这篇文章中，我们介绍了索引树的页面怎么加载到内存中，如何淘汰，等底层细节。这篇文章我们从比较宏观的角度来看MySQL中关键字的原理。本文，我们主要探索order by语句的底层原理。阅读完本文，您将了解到：
order by语句有哪些排序模式，以及每种排序模式的优缺点;
order by语句会用到哪些排序算法，在什么场景下会选择哪种排序算法;
如何查看和分析sql的order by优化手段(执行计划 + OPTIMIZER_TRACE日志);
如何优化order by语句的执行效率?(思想：减小行大小，尽量走索引，能够走覆盖索引最佳，可适当增加sort buffer内存大小)
这里我们从数据结构的维度来看数据和索引，也就是都当成B+树的的，我们需要数据的时候再从存储引擎的B+树中读取。
以下是我们本文作为演示例子的表，假设我们有如下表：
索引如下：
对应的idx_d索引结构如下(这里我们做了一些夸张的手法，让一个页数据变小，为了展现在索引树中的查找流程)：
1、如何跟踪执行优化
为了方便分析sql的执行流程，我们可以在当前session中开启 optimizer_trace:
SET optimizer_trace='enabled=on';
然后执行sql，执行完之后，就可以通过以下堆栈信息查看执行详情了：
SELECT * FROM information_schema.OPTIMIZER_TRACEG;
以下是
1select a, b, c, d from t20 force index(idx_abc) where a=3 order by d limit 100,2;
的执行结果，其中符合a=3的有8457条记录，针对order by重点关注以下属性：
1"filesort_priority_queue_optimization": { // 是否启用优先级队列 2 "limit": 102, // 排序后需要取的行数，这里为 limit 100,2，也就是100+2=102 3 "rows_estimate": 24576, // 估计参与排序的行数 4 "row_size": 123, // 行大小 5 "memory_available": 32768, // 可用内存大小，即设置的sort buffer大小 6 "chosen": true // 是否启用优先级队列 7}, 8... 9"filesort_summary": {10 "rows": 103, // 排序过程中会持有的行数11 "examined_rows": 8457, // 参与排序的行数，InnoDB层返回的行数12 "number_of_tmp_files": 0, // 外部排序时，使用的临时文件数量13 "sort_buffer_size": 13496, // 内存排序使用的内存大小14 "sort_mode": "sort_key, additional_fields" // 排序模式15}
1.1、排序模式
其中 sort_mode有如下几种形式：
sort_key, rowid：表明排序缓冲区元组包含排序键值和原始表行的行id，排序后需要使用行id进行回表，这种算法也称为original filesort algorithm(回表排序算法);
sort_key, additional_fields：表明排序缓冲区元组包含排序键值和查询所需要的列，排序后直接从缓冲区元组取数据，无需回表，这种算法也称为modified filesort algorithm(不回表排序);
sort_key, packed_additional_fields：类似上一种形式，但是附加的列(如varchar类型)紧密地打包在一起，而不是使用固定长度的编码。
如何选择排序模式
选择哪种排序模式，与max_length_for_sort_data这个属性有关，这个属性默认值大小为1024字节：
如果查询列和排序列占用的大小超过这个值，那么会转而使用sort_key, rowid模式;
如果不超过，那么所有列都会放入sort buffer中，使用sort_key, additional_fields或者sort_key, packed_additional_fields模式;
如果查询的记录太多，那么会使用sort_key, packed_additional_fields对可变列进行压缩。
1.2、排序算法
基于参与排序的数据量的不同，可以选择不同的排序算法：
如果排序取的结果很小，小于内存，那么会使用优先级队列进行堆排序;
例如，以下只取了前面10条记录，会通过优先级队列进行排序：
1select a, b, c, d from t20 force index(idx_abc) where a=3 order by d limit 10;
如果排序limit n, m，n太大了，也就是说需要取排序很后面的数据，那么会使用sort buffer进行快速排序：
如下，表中a=1的数据有三条，但是由于需要limit到很后面的记录，MySQL会对比优先级队列排序和快速排序的开销，选择一个比较合适的排序算法，这里最终放弃了优先级队列，转而使用sort buffer进行快速排序：
1select a, b, c, d from t20 force index(idx_abc) where a=1 order by d limit 300,2;
如果参与排序的数据sort buffer装不下了，那么我们会一批一批的给sort buffer进行内存快速排序，结果放入排序临时文件，最终使对所有排好序的临时文件进行归并排序，得到最终的结果;
如下，a=3的记录超过了sort buffer，我们要查找的数据是排序后1000行起，sort buffer装不下1000行数据了，最终MySQL选择使用sort buffer进行分批快排，把最终结果进行归并排序：
1select a, b, c, d from t20 force index(idx_abc) where a=3 order by d limit 1000,10;
2、order by走索引避免排序
执行如下sql：
1select a, b, c, d from t20 force index(idx_d) where d like 't%' order by d limit 2;
我们看一下执行计划：
发现Extra列为：Using index condition，也就是这里只走了索引。
执行流程如下图所示：
通过idx_d索引进行range_scan查找，扫描到4条记录，然后order by继续走索引，已经排好序，直接取前面两条，然后去聚集索引查询完整记录，返回最终需要的字段作为查询结果。这个过程只需要借助索引。
如何查看和修改sort buffer大小?
