您的位置: 首页  >  文章  >  MySQL实现随机消息的显示的原理和解析

MySQL实现随机消息的显示的原理和解析

分类: 文章 • 2025-06-21 08:03:28

问题引出：在我们开发的过程中可能会经常的遇到一个问题就是如何随机的显示众多数据中的几条？比如在笔者之前做的一个英文单词记忆练习中便出现了这样的问题，如果让你来写这样的一条语句你会怎么写呢？

首先我们先建立一张表，表名为words，并且随机插入一些字母组合：

 mysql> CREATE TABLE `words` (
   `id` int(11) NOT NULL AUTO_INCREMENT,
   `word` varchar(64) DEFAULT NULL,
   PRIMARY KEY (`id`)
 ) ENGINE=InnoDB;
 ​
 delimiter ;;
 create procedure idata()
 begin
   declare i int;
   set i=0;
   while i<10000 do
     insert into words(word) values(concat(char(97+(i div 1000)), char(97+(i % 1000 div 100)), char(97+(i % 100 div 10)), char(97+(i % 10))));
     set i=i+1;
   end while;
 end;;
 delimiter ;
 ​
 call idata();

其次就是写SQL语句了，大家应该基本都会想到一个基本写法：

 select * from words order by rand() limit 3;

这样的语句大家一般都可以想到的，但是这样的执行流程是比较复杂的。我们接下来就来分析一下这条语句的执行流程。

分析语句

 explain select * from words order by rand() limit 3;

MySQL实现随机消息的显示的原理和解析

 

在Extra中可以看到Using temporary 是表示使用的临时表， Using filesort表示进行了排序。

而在上一篇文章中写有提到对于临时内存表的排序来说，执行全字段排序会减少磁盘的访问，所以会被优先选择。

但是对于内存表来说，回表过程只是简单的根据数据行的位置，直接访问内存得到数据，不会导致多次访问磁盘。优化器没有了这层顾虑，那么他就会优先考虑内存中少一些数据，这样更有利于排序，所以便会选择rowid的排序方式。

理解了算法的选择的逻辑，来看看今天的那句sql的执行流程。

  1. 创建一个临时表。这个临时表使用的是memory引擎，表里有两个字段，第一个字段是double类型，为了后面描述方便，记为字段R，第二个字段是varchar(64)类型，记为字段W。并且，这个表没有建索引。

  2. 从words表中，按主键顺序取出所有的word值。对于每一个word值，调用rand()函数生成一个大于0小于1的随机小数，并把这个随机小数和word分别存入临时表的R和W字段中，到此，扫描行数是10000。

  3. 现在临时表有10000行数据了，接下来你要在这个没有索引的内存临时表上，按照字段R排序。

  4. 初始化 sort_buffer。sort_buffer中有两个字段，一个是double类型，另一个是整型。

  5. 从内存临时表中一行一行地取出R值和位置信息（我后面会和你解释这里为什么是“位置信息”），分别存入sort_buffer中的两个字段里。这个过程要对内存临时表做全表扫描，此时扫描行数增加10000，变成了20000。

  6. 在sort_buffer中根据R的值进行排序。注意，这个过程没有涉及到表操作，所以不会增加扫描行数。

  7. 排序完成后，取出前三个结果的位置信息，依次到内存临时表中取出word值，返回给客户端。这个过程中，访问了表的三行数据，总扫描行数变成了20003。

接下来，我们通过慢查询日志（slow log）来验证一下我们分析得到的扫描行数是否正确。

 # Query_time: 0.900376  Lock_time: 0.000347 Rows_sent: 3 Rows_examined: 20003
 SET timestamp=1541402277;
 select word from words order by rand() limit 3;

其中，Rows_examined：20003就表示这个语句执行过程中扫描了20003行，也就验证了我们分析得出的结论。

接下来我将完整的排序的执行流程图整理出来：

MySQL实现随机消息的显示的原理和解析

 

