证明为什么用limit时

前言

本文同时发表在

mysql查询使用select命令,配合limit,offset参数可以读取指定范围的记录。本文将介绍mysql查询时,offset过大影响性能的原因及优化方法。

首先说明一下MySQL的版本:

准备测试数据表及数据

mysql> select version();
+-----------+
| version() |
+-----------+
| 5.7.17    |
+-----------+
1 row in set (0.00 sec)

1.创建表

表结构:

CREATE TABLE `member`  unsigned NOT NULL AUTO_INCREMENT, `name` varchar NOT NULL COMMENT '姓名', `gender` tinyint unsigned NOT NULL COMMENT '性别', PRIMARY KEY , KEY `gender`  ENGINE=InnoDB DEFAULT CHARSET=utf8;
mysql> desc test;
+--------+---------------------+------+-----+---------+----------------+
| Field  | Type                | Null | Key | Default | Extra          |
+--------+---------------------+------+-----+---------+----------------+
| id     | bigint(20) unsigned | NO   | PRI | NULL    | auto_increment |
| val    | int(10) unsigned    | NO   | MUL | 0       |                |
| source | int(10) unsigned    | NO   |     | 0       |                |
+--------+---------------------+------+-----+---------+----------------+
3 rows in set (0.00 sec)

2.插入1000000条记录

id为自增主键,val为非唯一索引。

prepare; $stmt->execute();}?>mysql> select count from member;+----------+| count |+----------+| 1000000 |+----------+1 row in set 

灌入大量数据,共500万:

3.当前数据库版本

mysql> select count(*) from test;
+----------+
| count(*) |
+----------+
|  5242882 |
+----------+
1 row in set (4.25 sec)
mysql> select version();+-----------+| version() |+-----------+| 5.6.24 |+-----------+1 row in set 

我们知道,当limit offset rows中的offset很大时,会出现效率问题:

分析offset过大影响性能的原因

mysql> select * from test where val=4 limit 300000,5;
+---------+-----+--------+
| id      | val | source |
+---------+-----+--------+
| 3327622 |   4 |      4 |
| 3327632 |   4 |      4 |
| 3327642 |   4 |      4 |
| 3327652 |   4 |      4 |
| 3327662 |   4 |      4 |
+---------+-----+--------+
5 rows in set (15.98 sec)

1.offset较小的情况

为了达到相同的目的,我们一般会改写成如下语句:

mysql> select * from member where gender=1 limit 10,1;+----+------------+--------+| id | name | gender |+----+------------+--------+| 26 | 509e279687 | 1 |+----+------------+--------+1 row in set mysql> select * from member where gender=1 limit 100,1;+-----+------------+--------+| id | name | gender |+-----+------------+--------+| 211 | 07c4cbca3a | 1 |+-----+------------+--------+1 row in set mysql> select * from member where gender=1 limit 1000,1;+------+------------+--------+| id | name | gender |+------+------------+--------+| 1975 | e95b8b6ca1 | 1 |+------+------------+--------+1 row in set 
mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id;
+---------+-----+--------+---------+
| id      | val | source | id      |
+---------+-----+--------+---------+
| 3327622 |   4 |      4 | 3327622 |
| 3327632 |   4 |      4 | 3327632 |
| 3327642 |   4 |      4 | 3327642 |
| 3327652 |   4 |      4 | 3327652 |
| 3327662 |   4 |      4 | 3327662 |
+---------+-----+--------+---------+
5 rows in set (0.38 sec)

当offset较小时,查询速度很快,效率较高。

时间相差很明显。

2.offset较大的情况

为什么会出现上面的结果?我们看一下select * from test where val=4 limit 300000,5;的查询过程:

mysql> select * from member where gender=1 limit 100000,1;+--------+------------+--------+| id | name | gender |+--------+------------+--------+| 199798 | 540db8c5bc | 1 |+--------+------------+--------+1 row in set mysql> select * from member where gender=1 limit 200000,1;+--------+------------+--------+| id | name | gender |+--------+------------+--------+| 399649 | 0b21fec4c6 | 1 |+--------+------------+--------+1 row in set mysql> select * from member where gender=1 limit 300000,1;+--------+------------+--------+| id | name | gender |+--------+------------+--------+| 599465 | f48375bdb8 | 1 |+--------+------------+--------+1 row in set 
  • 查询到索引叶子节点数据。
  • 根据叶子节点上的主键值去聚簇索引上查询需要的全部字段值。