我们看一下当前的sort buffer大小：
可以发现，这里默认配置了sort buffer大小为512k。
我们可以设置这个属性的大小：
SET GLOBAL sort_buffer_size = 32*1024;
或者
SET sort_buffer_size = 32*1024;
下面我们统一把sort buffer设置为32k
1SET sort_buffer_size = 32*1024;
3、排序算法案例
3.1、使用优先级队列进行堆排序
如果排序取的结果很小，并且小于sort buffer，那么会使用优先级队列进行堆排序;
例如，以下只取了前面10条记录：
1select a, b, c, d from t20 force index(idx_abc) where a=3 order by d limit 10;
a=3的总记录数：8520。查看执行计划：
发现这里where条件用到了索引，order by limit用到了排序。我们进一步看看执行的optimizer_trace日志：
1"filesort_priority_queue_optimization": { 2 "limit": 10, 3 "rows_estimate": 27033, 4 "row_size": 123, 5 "memory_available": 32768, 6 "chosen": true // 使用优先级队列进行排序 7}, 8"filesort_execution": [ 9],10"filesort_summary": {11 "rows": 11,12 "examined_rows": 8520,13 "number_of_tmp_files": 0,14 "sort_buffer_size": 1448,15 "sort_mode": "sort_key, additional_fields"16}
发现这里是用到了优先级队列进行排序。排序模式是：sort_key, additional_fields，即先回表查询完整记录，把排序需要查找的所有字段都放入sort buffer进行排序。
所以这个执行流程如下图所示：
通过where条件a=3扫描到8520条记录;
回表查找记录;
把8520条记录中需要的字段放入sort buffer中;
在sort buffer中进行堆排序;
在排序好的结果中取limit 10前10条，写入net buffer，准备发送给客户端。
3.2、内部快速排序
如果排序limit n, m，n太大了，也就是说需要取排序很后面的数据，那么会使用sort buffer进行快速排序。MySQL会对比优先级队列排序和归并排序的开销，选择一个比较合适的排序算法。
如何衡量究竟是使用优先级队列还是内存快速排序?
一般来说，快速排序算法效率高于堆排序，但是堆排序实现的优先级队列，无需排序完所有的元素，就可以得到order by limit的结果。
MySQL源码中声明了快速排序速度是堆排序的3倍，在实际排序的时候，会根据待排序数量大小进行切换算法。如果数据量太大的时候，会转而使用快速排序。
有如下SQL：
1select a, b, c, d from t20 force index(idx_abc) where a=1 order by d limit 300,2;
我们把sort buffer设置为32k：
1SET sort_buffer_size = 32*1024;
其中a=1的记录有3条。查看执行计划：
可以发现，这里where条件用到了索引，order by limit 用到了排序。我们进一步看看执行的optimizer_trace日志：
1"filesort_priority_queue_optimization": { 2 "limit": 302, 3 "rows_estimate": 27033, 4 "row_size": 123, 5 "memory_available": 32768, 6 "strip_additional_fields": { 7 "row_size": 57, 8 "sort_merge_cost": 33783, 9 "priority_queue_cost": 61158,10 "chosen": false // 对比发现快速排序开销成本比优先级队列更低，这里不适用优先级队列11 }12},13"filesort_execution": [14],15"filesort_summary": {16 "rows": 3,17 "examined_rows": 3,18 "number_of_tmp_files": 0,19 "sort_buffer_size": 32720,20 "sort_mode": "<sort_key, packed_additional_fields="">"21}
可以发现这里最终放弃了优先级队列，转而使用sort buffer进行快速排序。
所以这个执行流程如下图所示：
通过where条件a=1扫描到3条记录;
回表查找记录;
把3条记录中需要的字段放入sort buffer中;
在sort buffer中进行快速排序;
在排序好的结果中取limit 300, 2第300、301条记录，写入net buffer，准备发送给客户端。
3.3、外部归并排序
当参与排序的数据太多，一次性放不进去sort buffer的时候，那么我们会一批一批的给sort buffer进行内存排序，结果放入排序临时文件，最终使对所有排好序的临时文件进行归并排序，得到最终的结果。
有如下sql：
1select a, b, c, d from t20 force index(idx_abc) where a=3 order by d limit 1000,10;
其中a=3的记录有8520条。执行计划如下：
image-20200614171147989
可以发现，这里where用到了索引，order by limit用到了排序。进一步查看执行的optimizer_trace日志：
