MySQL实战45讲 17

17 | 如何正确地显示随机消息?

场景:从词汇表中随机选择三个单词。

[En]

Scene: three words are randomly selected from a vocabulary list.

TABLE语句和初始数据的命令如下,其中插入了10000行记录:

[En]

The commands for the table statement and initial data are as follows, in which 10000 rows of records are inserted:

CREATE TABLE words (
  id int(11) NOT NULL AUTO_INCREMENT,
  word varchar(64) DEFAULT NULL,
  PRIMARY KEY (id)
) ENGINE=InnoDB;

delimiter ;;
create procedure idata()
begin
  declare i int;
  set i=0;
  while i

内存临时表

用 order by rand() 来实现这个逻辑,随机排序取前 3 个。

select word from words order by rand() limit 3;

虽然这个 SQL 语句写法很简单,但执行流程却有点复杂的。

使用 explain 命令查看语句的执行情况

MySQL实战45讲 17

Extra 字段显示 Using temporary,表示的是需要 使用临时表;Using filesort,表示的是需要 执行排序操作。因此这个 Extra 的意思就是, 需要临时表,并且需要在临时表上排序

Q:对于临时 内存表的排序来说,它会选择全字段排序算法还是rowid算法?

A:回顾一下上一篇文章的一个结论: 对于 InnoDB 表来说,执行全字段排序会减少磁盘访问,因此会被优先选择。

对于内存表,回表过程只是简单地根据数据行的位置,直接访问内存得到数据,根本不会导致多访问磁盘。优化器没有了这一层顾虑,那么它会优先考虑的,就是 用于排序的行越小越好了,所以,MySQL 这时就会选择 rowid 排序。

该语句的执行过程如下:

[En]

The execution process of this statement is as follows:

  1. 创建一个临时表。 这个临时表使用的是 memory 引擎,表里有两个字段,第一个字段是 double 类型,为了后面描述方便,记为字段 R,第二个字段是 varchar(64) 类型,记为字段 W。 并且,这个表没有建索引
  2. 从 words 表中,按主键顺序取出所有的 word 值。对于每一个 word 值, 调用 rand() 函数生成一个大于 0 小于 1 的随机小数,并把这个随机小数和 word 分别存入临时表的 R 和 W 字段中,到此,扫描行数是 10000。
  3. 现在临时表有 10000 行数据了, 接下来要在这个没有索引的内存临时表上,按照字段 R 排序
  4. 初始化 sort_buffer。sort_buffer 中有两个字段,一个是 double 类型,另一个是整型。
  5. 从内存临时表中一行一行地取出 R 值和 位置信息,分别存入 sort_buffer 中的两个字段里。这个过程要对内存临时表做全表扫描,此时扫描行数增加 10000,变成了 20000。
  6. 在 sort_buffer 中根据 R 的值进行排序。注意,这个过程没有涉及到表操作,所以不会增加扫描行数。
  7. 排序完成后,取出前三个结果的位置信息,依次到内存临时表中取出 word 值,返回给客户端。这个过程中,访问了表的三行数据,总扫描行数变成了 20003。

通过慢查询日志(slow log)来验证分析得到的扫描行数是否正确。

Query_time: 0.900376  Lock_time: 0.000347 Rows_sent: 3 Rows_examined: 20003
SET timestamp=1541402277;
select word from words order by rand() limit 3;

完整的排序执行流程图

MySQL实战45讲 17

MySQL 的表是用什么方法来定位”一行数据”

如果把一个 InnoDB 表的主键删掉,是不是就没有主键,就没办法回表了?