当offset很大时,会出现效率问题,随着offset的增大,执行效率下降。

类似于下面这张图:

分析影响性能原因

图片 1

select * from member where gender=1 limit 300000,1;

像上面这样,需要查询300005次索引节点,查询300005次聚簇索引的数据,最后再将结果过滤掉前300000条,取出最后5条。MySQL耗费了大量随机I/O在查询聚簇索引的数据上,而有300000次随机I/O查询到的数据是不会出现在结果集当中的。

因为数据表是InnoDB,根据InnoDB索引的结构,查询过程为:

肯定会有人问:既然一开始是利用索引的,为什么不先沿着索引叶子节点查询到最后需要的5个节点,然后再去聚簇索引中查询实际数据。这样只需要5次随机I/O,类似于下面图片的过程:

通过二级索引查到主键值。
再根据查到的主键值通过主键索引找到相应的数据块。
根据offset的值,查询300001次主键索引的数据,最后将之前的300000条丢弃,取出最后1条。

图片 2

不过既然二级索引已经找到主键值,为什么还需要先用主键索引找到数据块,再根据offset的值做偏移处理呢?

其实我也想问这个问题。

如果在找到主键索引后,先执行offset偏移处理,跳过300000条,再通过第300001条记录的主键索引去读取数据块,这样就能提高效率了。

证实

下面我们实际操作一下来证实上述的推论:
为了证实select * from test where val=4 limit 300000,5是扫描300005个索引节点和300005个聚簇索引上的数据节点,我们需要知道MySQL有没有办法统计在一个sql中通过索引节点查询数据节点的次数。我先试了Handler_read_*系列,很遗憾没有一个变量能满足条件。

我只能通过间接的方式来证实:
InnoDB中有buffer
pool。里面存有最近访问过的数据页,包括数据页和索引页。所以我们需要运行两个sql,来比较buffer
pool中的数据页的数量。预测结果是运行select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id;之后,buffer
pool中的数据页的数量远远少于select * from test where val=4 limit 300000,5;对应的数量,因为前一个sql只访问5次数据页,而后一个sql访问300005次数据页。

如果我们只查询出主键,看看有什么不同

select * from test where val=4 limit 300000,5

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
Empty set (0.04 sec)

可以看出,目前buffer pool中没有关于test表的数据页。

mysql> select * from test where val=4 limit 300000,5;
+---------+-----+--------+
| id      | val | source |
+---------+-----+--------+
| 3327622 |   4 |      4 |
| 3327632 |   4 |      4 |
| 3327642 |   4 |      4 |
| 3327652 |   4 |      4 |
| 3327662 |   4 |      4 |
+---------+-----+--------+
5 rows in set (26.19 sec)

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
+------------+----------+
| index_name | count(*) |
+------------+----------+
| PRIMARY    |     4098 |
| val        |      208 |
+------------+----------+
2 rows in set (0.04 sec)

可以看出,此时buffer pool中关于test表有4098个数据页,208个索引页。

mysql> select id from member where gender=1 limit 300000,1;+--------+| id |+--------+| 599465 |+--------+1 row in set 

select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id

为了防止上次试验的影响,我们需要清空buffer pool,重启mysql。

mysqladmin shutdown
/usr/local/bin/mysqld_safe &

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
Empty set (0.03 sec)

运行sql:

mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id;
+---------+-----+--------+---------+
| id      | val | source | id      |
+---------+-----+--------+---------+
| 3327622 |   4 |      4 | 3327622 |
| 3327632 |   4 |      4 | 3327632 |
| 3327642 |   4 |      4 | 3327642 |
| 3327652 |   4 |      4 | 3327652 |
| 3327662 |   4 |      4 | 3327662 |
+---------+-----+--------+---------+
5 rows in set (0.09 sec)

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
+------------+----------+
| index_name | count(*) |
+------------+----------+
| PRIMARY    |        5 |
| val        |      390 |
+------------+----------+
2 rows in set (0.03 sec)

