引言

日常開發(fā)中，我們經(jīng)常會使用到group by。親愛的小伙伴，你是否知道group by的工作原理呢？group by和having有什么區(qū)別呢？group by的優(yōu)化思路是怎樣的呢？使用group by有哪些需要注意的問題呢？本文將跟大家一起來學習，攻克group by~

• 使用group by的簡單例子
• group by 工作原理
• group by + where 和 having的區(qū)別
• group by 優(yōu)化思路
• group by 使用注意點
• 一個生產(chǎn)慢SQL如何優(yōu)化

1. 使用group by的簡單例子

group by一般用于分組統(tǒng)計，它表達的邏輯就是根據(jù)一定的規(guī)則，進行分組。我們先從一個簡單的例子，一起來復習一下哈。

假設用一張員工表，表結(jié)構(gòu)如下：

CREATE?TABLE?`staff`?(
??`id`?bigint(11)?NOT?NULL?AUTO_INCREMENT?COMMENT?'主鍵id',
??`id_card`?varchar(20)?NOT?NULL?COMMENT?'身份證號碼',
??`name`?varchar(64)?NOT?NULL?COMMENT?'姓名',
??`age`?int(4)?NOT?NULL?COMMENT?'年齡',
??`city`?varchar(64)?NOT?NULL?COMMENT?'城市',
??PRIMARY?KEY?(`id`)
)?ENGINE=InnoDB?AUTO_INCREMENT=15?DEFAULT?CHARSET=utf8?COMMENT='員工表';

表存量的數(shù)據(jù)如下：

我們現(xiàn)在有這么一個需求：統(tǒng)計每個城市的員工數(shù)量。對應的 SQL 語句就可以這么寫：

select?city?,count(*)?as?num?from?staff?group?by?city;

執(zhí)行結(jié)果如下：

這條SQL語句的邏輯很清楚啦，但是它的底層執(zhí)行流程是怎樣的呢？

2. group by 原理分析

2.1 explain 分析

我們先用explain查看一下執(zhí)行計劃

explain?select?city?,count(*)?as?num?from?staff?group?by?city;

• Extra 這個字段的Using temporary表示在執(zhí)行分組的時候使用了臨時表
• Extra 這個字段的Using filesort表示使用了排序

group by 怎么就使用到臨時表和排序了呢？我們來看下這個SQL的執(zhí)行流程

2.2 group by 的簡單執(zhí)行流程

explain?select?city?,count(*)?as?num?from?staff?group?by?city;

我們一起來看下這個SQL的執(zhí)行流程哈

• 創(chuàng)建內(nèi)存臨時表，表里有兩個字段city和num；
• 全表掃描staff的記錄，依次取出city = 'X'的記錄。
• 判斷臨時表中是否有為 city='X'的行，沒有就插入一個記錄 (X,1);
• 如果臨時表中有city='X'的行的行，就將x 這一行的num值加 1；
• 遍歷完成后，再根據(jù)字段city做排序，得到結(jié)果集返回給客戶端。

這個流程的執(zhí)行圖如下：

臨時表的排序是怎樣的呢？

就是把需要排序的字段，放到sort buffer，排完就返回。在這里注意一點哈，排序分全字段排序和rowid排序

如果是全字段排序，需要查詢返回的字段，都放入sort buffer，根據(jù)排序字段排完，直接返回

如果是rowid排序，只是需要排序的字段放入sort buffer，然后多一次回表操作，再返回。

怎么確定走的是全字段排序還是rowid 排序排序呢？由一個數(shù)據(jù)庫參數(shù)控制的，max_length_for_sort_data

對排序有興趣深入了解的小伙伴，可以看我這篇文章哈。

看一遍就理解：order by詳解

3. where 和 having的區(qū)別

• group by + where 的執(zhí)行流程
• group by + having 的執(zhí)行流程
• 同時有where、group by 、having的執(zhí)行順序

3.1 group by + where 的執(zhí)行流程

有些小伙伴覺得上一小節(jié)的SQL太簡單啦，如果加了where條件之后，并且where條件列加了索引呢，執(zhí)行流程是怎樣？

好的，我們給它加個條件，并且加個idx_age的索引，如下：

select?city?,count(*)?as?num?from?staff?where?age>?30?group?by?city;
//加索引
alter?table?staff?add?index?idx_age?(age);

再來expain分析一下：

explain?select?city?,count(*)?as?num?from?staff?where?age>?30?group?by?city;

從explain 執(zhí)行計劃結(jié)果，可以發(fā)現(xiàn)查詢條件命中了idx_age的索引，并且使用了臨時表和排序

Using index condition:

表示索引下推優(yōu)化，根據(jù)索引盡可能的過濾數(shù)據(jù),然后再返回給服務器層根據(jù)where其他條件進行過濾。這里單個索引為什么會出現(xiàn)索引下推呢？explain出現(xiàn)并不代表一定是使用了索引下推，只是代表可以使用，但是不一定用了。大家如果有想法或者有疑問，可以加我微信討論哈。

