一次 group by + order by 性能優化分析

一次 group by + order by 性能優化分析

最近通過一個日志表做排行的時候發現特別卡，最后問題得到了解決，梳理一些索引和MySQL執行過程的經驗，但是最后還是有5個謎題沒解開，希望大家幫忙解答下。

主要包含如下知識點

1. 用數據說話證明慢日志的掃描行數到底是如何統計出來的
2. 從 group by 執行原理找出優化方案
3. 排序的實現細節
4. gdb 源碼調試

背景

需要分別統計本月、本周被訪問的文章的 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 '1',
  `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

准備工作

為了能夠清晰的驗證自己的一些猜想，在虛擬機里安裝了一個 debug 版的 mysql，然后開啟了慢日志收集，用於統計掃描行數

安裝

1. 下載源碼
2. 編譯安裝
3. 創建 mysql 用戶
4. 初始化數據庫
5. 初始化 mysql 配置文件
6. 修改密碼

開啟慢日志

編輯配置文件，在[mysqld]塊下添加

slow_query_log=1
slow_query_log_file=xxx
long_query_time=0
log_queries_not_using_indexes=1

性能分析

發現問題
假如我需要查詢2018-12-20 ~ 2018-12-24這5天瀏覽量最大的10篇文章的 sql 如下，首先使用explain看下分析結果

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 |
+----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-----------------------------------------------------------+

系統默認會走的索引是idx_day_aid_pv，根據Extra信息我們可以看到，使用idx_day_aid_pv索引的時候，會走覆蓋索引，但是會使用臨時表，會有排序。
我們查看下慢日志里的記錄信息

# 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;

為什么掃描行數是 1337315

我們查詢兩個數據，一個是滿足條件的行數，一個是group by統計之后的行數。

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 |
+---------------------+

發現滿足條件的總行數（785102）+group by之后的總行數（552203）+limit 的值 =慢日志里統計的 Rows_examined。

要解答這個問題，就必須搞清楚上面這個 sql 到底分別都是如何運行的。

執行流程分析

索引示例

為了便於理解，我按照索引的規則先模擬idx_day_aid_pv索引的一小部分數據

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

因為索引idx_day_aid_pv最左列是day，所以當我們需要查找20181220~20181224之間的文章的pv總和的時候，我們需要遍歷20181220~20181224這段數據的索引。

查看 optimizer trace 信息

# 開啟 optimizer_trace
set optimizer_trace='enabled=on';
# 執行 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;

摘取里面最后的執行結果如下

{
  "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>"
        }
      }
    ]
  }
}

通過gdb調試確認臨時表上的字段是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)

通過上面的打印，確認了字段類型，一個aid是MYSQL_TYPE_LONG，占4字節，num是MYSQL_TYPE_NEWDECIMAL，占15字節。
但是通過我們上面打印信息可以看到兩個字段的長度加起來是19，而optimizer_trace里的tmp_table_info.reclength是20。通過其他實驗也發現table->s->reclength的長度就是table->field數組里面所有字段的字段長度和再加1。

總結執行流程

1. 嘗試在堆上使用memory的內存臨時表來存放group by的數據，發現內存不夠；
2. 創建一張臨時表，臨時表上有兩個字段，aid和num字段（sum(pv) as num）；
3. 從索引idx_day_aid_pv中取出1行，插入臨時表。插入規則是如果aid不存在則直接插入，如果存在，則把pv的值累加在num上；
4. 循環遍歷索引idx_day_aid_pv上20181220~20181224之間的所有行，執行步驟3；
5. 對臨時表根據num的值做優先隊列排序；
6. 取出最后留在堆（優先隊列的堆）里面的10行數據，作為結果集直接返回，不需要再回表；

補充說明優先隊列排序執行步驟分析：

1. 在臨時表（未排序）中取出前 10 行，把其中的num和aid作為10個元素構成一個小頂堆，也就是最小的 num 在堆頂。
2. 取下一行，根據 num 的值和堆頂值作比較，如果該字大於堆頂的值，則替換掉。然后將新的堆做堆排序。
3. 重復步驟2直到第 552203 行比較完成。

優化

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;

掃描行數都是1337315，為什么執行消耗的時間上快了12倍呢？

group by 不需要臨時表的情況

為什么性能上比 SQL1 高了，很多呢，原因之一是idx_aid_day_pv索引上aid是確定有序的，那么執行group by的時候，則不會創建臨時表，排序的時候才需要臨時表。如果印證這一點呢，我們通過下面的執行計划就能看到

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表示強制對group by的結果不做排序。如果不加order by null，上面的 sql則會出現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

# 開啟optimizer_trace
set optimizer_trace='enabled=on';
# 執行 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;

摘取里面最后的執行結果如下

{
  "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>"
        }
      }
    ]
  }
}