其实不是的。如果你创建的表没有主键,或者把一个表的主键删掉了,那么 InnoDB 会自己生成一个 长度为 6 字节的 rowid 来作为主键

如果你创建的表没有主键,或者把一个表的主键删掉了,那么 InnoDB 会自己生成一个长度为 6 字节的 rowid 来作为主键。

这也就是排序模式里面,rowid 名字的来历。实际上它表示的是: 每个引擎用来唯一标识数据行的信息

  • 对于有主键的 InnoDB 表来说,这个 rowid 就是 主键 ID(上一节的ID);
  • 对于没有主键的 InnoDB 表来说,这个 rowid 就是由系 统生成的
  • MEMORY 引擎不是索引组织表。在这个例子里面,你可以认为 它就是一个数组。因此, 这个 rowid 其实就是数组的下标

小结

order by rand() 使用了内存临时表,内存临时表排序的时候使用了 rowid 排序方法。

磁盘临时表

tmp_table_size 这个配置限制了内存临时表的大小,默认值是 16M。 如果临时表大小超过了 tmp_table_size,那么内存临时表就会转成磁盘临时表。

磁盘临时表使用的引擎默认是 InnoDB,是由参数 internal_tmp_disk_storage_engine 控制的。

当使用磁盘临时表的时候,对应的就是 一个没有显式索引的 InnoDB 表的排序过程

为了复现这个过程,把 tmp_table_size 设置成 1024,把 sort_buffer_size 设置成 32768, 把 max_length_for_sort_data 设置成 16。

set tmp_table_size=1024;
set sort_buffer_size=32768;
set max_length_for_sort_data=16;
/* 打开 optimizer_trace,只对本线程有效 */
SET optimizer_trace='enabled=on';

/* 执行语句 */
select word from words order by rand() limit 3;

/* 查看 OPTIMIZER_TRACE 输出 */
SELECT * FROM information_schema.OPTIMIZER_TRACE\G

OPTIMIZER_TRACE 的结果如下:

MySQL实战45讲 17

因为将 max_length_for_sort_data 设置成 16, 小于 word 字段的长度定义,所以我们看到 sort_mode 里面显示的是 rowid 排序,这个是符合预期的,参与排序的是 随机值 R 字段和 rowid 字段组成的行

Q:R 字段存放的随机值就 8 个字节,rowid 是 6 个字节,数据总行数是 10000,这样算出来就有 140000 字节,超过了 sort_buffer_size 定义的 32768 字节了。但是,number_of_tmp_files 的值居然是 0,难道不需要用临时文件吗?

A:这个 SQL 语句的排序确实没有用到临时文件,采用是 MySQL 5.6 版本引入的一个新的排序算法,即: 优先队列排序算法

优先队列排序算法

现在的 SQL 语句,只需要取 R 值最小的 3 个 rowid。但是,如果使用归并排序算法的话,虽然最终也能得到前 3 个值,但是这个算法结束后,已经将 10000 行数据都排好序了。也就是说,后面的 9997 行也是有序的了。但查询并不需要这些数据是有序的,这 浪费了非常多的计算量

优先级队列算法只能精确地得到三个最小值,执行过程如下:

[En]

The priority queue algorithm can accurately get only three minimum values, and the execution process is as follows:

  1. 对于这 10000 个准备排序的 (R,rowid),先取前三行,构造成一个堆;(可以设想成这是一个由三个元素组成的数组)
  2. 取下一个行 (R’,rowid’),跟当前堆里面最大的 R 比较,如果 R’小于 R,把这个 (R,rowid) 从堆中去掉,换成 (R’,rowid’);
  3. 重复第 2 步,直到第 10000 个 (R’,rowid’) 完成比较。

优先队列排序过程的示意图如下,模拟 6 个 (R,rowid) 行,通过优先队列排序找到最小的三个 R 值的行的过程。整个排序过程中,为了最快地拿到当前堆的最大值, 总是保持最大值在堆顶,因此这是一个最大堆。

MySQL实战45讲 17

上面的OPTIMIZER_TRACE 结果中,filesort_priority_queue_optimization 这个部分的 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。

这个流程结束后,我们构造的堆里面,就是这个 10000 行里面 R 值最小的三行。然后,依次把它们的 rowid 取出来,去临时表里面拿到 word 字段,这个过程就跟上一篇文章的 rowid 排序的过程一样了。

Q:上一篇也用了limit,为什么没有用优先队列排序算法?

select city,name,age from t where city='杭州' order by name limit 1000  ;

A:

这条 SQL 语句是 limit 1000,如果使用优先队列算法的话,需要维护的堆的大小就是 1000 行的 (name,rowid),超过了设置的 sort_buffer_size 大小,所以只能使用归并排序算法。

tmp_table_size 管是内存临时表还是磁盘临时表

sort_buffer_size 管归并还是其他

max_length_for_sort_data 控制是否是全字段

小结:

不论是使用哪种类型的临时表, order by rand() 这种写法都会让计算过程非常复杂,需要大量的扫描行数,因此排序过程的资源消耗也会很大。

随机排序方法

尽量把业务逻辑写在业务代码里,让数据库只做“读写数据”的事情。

[En]

Try to write the business logic in the business code and let the database only do the thing of “reading and writing data”.

简化问题,如果只随机选择 1 个 word 值,可以怎么做:

方法一:

  1. 取得这个表的主键 id 的最大值 M 和最小值 N;
  2. 用随机函数生成一个最大值到最小值之间的数 X = (M-N)*rand() + N;
  3. 取不小于 X 的第一个 ID 的行。
select max(id),min(id) into @M,@N from t ;
set @X= floor((@M-@N+1)*rand() + @N);
select * from t where id >= @X limit 1;

这个方法效率很高,因为取 max(id) 和 min(id) 都是不需要扫描索引的,而第三步的 select 也可以用索引快速定位, 可以认为就只扫描了 3 行。但实际上,这个算法本身 并不严格满足题目的随机要求,因为 I D 中间可能有空洞因此选择不同行的概率不一样,不是真正的随机

比如你有 4 个 id,分别是 1、2、4、5,如果按照上面的方法,那么取到 id=4 的这一行的概率是取得其他行概率的两倍。如果这四行的 id 分别是 1、2、40000、40001 ,这个算法 bug 了。

方法二:

要获得严格随机的结果,可以使用以下过程:

[En]

To get strictly random results, you can use the following process:

  1. 取得整个表的 行数,并记为 C。
  2. 取得 Y = floor(C * rand())。 floor 函数在这里的作用,就是取整数部分。
  3. 再用 limit Y,1 取得一行。
select count(*) into @C from t;
set @Y = floor(@C * rand());
set @sql = concat("select * from t limit ", @Y, ",1");
prepare stmt from @sql;
execute stmt;
DEALLOCATE prepare stmt;

MySQL 处理 limit Y,1 的做法就是按顺序一个一个地读出来,丢掉前 Y 个,然后把下一个记录作为返回结果,因此这一步需要扫描 Y+1 行。再加上,第一步扫描的 C 行,总共需要扫描 C+Y+1 行,执行代价比随机算法 1 的代价要高。

按照随机算法 2 的思路,要随机取 3 个 word 值

  1. 取得整个表的行数,记为 C;
  2. 根据相同的随机方法得到 Y1、Y2、Y3;
  3. 再执行三个 limit Y, 1 语句得到三行数据。
select count(*) into @C from t;
set @Y1 = floor(@C * rand());
set @Y2 = floor(@C * rand());
set @Y3 = floor(@C * rand());
select * from t limit @Y1,1; // 在应用代码里面取 Y1、Y2、Y3 值,拼出 SQL 后执行
select * from t limit @Y2,1;
select * from t limit @Y3,1;

总扫描行数是 C+(Y1+1)+(Y2+1)+(Y3+1)

Q:怎么做来减少扫描行数呢?说说你的方案,并说明你的方案需要的扫描行数。

A:

让表中存储一个非空心的自增量,这样就可以用算法1来实现。

[En]

Let the table store a non-hollow self-increment, so that it can be realized by algorithm 1.