執(zhí)行流程如下：

• 創(chuàng)建內(nèi)存臨時表，表里有兩個字段city和num；
• 掃描索引樹idx_age，找到大于年齡大于30的主鍵ID
• 通過主鍵ID，回表找到city = 'X'
• 判斷臨時表中是否有為 city='X'的行，沒有就插入一個記錄 (X,1);
• 如果臨時表中有city='X'的行的行，就將x 這一行的num值加 1；
• 繼續(xù)重復2,3步驟，找到所有滿足條件的數(shù)據(jù)，

最后根據(jù)字段city做排序，得到結(jié)果集返回給客戶端。

3.2 group by + having 的執(zhí)行

如果你要查詢每個城市的員工數(shù)量，獲取到員工數(shù)量不低于3的城市，having可以很好解決你的問題，SQL醬紫寫：

select?city?,count(*)?as?num?from?staff??group?by?city?having?num?>=?3;

查詢結(jié)果如下：

having稱為分組過濾條件，它對返回的結(jié)果集操作。

3.3 同時有where、group by 、having的執(zhí)行順序

如果一個SQL同時含有where、group by、having子句，執(zhí)行順序是怎樣的呢。

比如這個SQL：

select?city?,count(*)?as?num?from?staff??where?age>?19?group?by?city?having?num?>=?3;

執(zhí)行where子句查找符合年齡大于19的員工數(shù)據(jù)

group by子句對員工數(shù)據(jù)，根據(jù)城市分組。

對group by子句形成的城市組，運行聚集函數(shù)計算每一組的員工數(shù)量值；

最后用having子句選出員工數(shù)量大于等于3的城市組。

3.4 where + having 區(qū)別總結(jié)

having子句用于分組后篩選，where子句用于行條件篩選

having一般都是配合group by 和聚合函數(shù)一起出現(xiàn)如(count(),sum(),avg(),max(),min())

where條件子句中不能使用聚集函數(shù)，而having子句就可以。

having只能用在group by之后，where執(zhí)行在group by之前

4. 使用 group by 注意的問題

使用group by 主要有這幾點需要注意：

group by一定要配合聚合函數(shù)一起使用嘛？

group by的字段一定要出現(xiàn)在select中嘛

group by導致的慢SQL問題

4.1 group by一定要配合聚合函數(shù)使用嘛？

group by 就是分組統(tǒng)計的意思，一般情況都是配合聚合函數(shù)如（count(),sum(),avg(),max(),min())一起使用。

• count() 數(shù)量
• sum() 總和
• avg() 平均
• max() 最大值
• min() 最小值

如果沒有配合聚合函數(shù)使用可以嗎？

我用的是Mysql 5.7 ，是可以的。不會報錯，并且返回的是，分組的第一行數(shù)據(jù)。

比如這個SQL：

select?city,id_card,age?from?staff?group?by??city;

查詢結(jié)果是

大家對比看下，返回的就是每個分組的第一條數(shù)據(jù)

當然，平時大家使用的時候，group by還是配合聚合函數(shù)使用的，除非一些特殊場景，比如你想去重，當然去重用distinct也是可以的。

4.2 group by 后面跟的字段一定要出現(xiàn)在select中嘛。

不一定，比如以下SQL：

select?max(age)??from?staff?group?by?city;

執(zhí)行結(jié)果如下：

分組字段city不在select 后面，并不會報錯。當然，這個可能跟不同的數(shù)據(jù)庫，不同的版本有關吧。大家使用的時候，可以先驗證一下就好。有一句話叫做，紙上得來終覺淺，絕知此事要躬行。

4.3 group by導致的慢SQL問題

到了最重要的一個注意問題啦，group by使用不當，很容易就會產(chǎn)生慢SQL 問題。因為它既用到臨時表，又默認用到排序。有時候還可能用到磁盤臨時表。

• 如果執(zhí)行過程中，會發(fā)現(xiàn)內(nèi)存臨時表大小到達了上限（控制這個上限的參數(shù)就是tmp_table_size），會把內(nèi)存臨時表轉(zhuǎn)成磁盤臨時表。
• 如果數(shù)據(jù)量很大，很可能這個查詢需要的磁盤臨時表，就會占用大量的磁盤空間。

這些都是導致慢SQL的x因素，我們一起來探討優(yōu)化方案哈。

5. group by的一些優(yōu)化方案

從哪些方向去優(yōu)化呢？

• 方向1：既然它默認會排序，我們不給它排是不是就行啦。
• 方向2：既然臨時表是影響group by性能的X因素，我們是不是可以不用臨時表？

我們一起來想下，執(zhí)行group by語句為什么需要臨時表呢？group by的語義邏輯，就是統(tǒng)計不同的值出現(xiàn)的個數(shù)。如果這個這些值一開始就是有序的，我們是不是直接往下掃描統(tǒng)計就好了，就不用臨時表來記錄并統(tǒng)計結(jié)果啦?

