最近通过一个日志表做排行的时候发现特别卡,问题得到了解决,梳理一些索引和MySQL执行过程的经验,但是还是有5个谜题没解开,希望大家帮忙解答下
主要包含如下知识点
- 用数据说话证明慢日志的扫描行数到底是如何统计出来的
- 从 group by 执行原理找出优化方案
- 排序的实现细节
- gdb 源码调试
背景
需要分别统计本月、本周被访问的文章的 前10。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
准备工作
为了能够清晰的验证自己的一些猜想,在虚拟机里安装了一个 debug 版的 mysql,然后开启了慢日志收集,用于统计扫描行数
安装
- 下载源码
- 编译安装
- 创建 mysql 用户
- 初始化数据库
- 初始化 mysql 配置文件
- 修改密码
如果你兴趣,具体可以参考我的博客,一步步安装 https://mengkang.net/1335.html
开启慢日志
编辑配置文件,在[mysqld]块下添加
- slow_query_log=1
- slow_query_log_file=xxx
- long_query_time=0
- log_queries_not_using_indexes=1
性能分析
发现问题
假如我需要查询2018-12-20 ~ 2018-12-24这5天浏览量多的10篇文章的 sql 如下,首先使用explain看下分析结果
- 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 |
- +----+-------------+--------------+------------+-------+-------------------------------+----------------+---------+------+--------+----------+-----------------------------------------------------------+
系统默认会走的索引是idx_day_aid_pv,根据Extra信息我们可以看到,使用idx_day_aid_pv索引的时候,会走覆盖索引,但是会使用临时表,会有排序。
我们查看下慢日志里的记录信息
- # 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;
为什么扫描行数是 1337315
我们查询两个数据,一个是满足条件的行数,一个是group by统计之后的行数。
- 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 |
- +---------------------+
发现满足条件的总行数(785102)+group by 之后的总行数(552203)+limit 的值 = 慢日志里统计的 Rows_examined。
要解答这个问题,就必须搞清楚上面这个 sql 到底分别都是如何运行的。
执行流程分析
索引示例
为了便于理解,我按照索引的规则先模拟idx_day_aid_pv索引的一小部分数据
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 |
因为索引idx_day_aid_pv最左列是day,所以当我们需要查找20181220~20181224之间的文章的pv总和的时候,我们需要遍历20181220~20181224这段数据的索引。
- 查看 optimizer trace 信息
- # 开启 optimizer_trace
- set optimizer_trace='enabled=on';
- # 执行 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;
摘取里面的执行结果如下
- {
- "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>"
- }
- }
- ]
- }
- }
分析临时表字段
mysql gdb 调试更多细节 https://mengkang.net/1336.html
通过gdb调试确认临时表上的字段是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
- $22 = 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)
通过上面的打印,确认了字段类型,一个aid是MYSQL_TYPE_LONG,占4字节,num是MYSQL_TYPE_NEWDECIMAL,占15字节。
The SUM() and AVG() functions return a DECIMAL value for exact-value arguments (integer or DECIMAL), and a DOUBLE value for approximate-value arguments (FLOAT or DOUBLE). (Before MySQL 5.0.3, SUM() and AVG() return DOUBLE for all numeric arguments.)
但是通过我们上面打印信息可以看到两个字段的长度加起来是19,而optimizer_trace里的tmp_table_info.reclength是20。通过其他实验也发现table->s->reclength的长度就是table->field数组里面所有字段的字段长度和再加1。
总结执行流程
- 尝试在堆上使用memory的内存临时表来存放group by的数据,发现内存不够;
- 创建一张临时表,临时表上有两个字段,aid和num字段(sum(pv) as num);
- 从索引idx_day_aid_pv中取出1行,插入临时表。插入规则是如果aid不存在则直接插入,如果存在,则把pv的值累加在num上;
- 循环遍历索引idx_day_aid_pv上20181220~20181224之间的所有行,执行步骤3;
- 对临时表根据num的值做优先队列排序;
- 取出留在堆(优先队列的堆)里面的10行数据,作为结果集直接返回,不需要再回表;
补充说明优先队列排序执行步骤分析:
- 在临时表(未排序)中取出前 10 行,把其中的num和aid作为10个元素构成一个小顶堆,也就是最小的 num 在堆顶。
- 取下一行,根据 num 的值和堆顶值作比较,如果该字大于堆顶的值,则替换掉。然后将新的堆做堆排序。
- 重复步骤2直到第 552203 行比较完成。
优化
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;
扫描行数都是1337315,为什么执行消耗的时间上快了12倍呢?