Original: https://www.cnblogs.com/ydssx7/p/16518838.html
Author: ydssx
Title: MySQL实战45讲 17

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/505146/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

  • Java常用类解析

    包装类 包装类值基本数据类型对应的引用类型,包装类封装好的方法能够很方便的让我们操作基本数据类型而不需要自己再去编写不必要的代码。 基本数据类型 包装类 boolean Boole…

    数据库 2023年6月16日
    0110
  • mysql中文乱码记录

    0.中文乱码 1.查看mysql中表结构 show create table log_data charset为utf8,代码端:通过gorm修改 在创建表时候修改( 这里在连接数…

    数据库 2023年5月24日
    0138
  • 如何使用原生的Feign

    什么是Feign Feign 是由 Netflix 团队开发的一款基于 Java 实现的 HTTP client,借鉴了 Retrofit、 JAXRS-2.0、WebSocket…

    数据库 2023年6月6日
    0185
  • opencv

    404. 抱歉,您访问的资源不存在。 可能是网址有误,或者对应的内容被删除,或者处于私有状态。 代码改变世界,联系邮箱 contact@cnblogs.com 园子的商业化努力-困…

    数据库 2023年6月9日
    0115
  • DECIMAL 数据处理原理浅析

    注:本文分析内容基于 MySQL 8.0 版本 文章开始前先复习一下官方文档关于 DECIMAL 类型的一些介绍: The declaration syntax for a DEC…

    数据库 2023年5月24日
    095
  • 10、比较Bigdecimal类型是否相等的方法

    一、Bigdecimal.equals()详解: Bigdecimal的equals方法不仅仅比较值的大小是否相等,首先比较的是scale(scale是bigdecimal的保留小…

    数据库 2023年6月6日
    0151
  • 当数据库遇到分布式

    NewSQL日渐火热,无论还是开源的TiDB,CockroachDB还是互联网大厂的Spanner,Oceanbase都号称NewSQL,也就是分布式数据库。NewSQL的典型特征…

    数据库 2023年6月9日
    0161
  • servlet映射路径匹配解析

    开头 servlet是javaweb用来处理请求和响应的重要对象,本文将从源码的角度分析tomcat内部是如何根据请求路径匹配得到处理请求的servlet的 假设有一个reques…

    数据库 2023年6月16日
    0153
  • cobbler

    cobbler 1. cobbler简介 2. cobbler服务端部署 cobbler简介 Cobbler是一个Linux服务器安装的服务,可以通过网络启动(PXE)的方式来快速…

    数据库 2023年6月14日
    0120
  • 2022-8-9 第六组 输入输出流

    IO流 Java中输入/输出流常用的流: 字节输入流 &#x5…

    数据库 2023年6月14日
    0118
  • 高可用 | 关于 Xenon 高可用的一些思考

    原创:知数堂 Xenon 不会补日志,Xenon 只会从包含最大 GTID 的所有 Follower 中选举一个 Follower,使之成为 Leader 。重新配置主从复制,并把…

    数据库 2023年5月24日
    0125
  • 【数据库】– MySQL SQL调优笔记(1)

    1.索引 1.1.定义 MySQL官方对索引的定义为:索引(Index)是帮助MySQL高效获取数据的数据结构。 我们平常所说的索引,如何没有特别的指明,都是B树(多路搜索树,并不…

    数据库 2023年5月24日
    0159
  • 阿里巴巴编码规范-考试认证

    阿里巴巴编码规范-考试认证 雨打梨花深闭门,忘了青春,误了青春。 1、注册阿里云账号 2、购买认证 需要怒支付一顿早餐Q,可以用支付宝支付,选择支付宝支付然后直接输入支付密码就OK…

    数据库 2023年6月14日
    0225
  • Mac IDEA 最常用快捷键(详解版)

    学习背景 公司同事让我提供一个简单的 rpc 接口,然后他坐在我旁边看着我写,写的过程中他不断打断我,比如我在代码换行时,如果光标不在下一行行首或者这行的行尾,我就会先移动光标到行…

    数据库 2023年6月6日
    0147
  • podman

    podman Podman 是一个无守护程序、开源的 Linux 原生工具,旨在使用开放容器计划 (OCI) 容器和容器映像轻松查找、运行、构建、共享和部署应用程序。Podman …

    数据库 2023年6月14日
    0132
  • Git的常见命令

    Git 一、git环境安装 1.初始化本地仓库: git init 2.将本地仓库跟远程仓库建立连接:git remote add name path ​ git clone pa…

    数据库 2023年6月16日
    0121
亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球