图中的pos就是位置信息。

这里需要明白一个基本的概念，MySQL是用什么方法来定位"一行数据"的？

有人可能会有疑问说，是不是在InnoDB中，将表的主键删掉是不是就不可以回表了？其实不是的，如果你创建的表没有主键或者将主键删掉的话，那么InnoDB会自己生成一个长度为6个字节的rowid来作为主键。

这也就是排序模式里面，rowid名字的来历。实际上它表示的是：每个引擎用来唯一标识数据行的信息。

  • 对于有主键的InnoDB表来说，这个rowid就是主键ID；

  • 对于没有主键的InnoDB表来说，这个rowid就是由系统生成的；

  • MEMORY引擎不是索引组织表。在这个例子里面，你可以认为它就是一个数组。因此，这个rowid其实就是数组的下标。

总结：order by rand()使用了内存临时表，内存临时表排序的时候使用了rowid排序方法。

 

磁盘临时表

那么，是不是所有的临时表都是内存表呢？

其实不是的。tmp_table_size这个配置限制了内存临时表的大小，默认值是16M。如果临时表大小超过了tmp_table_size，那么内存临时表就会转成磁盘临时表。

磁盘临时表使用的引擎默认是InnoDB，是由参数internal_tmp_disk_storage_engine控制的。

当使用磁盘临时表的时候，对应的就是一个没有显式索引的InnoDB表的排序过程。

为了复现这个过程，我把tmp_table_size设置成1024，把sort_buffer_size设置成 32768, 把 max_length_for_sort_data 设置成16。

 set tmp_table_size=1024;
 set sort_buffer_size=32768;
 set max_length_for_sort_data=16;
 /* 打开 optimizer_trace，只对本线程有效 */
 SET optimizer_trace='enabled=on'; 
 ​
 /* 执行语句 */
 select word from words order by rand() limit 3;
 ​
 /* 查看 OPTIMIZER_TRACE 输出 */
 SELECT * FROM `information_schema`.`OPTIMIZER_TRACE`;

MySQL实现随机消息的显示的原理和解析

 

 

MySQL实现随机消息的显示的原理和解析

 

然后，我们来看一下这次OPTIMIZER_TRACE的结果。

因为将max_length_for_sort_data设置成16，小于word字段的长度定义，所以我们看到sort_mode里面显示的是rowid排序，这个是符合预期的，参与排序的是随机值R字段和rowid字段组成的行。

这时候你可能算了一下，发现不对。R字段存放的随机值就8个字节，rowid是6个字节，数据总行数是10000，这样算出来就有140000字节，超过了sort_buffer_size 定义的 32768字节了。但是，number_of_tmp_files的值居然是0，难道不需要用临时文件吗？

这个SQL语句的排序确实没有用到临时文件，采用是MySQL 5.6版本引入的一个新的排序算法，即：优先队列排序算法。接下来，我们就看看为什么没有使用临时文件的算法，也就是归并排序算法，而是采用了优先队列排序算法。

其实，我们现在的SQL语句，只需要取R值最小的3个rowid。但是，如果使用归并排序算法的话，虽然最终也能得到前3个值，但是这个算法结束后，已经将10000行数据都排好序了。

也就是说，后面的9997行也是有序的了。但，我们的查询并不需要这些数据是有序的。所以，想一下就明白了，这浪费了非常多的计算量。

而优先队列算法，就可以精确地只得到三个最小值，执行流程如下：

  1. 对于这10000个准备排序的(R,rowid)，先取前三行，构造成一个堆；

  2. 取下一个行(R’,rowid’)，跟当前堆里面最大的R比较，如果R’小于R，把这个(R,rowid)从堆中去掉，换成(R’,rowid’)；

  3. 重复第2步，直到第10000个(R’,rowid’)完成比较。

MySQL实现随机消息的显示的原理和解析

 

上图是模拟6个(R,rowid)行，通过优先队列排序找到最小的三个R值的行的过程。整个排序过程中，为了最快地拿到当前堆的最大值，总是保持最大值在堆顶，因此这是一个最大堆。

