MySQL -- 内部临时表

UNION

UNION语义：取两个子查询结果的并集，重复的行只保留一行

表初始化

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();

执行语句

(SELECT 1000 AS f) UNION (SELECT id FROM t1 ORDER BY id DESC LIMIT 2);

mysql> EXPLAIN (SELECT 1000 AS f) UNION (SELECT id FROM t1 ORDER BY id DESC LIMIT 2);
+----+--------------+------------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+
| id | select_type  | table      | partitions | type  | possible_keys | key     | key_len | ref  | rows | filtered | Extra                            |
+----+--------------+------------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+
|  1 | PRIMARY      | NULL       | NULL       | NULL  | NULL          | NULL    | NULL    | NULL | NULL |     NULL | No tables used                   |
|  2 | UNION        | t1         | NULL       | index | NULL          | PRIMARY | 4       | NULL |    2 |   100.00 | Backward index scan; Using index |
| NULL | UNION RESULT | <union1,2> | NULL       | ALL   | NULL          | NULL    | NULL    | NULL | NULL |     NULL | Using temporary                  |
+----+--------------+------------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+

1. 第二行的Key=PRIMARY，说明第二个子查询用到了索引id
2. 第三行的Extra字段为Using temporary
   • 表示在对子查询的结果做UNION RESULT的时候，使用了临时表

UNION RESULT

1. 创建一个内存临时表，这个内存临时表只有一个整型字段f，并且f为主键
2. 执行第一个子查询，得到1000，并存入内存临时表中
3. 执行第二个子查询
   • 拿到第一行id=1000，试图插入到内存临时表，但由于1000这个值已经存在于内存临时表
     • 违反唯一性约束，插入失败，继续执行
   • 拿到第二行id=999，插入内存临时表成功
4. 从内存临时表中按行取出数据，返回结果，并删除内存临时表，结果中包含id=1000和id=999两行
5. 内存临时表起到了暂存数据的作用，还用到了内存临时表主键id的唯一性约束，实现UNION的语义

UNION ALL

UNION ALL没有去重的语义，一次执行子查询，得到的结果直接发给客户端，不需要内存临时表

mysql> EXPLAIN (SELECT 1000 AS f) UNION ALL (SELECT id FROM t1 ORDER BY id DESC LIMIT 2);
+----+-------------+-------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+
| id | select_type | table | partitions | type  | possible_keys | key     | key_len | ref  | rows | filtered | Extra                            |
+----+-------------+-------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+
|  1 | PRIMARY     | NULL  | NULL       | NULL  | NULL          | NULL    | NULL    | NULL | NULL |     NULL | No tables used                   |
|  2 | UNION       | t1    | NULL       | index | NULL          | PRIMARY | 4       | NULL |    2 |   100.00 | Backward index scan; Using index |
+----+-------------+-------+------------+-------+---------------+---------+---------+------+------+----------+----------------------------------+

GROUP BY

内存充足

-- 16777216 Bytes = 16 MB
mysql> SHOW VARIABLES like '%tmp_table_size%';
+----------------+----------+
| Variable_name  | Value    |
+----------------+----------+
| tmp_table_size | 16777216 |
+----------------+----------+

执行语句

-- MySQL 5.6上执行
mysql> EXPLAIN SELECT id%10 AS m, COUNT(*) AS c FROM t1 GROUP BY m;
+----+-------------+-------+-------+---------------+------+---------+------+------+----------------------------------------------+
| id | select_type | table | type  | possible_keys | key  | key_len | ref  | rows | Extra                                        |
+----+-------------+-------+-------+---------------+------+---------+------+------+----------------------------------------------+
|  1 | SIMPLE      | t1    | index | PRIMARY,a     | a    | 5       | NULL | 1000 | Using index; Using temporary; Using filesort |
+----+-------------+-------+-------+---------------+------+---------+------+------+----------------------------------------------+

mysql> SELECT id%10 AS m, COUNT(*) AS c FROM t1 GROUP BY m;
+------+-----+
| m    | c   |
+------+-----+
|    0 | 100 |
|    1 | 100 |
|    2 | 100 |
|    3 | 100 |
|    4 | 100 |
|    5 | 100 |
|    6 | 100 |
|    7 | 100 |
|    8 | 100 |
|    9 | 100 |
+------+-----+