• group by 后面的字段加索引
• order by null 不用排序
• 盡量只使用內(nèi)存臨時表
• 使用SQL_BIG_RESULT

5.1 group by 后面的字段加索引

如何保證group by后面的字段數(shù)值一開始就是有序的呢？當然就是加索引啦。

我們回到一下這個SQL

select?city?,count(*)?as?num?from?staff?where?age=?19?group?by?city;

它的執(zhí)行計劃

如果我們給它加個聯(lián)合索引idx_age_city（age,city）

alter?table?staff?add?index?idx_age_city(age,city);

再去看執(zhí)行計劃，發(fā)現(xiàn)既不用排序，也不需要臨時表啦。

加合適的索引是優(yōu)化group by最簡單有效的優(yōu)化方式。

5.2 order by null 不用排序

并不是所有場景都適合加索引的，如果碰上不適合創(chuàng)建索引的場景，我們?nèi)绾蝺?yōu)化呢？

如果你的需求并不需要對結(jié)果集進行排序，可以使用order by null。

select?city?,count(*)?as?num?from?staff?group?by?city?order?by?null

執(zhí)行計劃如下，已經(jīng)沒有filesort啦

5.3 盡量只使用內(nèi)存臨時表

如果group by需要統(tǒng)計的數(shù)據(jù)不多，我們可以盡量只使用內(nèi)存臨時表；因為如果group by 的過程因為內(nèi)存臨時表放不下數(shù)據(jù)，從而用到磁盤臨時表的話，是比較耗時的。因此可以適當調(diào)大tmp_table_size參數(shù)，來避免用到磁盤臨時表。

5.4 使用SQL_BIG_RESULT優(yōu)化

如果數(shù)據(jù)量實在太大怎么辦呢？總不能無限調(diào)大tmp_table_size吧？但也不能眼睜睜看著數(shù)據(jù)先放到內(nèi)存臨時表，隨著數(shù)據(jù)插入發(fā)現(xiàn)到達上限，再轉(zhuǎn)成磁盤臨時表吧？這樣就有點不智能啦。

因此，如果預估數(shù)據(jù)量比較大，我們使用SQL_BIG_RESULT 這個提示直接用磁盤臨時表。MySQl優(yōu)化器發(fā)現(xiàn)，磁盤臨時表是B+樹存儲，存儲效率不如數(shù)組來得高。因此會直接用數(shù)組來存

示例SQl如下：

select?SQL_BIG_RESULT?city?,count(*)?as?num?from?staff?group?by?city;

執(zhí)行計劃的Extra字段可以看到，執(zhí)行沒有再使用臨時表，而是只有排序

執(zhí)行流程如下：

• 初始化 sort_buffer，放入city字段；
• 掃描表staff，依次取出city的值,存入 sort_buffer 中；
• 掃描完成后，對 sort_buffer的city字段做排序
• 排序完成后，就得到了一個有序數(shù)組。
• 根據(jù)有序數(shù)組，統(tǒng)計每個值出現(xiàn)的次數(shù)。

6. 一個生產(chǎn)慢SQL如何優(yōu)化

最近遇到個生產(chǎn)慢SQL，跟group by相關的，給大家看下怎么優(yōu)化哈。

表結(jié)構(gòu)如下：

CREATE?TABLE?`staff`?(
??`id`?bigint(11)?NOT?NULL?AUTO_INCREMENT?COMMENT?'主鍵id',
??`id_card`?varchar(20)?NOT?NULL?COMMENT?'身份證號碼',
??`name`?varchar(64)?NOT?NULL?COMMENT?'姓名',
??`status`?varchar(64)?NOT?NULL?COMMENT?'Y-已激活?I-初始化?D-已刪除?R-審核中',
??`age`?int(4)?NOT?NULL?COMMENT?'年齡',
??`city`?varchar(64)?NOT?NULL?COMMENT?'城市',
??`enterprise_no`?varchar(64)?NOT?NULL?COMMENT?'企業(yè)號',
??`legal_cert_no`?varchar(64)?NOT?NULL?COMMENT?'法人號碼',
??PRIMARY?KEY?(`id`)
)?ENGINE=InnoDB?AUTO_INCREMENT=15?DEFAULT?CHARSET=utf8?COMMENT='員工表';

查詢的SQL是這樣的：

select?*?from?t1?where?status?=?#{status}?group?by?#{legal_cert_no}

我們先不去探討這個SQL的=是否合理。如果就是這么個SQL，你會怎么優(yōu)化呢？有想法的小伙伴可以留言討論哈，也可以加我微信加群探討。如果你覺得文章那里寫得不對，也可以提出來哈，一起進步，加油呀

參考

http://m.dhdzp.com/article/222520.htm

以上就是Mysql數(shù)據(jù)庫group by原理詳解的詳細內(nèi)容，更多關于Mysql數(shù)據(jù)庫group by的資料請關注腳本之家其它相關文章！