1"filesort_priority_queue_optimization": { 2 "limit": 1010, 3 "rows_estimate": 27033, 4 "row_size": 123, 5 "memory_available": 32768, 6 "strip_additional_fields": { 7 "row_size": 57, 8 "chosen": false, 9 "cause": "not_enough_space" // sort buffer空间不够，无法使用优先级队列进行排序了10 }11},12"filesort_execution": [13],14"filesort_summary": {15 "rows": 8520,16 "examined_rows": 8520,17 "number_of_tmp_files": 24, // 用到了24个外部文件进行排序18 "sort_buffer_size": 32720,19 "sort_mode": "<sort_key, packed_additional_fields="">"20}
我们可以看到，由于limit 1000，要返回排序后1000行以后的记录，显然sort buffer已经不能支撑这么大的优先级队列了，所以转而使用sort buffer内存排序，而这里需要在sort buffer中分批执行快速排序，得到多个排序好的外部临时文件，最终执行归并排序。(外部临时文件的位置由tmpdir参数指定)
其流程如下图所示：
4、排序模式案例
4.1、sort_key, additional_fields模式
sort_key, additional_fields，排序缓冲区元组包含排序键值和查询所需要的列(先回表取需要的数据，存入排序缓冲区中)，排序后直接从缓冲区元组取数据，无需再次回表。
上面 2.3.1、2.3.2节的例子都是这种排序模式，就不继续举例了。
4.2、 模式
sort_key, packed_additional_fields：类似上一种形式，但是附加的列(如varchar类型)紧密地打包在一起，而不是使用固定长度的编码。
上面2.3.3节的例子就是这种排序模式，由于参与排序的总记录大小太大了，因此需要对附加列进行紧密地打包操作，以节省内存。
4.3、 模式
前面我们提到，选择哪种排序模式，与max_length_for_sort_data[2]这个属性有关，max_length_for_sort_data规定了排序行的最大大小，这个属性默认值大小为1024字节：
也就是说如果查询列和排序列占用的大小小于这个值，这个时候会走sort_key, additional_fields或者sort_key, packed_additional_fields算法，否则，那么会转而使用sort_key, rowid模式。
现在我们特意把这个值设置小一点，模拟sort_key, rowid模式：
1SET max_length_for_sort_data = 100;
这个时候执行sql：
1select a, b, c, d from t20 force index(idx_abc) where a=3 order by d limit 10;
这个时候再查看sql执行的optimizer_trace日志：
1"filesort_priority_queue_optimization": { 2 "limit": 10, 3 "rows_estimate": 27033, 4 "row_size": 49, 5 "memory_available": 32768, 6 "chosen": true 7}, 8"filesort_execution": [ 9],10"filesort_summary": {11 "rows": 11,12 "examined_rows": 8520,13 "number_of_tmp_files": 0,14 "sort_buffer_size": 632,15 "sort_mode": "<sort_key, rowid="">"16}
可以发现这个时候切换到了sort_key, rowid模式，在这个模式下，执行流程如下：
where条件a=3扫描到8520条记录;
回表查找记录;
找到这8520条记录的id和d字段，放入sort buffer中进行堆排序;
排序完成后，取前面10条;
取这10条的id回表查询需要的a，b，c，d字段值;
依次返回结果给到客户端。
郑州市哪家医院男科好http://www.dlgcyy.net/
郑州哪里看男科病好http://www.dlebhyy.cn/
郑州不孕不育医院http://byby.zztjyy.com/
可以发现，正因为行记录太大了，所以sort buffer中只存了需要排序的字段和主键id，以时间换取空间，最终排序完成，再次从聚集索引中查找到所有需要的字段返回给客户端，很明显，这里多了一次回表操作的磁盘读，整体效率上是稍微低一点的。
5、order by优化总结
根据以上的介绍，我们可以总结出以下的order by语句的相关优化手段：
order by字段尽量使用固定长度的字段类型，因为排序字段不支持压缩;
order by字段如果需要用可变长度，应尽量控制长度，道理同上;
查询中尽量不用用select *，避免查询过多，导致order by的时候sort buffer内存不够导致外部排序，或者行大小超过了max_length_for_sort_data导致走了sort_key, rowid排序模式，使得产生了更多的磁盘读，影响性能;
尝试给排序字段和相关条件加上联合索引，能够用到覆盖索引最佳。
这篇文章的内容就差不多介绍到这里了，能够阅读到这里的朋友真的是很有耐心，为你点个赞。
本文为arthinking基于相关技术资料和官方文档撰写而成，确保内容的准确性，如果你发现了有何错漏之处，烦请高抬贵手帮忙指正，万分感激。
大家可以关注我的博客：itzhai.com 获取更多文章，我将持续更新后端相关技术，涉及JVM、Java基础、架构设计、网络编程、数据结构、数据库、算法、并发编程、分布式系统等相关内容。
如果您觉得读完本文有所收获的话，可以关注我的账号，或者点个赞吧，码字不易，您的支持就是我写作的最大动力，再次感谢!
关注我的公众号，及时获取最新的文章。