深度了解group分组查询 | 您所在的位置:网站首页 › 分组聚合的原理 › 深度了解group分组查询 |
使用group by的简单例子
group by 工作原理
group by + where 和 group by + having的区别
group by 优化思路
group by 使用注意点
一个生产慢SQL如何优化
1. 使用group by的简单例子
group by一般用于分组统计,它表达的逻辑就是根据一定的规则,进行分组。我们先从一个简单的例子,一起复习一下哈。 假设用一张员工表,表结构如下: CREATE TABLE `staff` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '主键id', `id_card` varchar(20) NOT NULL COMMENT '身份证号码', `name` varchar(64) NOT NULL COMMENT '姓名', `age` int(4) NOT NULL COMMENT '年龄', `city` varchar(64) NOT NULL COMMENT '城市', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=15 DEFAULT CHARSET=utf8 COMMENT='员工表';表存量的数据如下: ![]() 我们现在有这么一个需求:统计每个城市的员工数量。对应的 SQL 语句就可以这么写: select city ,count(*) as num from staff group by city;执行结果如下: ![]() 这条SQL语句的逻辑很清楚啦,但是它的底层执行流程是怎样的呢? 2. group by 原理分析 2.1 explain 分析我们先用explain查看一下执行计划 explain select city ,count(*) as num from staff group by city;
![]() Extra 这个字段的Using temporary表示在执行分组的时候使用了临时表 Extra 这个字段的Using filesort表示使用了排序 group by 怎么就使用到临时表和排序了呢?我们来看下这个SQL的执行流程 2.2 group by 的简单执行流程 explain select city ,count(*) as num from staff group by city;我们一起来看下这个SQL的执行流程哈 创建内存临时表,表里有两个字段city和num; 全表扫描staff的记录,依次取出city = 'X'的记录。 判断临时表中是否有为 city='X'的行,没有就插入一个记录 (X,1); 如果临时表中有city='X'的行的行,就将x 这一行的num值加 1; 遍历完成后,再根据字段city做排序,得到结果集返回给客户端。这个流程的执行图如下: ![]() 临时表的排序是怎样的呢? 就是把需要排序的字段,放到sort buffer,排完就返回。在这里注意一点哈,排序分全字段排序和rowid排序如果是全字段排序,需要查询返回的字段,都放入sort buffer,根据排序字段排完,直接返回 如果是rowid排序,只是需要排序的字段放入sort buffer,然后多一次回表操作,再返回。 怎么确定走的是全字段排序还是rowid 排序排序呢?由一个数据库参数控制的,max_length_for_sort_data对排序有兴趣深入了解的小伙伴,可以看我这篇文章哈。 看一遍就理解:order by详解 3. where 和 having的区别 group by + where 的执行流程 group by + having 的执行流程 同时有where、group by 、having的执行顺序 3.1 group by + where 的执行流程有些小伙伴觉得上一小节的SQL太简单啦,如果加了where条件之后,并且where条件列加了索引呢,执行流程是怎样? 好的,我们给它加个条件,并且加个idx_age的索引,如下: select city ,count(*) as num from staff where age> 30 group by city; //加索引 alter table staff add index idx_age (age);再来expain分析一下: explain select city ,count(*) as num from staff where age> 30 group by city;![]() 从explain 执行计划结果,可以发现查询条件命中了idx_age的索引,并且使用了临时表和排序 Using index condition:表示索引下推优化,根据索引尽可能的过滤数据,然后再返回给服务器层根据where其他条件进行过滤。这里单个索引为什么会出现索引下推呢?explain出现并不代表一定是使用了索引下推,只是代表可以使用,但是不一定用了。大家如果有想法或者有疑问,可以加我微信讨论哈。执行流程如下: 创建内存临时表,表里有两个字段city和num; 扫描索引树idx_age,找到大于年龄大于30的主键ID 通过主键ID,回表找到city = 'X' 判断临时表中是否有为 city='X'的行,没有就插入一个记录 (X,1); 如果临时表中有city='X'的行的行,就将x 这一行的num值加 1; 继续重复2,3步骤,找到所有满足条件的数据, 最后根据字段city做排序,得到结果集返回给客户端。 3.2 group by + having 的执行如果你要查询每个城市的员工数量,获取到员工数量不低于3的城市,having可以很好解决你的问题,SQL酱紫写: select city ,count(*) as num from staff group by city having num >= 3;查询结果如下: ![]() having称为分组过滤条件,它对返回的结果集操作。 3.3 同时有where、group by 、having的执行顺序如果一个SQL同时含有where、group by、having子句,执行顺序是怎样的呢。 比如这个SQL: select city ,count(*) as num from staff where age> 19 group by city having num >= 3; 执行where子句查找符合年龄大于19的员工数据 group by子句对员工数据,根据城市分组。 对group by子句形成的城市组,运行聚集函数计算每一组的员工数量值; 最后用having子句选出员工数量大于等于3的城市组。 3.4 where + having 区别总结 having子句用于分组后筛选,where子句用于行条件筛选 having一般都是配合group by 和聚合函数一起出现如(count(),sum(),avg(),max(),min()) where条件子句中不能使用聚集函数,而having子句就可以。 