1. Using index：表示使用了覆盖索引，选择了索引a，不需要回表
2. Using temporary：表示使用了临时表
3. Using filesort：表示需要排序

执行过程

1. 创建内存临时表，表里有两个字段m和c，m为主键
2. 扫描t1的索引a，依次取出叶子节点上的id值，计算id%10，记为x
   • 如果内存临时表中没有主键为x的行，插入一行记录(x,1)
   • 如果内存临时表中有主键为x的行，将x这一行的c值加1
3. 遍历完成后，再根据字段m做排序，得到结果集返回给客户端

排序过程

ORDER BY NULL

-- 跳过最后的排序阶段，直接从临时表中取回数据
mysql> EXPLAIN SELECT id%10 AS m, COUNT(*) AS c FROM t1 GROUP BY m ORDER BY NULL;
+----+-------------+-------+-------+---------------+------+---------+------+------+------------------------------+
| id | select_type | table | type  | possible_keys | key  | key_len | ref  | rows | Extra                        |
+----+-------------+-------+-------+---------------+------+---------+------+------+------------------------------+
|  1 | SIMPLE      | t1    | index | PRIMARY,a     | a    | 5       | NULL | 1000 | Using index; Using temporary |
+----+-------------+-------+-------+---------------+------+---------+------+------+------------------------------+

-- t1中的数据是从1开始的
mysql> SELECT id%10 AS m, COUNT(*) AS c FROM t1 GROUP BY m ORDER BY NULL;
+------+-----+
| m    | c   |
+------+-----+
|    1 | 100 |
|    2 | 100 |
|    3 | 100 |
|    4 | 100 |
|    5 | 100 |
|    6 | 100 |
|    7 | 100 |
|    8 | 100 |
|    9 | 100 |
|    0 | 100 |
+------+-----+

内存不足

SET tmp_table_size=1024;

执行语句

-- 内存临时表的上限为1024 Bytes，但内存临时表不能完全放下100行数据，内存临时表会转成磁盘临时表，默认采用InnoDB引擎
-- 如果t1很大，这个查询需要的磁盘临时表就会占用大量的磁盘空间
mysql> SELECT id%100 AS m, count(*) AS c FROM t1 GROUP BY m ORDER BY NULL LIMIT 10;
+------+----+
| m    | c  |
+------+----+
|    1 | 10 |
|    2 | 10 |
|    3 | 10 |
|    4 | 10 |
|    5 | 10 |
|    6 | 10 |
|    7 | 10 |
|    8 | 10 |
|    9 | 10 |
|   10 | 10 |
+------+----+

优化方案

优化索引

1. 不论使用内存临时表还是磁盘临时表，GROUP BY都需要构造一个带唯一索引的表，_执行代价较高_
2. 需要临时表的原因：每一行的id%100是无序的，因此需要临时表，来记录并统计结果
3. 如果可以确保输入的数据是有序的，那么计算GROUP BY时，只需要从左到右顺序扫描，依次累加即可
   • 当碰到第一个1的时候，已经累积了X个0，结果集里的第一行为(0,X)
   • 当碰到第一个2的时候，已经累积了Y个1，结果集里的第一行为(1,Y)
   • 整个过程不需要临时表，也不需要排序

-- MySQL 5.7上执行
ALTER TABLE t1 ADD COLUMN z INT GENERATED ALWAYS AS(id % 100), ADD INDEX(z);