索引示例
为了便于理解,同样我也按照索引的规则先模拟idx_aid_day_pv索引的一小部分数据
aid | day | pv | id |
---|---|---|---|
1 | 20181220 | 23 | 1234 |
1 | 20181221 | 5 | 1257 |
3 | 20181220 | 2 | 1231 |
3 | 20181222 | 22 | 1331 |
3 | 20181224 | 13 | 1431 |
4 | 20181220 | 1 | 1212 |
7 | 20181220 | 2 | 1221 |
10 | 20181221 | 1 | 1251 |
11 | 20181221 | 8 | 1258 |
group by 不需要临时表的情况
为什么性能上比 SQL1 高了,很多呢,原因之一是idx_aid_day_pv索引上aid是确定有序的,那么执行group by的时候,则不会创建临时表,排序的时候才需要临时表。如果印证这一点呢,我们通过下面的执行计划就能看到
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表示强制对group by的结果不做排序。如果不加order by null,上面的 sql 则会出现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
- # 开启optimizer_trace
- set optimizer_trace='enabled=on';
- # 执行 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;
摘取里面的执行结果如下
- {
- "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>"
- }
- }
- ]
- }
- }
执行流程如下
1. 创建一张临时表,临时表上有两个字段,aid和num字段(sum(pv) as num);
2. 读取索引idx_aid_day_pv中的一行,然后查看是否满足条件,如果day字段不在条件范围内(20181220~20181224之间),则读取下一行;如果day字段在条件范围内,则把pv值累加(不是 在临时表中操作);
3. 读取索引idx_aid_day_pv中的下一行,如果aid与步骤1中一致且满足条件,则pv值累加(不是在临时表中操作)。如果aid与步骤1中不一致,则把之前的结果集写入临时表;
4. 循环执行步骤2、3,直到扫描完整个idx_aid_day_pv索引;
5. 对临时表根据num的值做优先队列排序;
6. 根据查询到的前10条的rowid回表(临时表)返回结果集。
补充说明优先队列排序执行步骤分析:
- 在临时表(未排序)中取出前 10 行,把其中的num和rowid作为10个元素构成一个小顶堆,也就是最小的 num 在堆顶。
- 取下一行,根据 num 的值和堆顶值作比较,如果该字大于堆顶的值,则替换掉。然后将新的堆做堆排序。
- 重复步骤2直到第 552203 行比较完成。
该方案可行性
实验发现,当我增加一行20181219的数据时,虽然这行记录不满足我们的需求,但是扫描索引的也会读取这行。因为我做这个实验,只弄了20181220~201812245天的数据,所以需要扫描的行数正好是全表数据行数。
那么如果该表的数据存储的不是5天的数据,而是10天的数据呢,更或者是365天的数据呢?这个方案是否还可行呢?先模拟10天的数据,在现有时间基础上往后加5天,行数与现在一样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 ii=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;
这里扫描行数2122417是因为扫描索引的时候需要遍历整个索引,整个索引的行数就是全表行数,因为我刚刚又插入了785102行。
当我数据量翻倍之后,这里查询时间明显已经翻倍。所以这个优化方式不稳定。
方案2 扩充临时表空间上限大小
默认的临时表空间大小是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/ref...
https://dev.mysql.com/doc/ref...
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.
也就是说这里临时表的限制是16M,max_heap_table_size大小也受tmp_table_size大小的限制。
所以我们这里调整为32MB,然后执行原始的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 优化
告诉优化器,查询结果比较多,临时表直接走磁盘存储。
- # 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;
扫描行数是 2x满足条件的总行数(785102)+group by 之后的总行数(552203)+limit 的值。
顺便值得一提的是: 当我把数据量翻倍之后,使用该方式,查询时间基本没变。因为扫描的行数还是不变的。实际测试耗时6.197484
总结
方案1优化效果不稳定,当总表数据量与查询范围的总数相同时,且不超出内存临时表大小限制时,性能达到更佳。当查询数据量占据总表数据量越大,优化效果越不明显;
方案2需要调整临时表内存的大小,可行;不过当数据库超过32MB时,如果使用该方式,还需要继续提升临时表大小;
方案3直接声明使用磁盘来放临时表,虽然扫描行数多了一次符合条件的总行数的扫描。但是整体响应时间比方案2就慢了0.1秒。因为我们这里数据量比较,我觉得这个时间差还能接受。
所以对比,选择方案3比较合适。
问题与困惑
- # 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;
- SQL1 执行过程中,使用的是全字段排序后不需要回表为什么总扫描行数还要加上10才对得上?
- SQL1 与 SQL2 group by之后得到的行数都是552203,为什么会出现 SQL1 内存不够,里面还有哪些细节呢?
- trace 信息里的creating_tmp_table.tmp_table_info.row_limit_estimate都是838860;计算由来是临时表的内存限制大小16MB,而一行需要占的空间是20字节,那么最多只能容纳 floor(16777216/20) = 838860行,而实际我们需要放入临时表的行数是785102。为什么呢?
- SQL1 使用SQL_BIG_RESULT优化之后,原始表需要扫描的行数会乘以2,背后逻辑是什么呢?为什么仅仅是不再尝试往内存临时表里写入这一步会相差10多倍的性能?
- 通过源码看到 trace 信息里面很多扫描行数都不是实际的行数,既然是实际执行,为什么 trace 信息里不输出真实的扫描行数和容量等呢,比如 filesort_priority_queue_optimization.rows_estimate在SQL1中的扫描行数我通过gdb看到计算规则如附录图 1
- 有没有工具能够统计 SQL 执行过程中的 I/O 次数?