DISTINCT实际上和GROUP
BY的操作非常相似,只不过是在GROUP BY之后的每组中只取出一条记录而已。所以,DISTINCT的实现和GROUP
BY的实现也基本差不多,没有太大的区别。同样可以通过松散索引扫描或者是紧凑索引扫描来实现,当然,在无法仅仅使用索引即能完成DISTINCT的时候,MySQL只能通过临时表来完成。但是,和GROUP
BY有一点差别的是,DISTINCT并不需要进行排序。也就是说,在仅仅只是DISTINCT操作的Query如果无法仅仅利用索引完成操作的时候,MySQL会利用临时表来做一次数据的“缓存”,但是不会对临时表中的数据进行filesort操作。当然,如果我们在进行DISTINCT的时候还使用了GROUP
BY并进行了分组,并使用了类似于MAX之类的聚合函数操作,就无法避免filesort了。
下面我们就通过几个简单的Query示例来展示一下DISTINCT的实现。
1.首先看看通过松散索引扫描完成DISTINCT的操作:
sky@localhost:
example
11:03:41>EXPLAIN
SELECT DISTINCT group_id
->
FROM group_message\G
***************************1.
row ***************************
id:
1SELECT_type:SIMPLE
table:group_message
type:range
possible_keys:NULL
key:
idx_gid_uid_gc
key_len:4ref:
NULL
rows:10Extra:
Using index
for group-by
1
row
in set (0.00sec)
我们可以很清晰的看到,执行计划中的Extra信息为“Usingindex
for group-by”,这代表什么意思?为什么我没有进行GROUP
BY操作的时候,执行计划中会告诉我这里通过索引进行了GROUP BY呢?其实这就是于DISTINCT的实现原理相关的,在实现DISTINCT的过程中,同样也是需要分组的,然后再从每组数据中取出一条返回给客户端。而这里的Extra信息就告诉我们,MySQL利用松散索引扫描就完成了整个操作。当然,如果MySQLQuery
Optimizer要是能够做的再人性化一点将这里的信息换成“Using
index for distinct”那就更好更容易让人理解了,呵呵。
2.
我们再来看看通过紧凑索引扫描的示例:
sky@localhost: example
11:03:53>
EXPLAIN SELECT DISTINCT user_id
->FROM group_message
->WHERE group_id =
2\G
***************************1.
row ***************************
id:1SELECT_type:
SIMPLE
table:group_message
type:ref
possible_keys:idx_gid_uid_gc
key:idx_gid_uid_gc
key_len:4ref:
const
rows:4Extra:
Using WHERE; Using index
1row
in set (0.00
sec)
这里的显示和通过紧凑索引扫描实现GROUP BY也完全一样。实际上,这个Query的实现过程中,MySQL会让存储引擎扫描group_id=2的所有索引键,得出所有的user_id,然后利用索引的已排序特性,每更换一个user_id的索引键值的时候保留一条信息,即可在扫描完所有gruop_id=2的索引键的时候完成整个DISTINCT操作。
3.下面我们在看看无法单独使用索引即可完成DISTINCT的时候会是怎样:
sky@localhost: example
11:04:40>
EXPLAIN SELECT DISTINCT user_id
->FROM group_message
->WHERE group_id >
1 AND group_id <
10\G
***************************1.
row ***************************
id:1SELECT_type:
SIMPLE
table:group_message
type:range
possible_keys:idx_gid_uid_gc
key:idx_gid_uid_gc
key_len:4ref:
NULL
rows:32Extra:
Using WHERE; Using index; Using temporary
1row
in set (0.00
sec)
当MySQL无法仅仅依赖索引即可完成DISTINCT操作的时候,就不得不使用临时表来进行相应的操作了。但是我们可以看到,在MySQL利用临时表来完成DISTINCT的时候,和处理GROUP
BY有一点区别,就是少了filesort。实际上,在MySQL的分组算法中,并不一定非要排序才能完成分组操作的,这一点在上面的GROUP
BY优化小技巧中我已经提到过了。实际上这里MySQL正是在没有排序的情况下实现分组最后完成DISTINCT操作的,所以少了filesort这个排序操作。
4.最后再和GROUP
BY结合试试看:
sky@localhost: example
11:05:06>
EXPLAIN SELECT DISTINCT max(user_id)
->FROM group_message
->WHERE group_id >
1 AND group_id <
10
->GROUP BY group_id\G
***************************1.
row ***************************
id:1SELECT_type:
SIMPLE
table:group_message
type:range
possible_keys:idx_gid_uid_gc
key:idx_gid_uid_gc
key_len:4ref:
NULL
rows:32Extra:
Using WHERE; Using index; Using temporary; Usingfilesort
1row
in set (0.00
sec)
最后我们再看一下这个和GROUP BY一起使用带有聚合函数的示例,和上面第三个示例相比,可以看到已经多了filesort排序操作了,因为我们使用了MAX函数的缘故。
对于DISTINCT的优化,和GROUP
BY基本上一致的思路,关键在于利用好索引,在无法利用索引的时候,确保尽量不要在大结果集上面进行DISTINCT操作,磁盘上面的IO操作和内存中的IO操作性能完全不是一个数量级的差距。