-- 使用了覆盖索引，不需要临时表，也不需要排序
mysql> EXPLAIN SELECT z, COUNT(*) AS c FROM t1 GROUP BY z;
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+-------------+
| id | select_type | table | partitions | type  | possible_keys | key  | key_len | ref  | rows | filtered | Extra       |
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+-------------+
|  1 | SIMPLE      | t1    | NULL       | index | z             | z    | 5       | NULL | 1000 |   100.00 | Using index |
+----+-------------+-------+------------+-------+---------------+------+---------+------+------+----------+-------------+

直接排序

1. 一个GROUP BY语句需要放到临时表的数据量特别大，还是按照先放在内存临时表，再退化成磁盘临时表
2. 可以直接用磁盘临时表的形式，在GROUP BY语句中SQL_BIG_RESULT（告诉优化器涉及的数据量很大）
3. 磁盘临时表原本采用B+树存储，存储效率还不如数组，优化器看到SQL_BIG_RESULT，会直接用数组存储
   • 即放弃使用临时表，_直接进入排序阶段_

执行过程

-- 没有再使用临时表，而是直接使用了排序算法
mysql> EXPLAIN SELECT SQL_BIG_RESULT id%100 AS m, COUNT(*) AS c FROM t1 GROUP BY m;
+----+-------------+-------+-------+---------------+------+---------+------+------+-----------------------------+
| id | select_type | table | type  | possible_keys | key  | key_len | ref  | rows | Extra                       |
+----+-------------+-------+-------+---------------+------+---------+------+------+-----------------------------+
|  1 | SIMPLE      | t1    | index | PRIMARY,a     | a    | 5       | NULL | 1000 | Using index; Using filesort |
+----+-------------+-------+-------+---------------+------+---------+------+------+-----------------------------+

1. 初始化sort_buffer，确定放入一个整型字段，记为m
2. 扫描t1的索引a，依次取出里面的id值，将id%100的值放入sort_buffer
3. 扫描完成后，对sort_buffer的字段m做排序（sort_buffer内存不够时，会利用磁盘临时文件辅助排序）
4. 排序完成后，得到一个有序数组，遍历有序数组，得到每个值出现的次数（类似上面优化索引的方式）

对比DISTINCT

-- 标准SQL，SELECT部分添加一个聚合函数COUNT(*)
SELECT a,COUNT(*) FROM t GROUP BY a ORDER BY NULL;
-- 非标准SQL
SELECT a FROM t GROUP BY a ORDER BY NULL;

SELECT DISTINCT a FROM t;

1. 标准SQL：按照字段a分组，计算每组a出现的次数
2. 非标准SQL：没有了COUNT(*)，不再需要执行计算总数的逻辑
   • 按照字段a分组，相同的a的值只返回一行，与DISTINCT语义一致
3. 如果不需要执行聚合函数，DISTINCT和GROUP BY的语义、执行流程和执行性能是相同的
   • 创建一个临时表，临时表有一个字段a，并且在这个字段a上创建一个唯一索引
   • 遍历表t，依次取出数据插入临时表中
     • 如果发现唯一键冲突，就跳过
     • 否则插入成功
   • 遍历完成后，将临时表作为结果集返回给客户端

小结

1. 用到内部临时表的场景
   • 如果语句执行过程中可以一边读数据，一边得到结果，是不需要额外内存的
   • 否则需要额外内存来保存中间结果
2. join_buffer是无序数组，sort_buffer是有序数组，临时表是二维表结构
3. 如果执行逻辑需要用到二维表特性，就会优先考虑使用临时表
4. 如果对GROUP BY语句的结果没有明确的排序要求，加上ORDER BY NULL（MySQL 5.6）
5. 尽量让GROUP BY过程用上索引，确认EXPLAIN结果没有Using temporary和Using filesort
6. 如果GROUP BY需要统计的数据量不大，尽量使用内存临时表（可以适当调大tmp_table_size）
7. 如果数据量实在太大，使用SQL_BIG_RESULT来告诉优化器直接使用排序算法（跳过临时表）

参考资料

《MySQL实战45讲》