我们可以看明显的看出两者的差别:第一个sql加载了4098个数据页到buffer
pool,而第二个sql只加载了5个数据页到buffer
pool。符合我们的预测。也证实了为什么第一个sql会慢:读取大量的无用数据行(300000),最后却抛弃掉。
而且这会造成一个问题:加载了很多热点不是很高的数据页到buffer
pool,会造成buffer pool的污染,占用buffer pool的空间。

很明显,如果只查询主键,执行效率对比查询全部字段,有很大的提升。

遇到的问题

  • 为了在每次重启时确保清空buffer
    pool,我们需要关闭innodb_buffer_pool_dump_at_shutdowninnodb_buffer_pool_load_at_startup,这两个选项能够控制数据库关闭时dump出buffer
    pool中的数据和在数据库开启时载入在磁盘上备份buffer pool的数据。

参考资料:

  • MySQL ORDER BY / LIMIT performance: late row
    lookups
  • InnoDB INFORMATION_SCHEMA Buffer Pool
    Tables

推测

只查询主键的情况

因为二级索引已经找到主键值,而查询只需要读取主键,因此mysql会先执行offset偏移操作,再根据后面的主键索引读取数据块。

需要查询所有字段的情况

因为二级索引只找到主键值,但其他字段的值需要读取数据块才能获取。因此mysql会先读出数据块内容,再执行offset偏移操作,最后丢弃前面需要跳过的数据,返回后面的数据。

证实

InnoDB中有buffer pool,存放最近访问过的数据页,包括数据页和索引页。

为了测试,先把mysql重启,重启后查看buffer pool的内容。

mysql> select index_name,count from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in and TABLE_NAME like '%member%' group by index_name;Empty set 

可以看到,重启后,没有访问过任何的数据页。

查询所有字段,再查看buffer pool的内容

mysql> select * from member where gender=1 limit 300000,1;+--------+------------+--------+| id | name | gender |+--------+------------+--------+| 599465 | f48375bdb8 | 1 |+--------+------------+--------+1 row in set mysql> select index_name,count from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in and TABLE_NAME like '%member%' group by index_name;+------------+----------+| index_name | count |+------------+----------+| gender | 261 || PRIMARY | 1385 |+------------+----------+2 rows in set 

可以看出,此时buffer pool中关于member表有1385个数据页,261个索引页。

重启mysql清空buffer pool,继续测试只查询主键

mysql> select id from member where gender=1 limit 300000,1;+--------+| id |+--------+| 599465 |+--------+1 row in set mysql> select index_name,count from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in and TABLE_NAME like '%member%' group by index_name;+------------+----------+| index_name | count |+------------+----------+| gender | 263 || PRIMARY | 13 |+------------+----------+2 rows in set 

可以看出,此时buffer
pool中关于member表只有13个数据页,263个索引页。因此减少了多次通过主键索引访问数据块的I/O操作,提高执行效率。

因此可以证实,mysql查询时,offset过大影响性能的原因是多次通过主键索引访问数据块的I/O操作。(注意,只有InnoDB有这个问题,而MYISAM索引结构与InnoDB不同,二级索引都是直接指向数据块的,因此没有此问题
)。

InnoDB与MyISAM引擎索引结构对比图

优化方法

根据上面的分析,我们知道查询所有字段会导致主键索引多次访问数据块造成的I/O操作。

因此我们先查出偏移后的主键,再根据主键索引查询数据块的所有内容即可优化。

mysql> select a.* from member as a inner join (select id from member where gender=1 limit 300000,1) as b on a.id=b.id;+--------+------------+--------+| id | name | gender |+--------+------------+--------+| 599465 | f48375bdb8 | 1 |+--------+------------+--------+1 row in set 

附:MYSQL limit,offset 区别

SELECT keywordFROM keyword_rankWHERE advertiserid='59'order by keywordLIMIT 2 OFFSET 1;

比如这个SQL ,limit后面跟的是2条数据,offset后面是从第1条开始读取

SELECT keywordFROM keyword_rankWHERE advertiserid='59'ORDER BY keywordLIMIT 2 ,1;

而这个SQL,limit后面是从第2条开始读,读取1条信息。

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对脚本之家的支持。

发表评论

电子邮件地址不会被公开。 必填项已用*标注