第一幅图的OPTIMIZER_TRACE结果中，filesort_priority_queue_optimization这个部分的chosen=true，就表示使用了优先队列排序算法，这个过程不需要临时文件，因此对应的number_of_tmp_files是0。

这个流程结束后，我们构造的堆里面，就是这个10000行里面R值最小的三行。然后，依次把它们的rowid取出来，去临时表里面拿到word字段，这个过程就跟上一篇文章的rowid排序的过程一样了。

总之，不论是使用哪种类型的临时表，order by rand()这种写法都会让计算过程非常复杂，需要大量的扫描行数，因此排序过程的资源消耗也会很大。

之后会继续讲解效率更高的随机排序算法。

随机排序算法

今天首先我们把问题简化，如果只是随机的选取一个word，可以怎么做呢？思路基本就是这样的：

1.取得一张表的id的最大值和最小值，分别为M和N。

2.使用随机函数计算得到一个最大值和最小值之间的一个数X=(M-N)*rand()+N;

3.取不小于X的id的值的行数据。

我们暂时把这个算法称为随机算法1。执行的语句如下：

 mysql> select max(id),min(id) into @M,@N from t ;
 set @X= floor((@[email protected]+1)*rand() + @N);
 select * from t where id >= @X limit 1;

这个方法地效率很高，因为max(id)和min(id)是不需要扫描索引的。而第三行的select可以使用索引快速定位，可以认为值扫描了3行。但是，仔细想想就会发现，这样的随机并不是题目中要求的正真的那种随机，因为表中的数据的id可能存在有漏缺，这样取到每一个id所对应的数据的概率就会不一样了。所以以上的算法并不是正真意义上的随机算法。

举个栗子：

比如有一张表的id是1,2,4,5，那么按照上面的算法，id=4这个出现的概率就会是其他的两倍，显然以上的算法是有问题的。

为了得到更加符合我们要求的算法我们调整一下我们的思路：

1.首先去得整张表的行数，并且记为C。

2.去得Y=floor(C*rand())。floor函数的作用是取整数的部分。

3.再利用limit Y,1来取得这一行。

我们暂时把这个算法称为随机算法2。语句如下：

 mysql> select count(*) into @C from t;
 set @Y = floor(@C * rand());
 set @sql = concat("select * from t limit ", @Y, ",1");
 prepare stmt from @sql;
 execute stmt;
 DEALLOCATE prepare stmt;

随机算法2显然解决了算法1出现的概率分布不均匀的问题。MySQL处理limit Y,1 的做法就是按顺序一个一个地读出来，丢掉前Y个，然后把下一个记录作为返回结果，因此这一步需要扫描Y+1行。再加上，第一步扫描的C行，总共需要扫描C+Y+1行，执行代价比随机算法1的代价要高。

当然，随机算法2跟直接order by rand()比起来，执行代价还是小很多的。虽然，在取得一个很大的Y值的时候，所扫描到的行数基本和order by rand()差不多，但是总体来说，代价要小的多。

现在我们来分析一下，如果利用随机算法2，来实现随机获取三个word的实现流程吧。

  1. 取得整个表的行数，记为C；

  2. 根据相同的随机方法得到Y1、Y2、Y3；

  3. 再执行三个limit Y, 1语句得到三行数据。

我们把这个算法，称作随机算法3。语句如下：

 mysql> select count(*) into @C from t;
 set @Y1 = floor(@C * rand());
 set @Y2 = floor(@C * rand());
 set @Y3 = floor(@C * rand());
 select * from t limit @Y1，1； //在应用代码里面取Y1、Y2、Y3值，拼出SQL后执行
 select * from t limit @Y2，1；
 select * from t limit @Y3，1；

以上的讲解只解释了MySQL中对临时表排序的问题的解释。如果你直接使用order by rand()，这个语句需要Using temporary 和 Using filesort，查询的执行代价往往是比较大的。所以，在设计的时候你要量避开这种写法。

相关推荐