到计算规则如附录图 1
有没有工具能够统计 SQL 执行过程中的 I/O 次数？

关注微信公众号：编程学习分享

转自：https://mengkang.net/1355.htm