執行流程如下

1. 創建一張臨時表，臨時表上有兩個字段，aid和num字段（sum(pv) as num）；
2. 讀取索引idx_aid_day_pv中的一行，然后查看是否滿足條件，如果day字段不在條件范圍內（20181220~20181224之間），則讀取下一行；如果day字段在條件范圍內，則把pv值累加（不是在臨時表中操作）；
3. 讀取索引idx_aid_day_pv中的下一行，如果aid與步驟1中一致且滿足條件，則pv值累加（不是在臨時表中操作）。如果aid與步驟1中不一致，則把之前的結果集寫入臨時表；
4. 循環執行步驟2、3，直到掃描完整個idx_aid_day_pv索引；
5. 對臨時表根據num的值做優先隊列排序；
6. 根據查詢到的前10條的rowid回表（臨時表）返回結果集。

補充說明優先隊列排序執行步驟分析：

1. 在臨時表（未排序）中取出前 10 行，把其中的num和rowid作為10個元素構成一個小頂堆，也就是最小的 num 在堆頂。
2. 取下一行，根據 num 的值和堆頂值作比較，如果該字大於堆頂的值，則替換掉。然后將新的堆做堆排序。
3. 重復步驟2直到第 552203 行比較完成。
   該方案可行性
   實驗發現，當我增加一行20181219的數據時，雖然這行記錄不滿足我們的需求，但是掃描索引的也會讀取這行。因為我做這個實驗，只弄了20181220~201812245天的數據，所以需要掃描的行數正好是全表數據行數。

那么如果該表的數據存儲的不是5天的數據，而是10天的數據呢，更或者是365天的數據呢？這個方案是否還可行呢？先模擬10天的數據，在現有時間基礎上往后加5天，行數與現在一樣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;

這里掃描行數2122417是因為掃描索引的時候需要遍歷整個索引，整個索引的行數就是全表行數，因為我剛剛又插入了785102行。

當我數據量翻倍之后，這里查詢時間明顯已經翻倍。所以這個優化方式不穩定。

方案2 擴充臨時表空間上限大小

默認的臨時表空間大小是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.

也就是說這里臨時表的限制是16M，max_heap_table_size大小也受tmp_table_size大小的限制。

所以我們這里調整為32MB，然后執行原始的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` 優化

告訴優化器，查詢結果比較多，臨時表直接走磁盤存儲。

# 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;

掃描行數是 2x滿足條件的總行數（785102）+group by之后的總行數（552203）+limit的值。

順便值得一提的是： 當我把數據量翻倍之后，使用該方式，查詢時間基本沒變。因為掃描的行數還是不變的。實際測試耗時6.197484

總結

方案1優化效果不穩定，當總表數據量與查詢范圍的總數相同時，且不超出內存臨時表大小限制時，性能達到最佳。當查詢數據量占據總表數據量越大，優化效果越不明顯；
方案2需要調整臨時表內存的大小，可行；不過當數據庫超過32MB時，如果使用該方式，還需要繼續提升臨時表大小；
方案3直接聲明使用磁盤來放臨時表，雖然掃描行數多了一次符合條件的總行數的掃描。但是整體響應時間比方案2就慢了0.1秒。因為我們這里數據量比較，我覺得這個時間差還能接受。

所以最后對比，選擇方案3比較合適。

問題與困惑

# 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;

1. SQL1 執行過程中，使用的是全字段排序最后不需要回表為什么總掃描行數還要加上10才對得上？
2. SQL1 與 SQL2 group by之后得到的行數都是552203，為什么會出現 SQL1 內存不夠，里面還有哪些細節呢？
3. trace 信息里的creating_tmp_table.tmp_table_info.row_limit_estimate都是838860；計算由來是臨時表的內存限制大小16MB，而一行需要占的空間是20字節，那么最多只能容納floor(16777216/20) = 838860行，而實際我們需要放入臨時表的行數是785102。為什么呢？
4. SQL1 使用SQL_BIG_RESULT優化之后，原始表需要掃描的行數會乘以2，背后邏輯是什么呢？為什么僅僅是不再嘗試往內存臨時表里寫入這一步會相差10多倍的性能？
5. 通過源碼看到 trace 信息里面很多掃描行數都不是實際的行數，既然是實際執行，為什么 trace 信息里不輸出真實的掃描行數和容量等呢，比如filesort_priority_queue_optimization.rows_estimate在SQL1中的掃描行數我通過gdb看到計算規則如附錄圖 1
6. 有沒有工具能夠統計 SQL 執行過程中的 I/O 次數？

關注微信公眾號：編程學習分享

轉自：https://mengkang.net/1355.htm