having只能用在group by之后,where执行在group by之前 4. 使用 group by 注意的问题使用group by 主要有这几点需要注意: group by一定要配合聚合函数一起使用嘛? group by的字段一定要出现在select中嘛 group by导致的慢SQL问题 4.1 group by一定要配合聚合函数使用嘛?group by 就是分组统计的意思,一般情况都是配合聚合函数 如(count(),sum(),avg(),max(),min())一起使用。 count() 数量 sum() 总和 avg() 平均 max() 最大值 min() 最小值如果没有配合聚合函数使用可以吗? 我用的是Mysql 5.7 ,是可以的。不会报错,并且返回的是,分组的第一行数据。比如这个SQL: select city,id_card,age from staff group by city;查询结果是 ![]() 大家对比看下,返回的就是每个分组的第一条数据 ![]() 当然,平时大家使用的时候,group by还是配合聚合函数使用的,除非一些特殊场景,比如你想去重,当然去重用distinct也是可以的。 4.2 group by 后面跟的字段一定要出现在select中嘛。不一定,比如以下SQL: select max(age) from staff group by city;执行结果如下: ![]() 分组字段city不在select 后面,并不会报错。当然,这个可能跟不同的数据库,不同的版本有关吧。大家使用的时候,可以先验证一下就好。有一句话叫做,纸上得来终觉浅,绝知此事要躬行。 4.3 group by导致的慢SQL问题到了最重要的一个注意问题啦,group by使用不当,很容易就会产生慢SQL 问题。因为它既用到临时表,又默认用到排序。有时候还可能用到磁盘临时表。 如果执行过程中,会发现内存临时表大小到达了上限(控制这个上限的参数就是tmp_table_size),会把内存临时表转成磁盘临时表。 如果数据量很大,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。这些都是导致慢SQL的x因素,我们一起来探讨优化方案哈。 5. group by的一些优化方案从哪些方向去优化呢? 方向1: 既然它默认会排序,我们不给它排是不是就行啦。 方向2:既然临时表是影响group by性能的X因素,我们是不是可以不用临时表?我们一起来想下,执行group by语句为什么需要临时表呢?group by的语义逻辑,就是统计不同的值出现的个数。如果这个这些值一开始就是有序的,我们是不是直接往下扫描统计就好了,就不用临时表来记录并统计结果啦? group by 后面的字段加索引 order by null 不用排序 尽量只使用内存临时表 使用SQL_BIG_RESULT 5.1 group by 后面的字段加索引如何保证group by后面的字段数值一开始就是有序的呢?当然就是加索引啦。 我们回到一下这个SQL select city ,count(*) as num from staff where age= 19 group by city;它的执行计划 ![]() 如果我们给它加个联合索引idx_age_city(age,city) alter table staff add index idx_age_city(age,city);再去看执行计划,发现既不用排序,也不需要临时表啦。 ![]() 加合适的索引是优化group by最简单有效的优化方式。 5.2 order by null 不用排序并不是所有场景都适合加索引的,如果碰上不适合创建索引的场景,我们如何优化呢? 如果你的需求并不需要对结果集进行排序,可以使用order by null。 select city ,count(*) as num from staff group by city order by null执行计划如下,已经没有filesort啦 ![]() 如果group by需要统计的数据不多,我们可以尽量只使用内存临时表;因为如果group by 的过程因为数据放不下,导致用到磁盘临时表的话,是比较耗时的。因此可以适当调大tmp_table_size参数,来避免用到磁盘临时表。 5.4 使用SQL_BIG_RESULT优化如果数据量实在太大怎么办呢?总不能无限调大tmp_table_size吧?但也不能眼睁睁看着数据先放到内存临时表,随着数据插入发现到达上限,再转成磁盘临时表吧?这样就有点不智能啦。 因此,如果预估数据量比较大,我们使用SQL_BIG_RESULT 这个提示直接用磁盘临时表。MySQl优化器发现,磁盘临时表是B+树存储,存储效率不如数组来得高。因此会直接用数组来存 示例SQl如下: select SQL_BIG_RESULT city ,count(*) as num from staff group by city;执行计划的Extra字段可以看到,执行没有再使用临时表,而是只有排序 ![]() 执行流程如下: 初始化 sort_buffer,放入city字段; 扫描表staff,依次取出city的值,存入 sort_buffer 中; 扫描完成后,对 sort_buffer的city字段做排序 排序完成后,就得到了一个有序数组。 根据有序数组,统计每个值出现的次数。 6. 一个生产慢SQL如何优化最近遇到个生产慢SQL,跟group by相关的,给大家看下怎么优化哈。 表结构如下: CREATE TABLE `staff` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '主键id', `id_card` varchar(20) NOT NULL COMMENT '身份证号码', `name` varchar(64) NOT NULL COMMENT '姓名', `status` varchar(64) NOT NULL COMMENT 'Y-已激活 I-初始化 D-已删除 R-审核中', `age` int(4) NOT NULL COMMENT '年龄', `city` varchar(64) NOT NULL COMMENT '城市', `enterprise_no` varchar(64) NOT NULL COMMENT '企业号', `legal_cert_no` varchar(64) NOT NULL COMMENT '法人号码', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=15 DEFAULT CHARSET=utf8 COMMENT='员工表';查询的SQL是这样的: select * from t1 where status = #{status} group by #{legal_cert_no} |
CopyRight 2018-2019 实验室设备网 版权所有 |