1. 首页
  2. IT资讯

MYSQL实现ORDER BY LIMIT的方法以及优先队列(堆排序)

一、MYSQL中的LIMIT和ORACLE中的分页
在MYSQL官方文档中描述limit是在结果集中返回你需要的数据,它可以尽快的返回需要的行而不用管剩下的行,
在ORACLE中也有相关的语法比如 12C以前的rownun<n,也是达到同样的效果,同时limit也能做到分页查询如
limit n,m  则代表返回n开始的m行,ORACLE 12C以前也有分页方式但是相对比较麻烦
那么如果涉及到排序呢?我们需要返回按照字段排序后的某几行:
MYSQL:
select * from test order by id limit 51,100 
ORACLE 12C以前:
SELECT *
  FROM (SELECT tt.*, ROWNUM AS rowno
          FROM (SELECT t.*
                  FROM test t)
                 ORDER BY id desc) tt
         WHERE ROWNUM <= 100) table_alias
 WHERE table_alias.rowno > 50;

当然如上的语法如果id列有索引那么就简单了,索引本生就是排序好的,使用索引结构即可,但是如果id列没有索引呢?
那该如何完成,难道把id列全部排序好在返回需要的行?显然这样代价过高,违背了limit中尽快返回需要的行的精神
这样我们必须使用一种合适的算法来完成,那这里就引入的堆排序和优先队列(Priority Queue 简称PQ)。
在MYSQL中执行计划没有完全的表现,执行计划依然为filesort:
mysql> explain select * from testshared3 order by id limit 10,20;
+—-+————-+————-+————+——+—————+——+———+——+———+———-+—————-+
| id | select_type | table       | partitions | type | possible_keys | key  | key_len | ref  | rows    | filtered | Extra          |
+—-+————-+————-+————+——+—————+——+———+——+———+———-+—————-+
|  1 | SIMPLE      | testshared3 | NULL       | ALL  | NULL          | NULL | NULL    | NULL | 1023820 |   100.00 | Using filesort |
+—-+————-+————-+————+——+—————+——+———+——+———+———-+—————-+
1 row in set, 1 warning (0.02 sec)

但是根据源码的提示
DBUG_PRINT(“info”, (“filesort PQ is applicable”));
DBUG_PRINT(“info”, (“filesort PQ is not applicable”));
注意这里PQ可能弃用,什么时候弃用看后面
可以看到是否启用了PQ也就是优先队列的简写 
可以再trace中找到相关说明:
[root@testmy tmp]# cat pq.trace |grep “filesort PQ is applicable”
T@2: | | | | | | | | | | info: filesort PQ is applicable

在ORACLE中使用执行计划:
——————————————————————————–
Plan hash value: 1473139430
——————————————————————————–
| Id  | Operation                | Name   | Rows  | Bytes |TempSpc| Cost (%CPU)|
——————————————————————————–
|   0 | SELECT STATEMENT         |        |   100 | 77900 |       | 85431   (1)|
|*  1 |  VIEW                    |        |   100 | 77900 |       | 85431   (1)|
|*  2 |   COUNT STOPKEY          |        |       |       |       |            |
|   3 |    VIEW                  |        |   718K|   524M|       | 85431   (1)|
|*  4 |     SORT ORDER BY STOPKEY|        |   718K|   325M|   431M| 85431   (1)|
|   5 |      TABLE ACCESS FULL   | TEST10 |   718K|   325M|       | 13078   (1)|

这里SORT ORDER BY STOPKEY就代表了排序停止,但是ORACLE没有源码没法确切的证据使用了
优先队列和堆排序,只能猜测他使用了优先队列和堆排序

二、堆排序和优先队列

–大顶堆特性(小顶堆相似见代码)
1、必须满足完全二叉树
关于完全二叉树参考
http://blog.itpub.net/7728585/viewspace-2125889/
2、很方便的根据父节点的位置计算出两个叶子结点的位置
如果父节点的位置为i/2
左子节点为 i,右子节点为i+1
这是完全二叉树的特性决定
3、所有子节点都可以看做一个子堆那么所有结点都有
父节点>=左子节点 && 父节点>=右节点
4、很明显的可以找到最大的元素,就是整个堆的根结点

–堆需要完成操作
堆排序方法也是最优队列的实现方法,MYSQL源码中明显的使用了优先队列来优化order by limit n ,估计max也是用的这种算法
当然前提是没有使用到索引的情况下。
根据这些特性明显又是一个递归的成堆的操作。
参考算法导论第六章,里面的插图能够加深理解,这里截取一张构建好的大顶堆

构建方法:自下而上的构建自左向右构建堆,其实就是不断调用维护方法的过程
维护方法:使用递归的逐级下降的方法进行维护,是整个算法的核心内容,搞清楚了维护方法其他任何操作都来自于它。
排序方法:最大元素放到最后,然后逐层下降的方法进行调整。
数据库中的应用:
order by asc/desc limit n:简化的排序而已,只是排序前面n就可以了,不用全部排序完成,性能优越,数据库分页查询大量使用这个算法。参考代码
max/min :a[1]就是最大值,只能保证a[1]>=a[2]&&a[1]>=a[3]  不能保证a[3]>=a[4],堆建立完成后就可以找到MAX值,但是MYSQL max并没有使用这个算法

我在代码中完成了这些操作,代码中有比较详细的注释,这里就不详细说明了。
我使用了2个数组用于作为测试数据
        int i,a[11]={0,999,3,2,9,34,5,102,90,2222,1}; //测试数据 a[0]不使用
        int b[11]={0,999,3,2,9,999,888888,102,90,2222,111};//测试数据 b[0]不使用

分别求a素组的最大值和最小前3位数字,求b数组的MAX/MIN值,结果如下:
gaopeng@bogon:~/datas$ ./a.out 
大顶堆:
order by desc a array limit 3 result:2222 999 102 
max values b array reulst:888888 
小顶堆:
order by asc a array limit 3 result:1 2 3 
min values b array reulst:2 
可以看到没问题。

–优先队列:优先队列不同于普通队列先进先出的规则,而定义为以某种规定先出,比如最大先出或者最小先出,这个没什么难度了,不就和数据库的order
            by limit是一回事吗?当然是用大顶堆或者小顶堆完成
 
三、MYSQL中优先队列的接口

MYSQL中的优先队列类在
priority_queue.h中的class Priority_queue : public Less
他实现了很多功能,不过其他功能都很简单主要是堆的维护
下面是MYSQL源码中的堆的维护代码
  void heapify(size_type i, size_type last)
  {
    DBUG_ASSERT(i < size());
    size_type largest = i;

    do
    {
      i = largest;
      size_type l = left(i);
      size_type r = right(i);

      if (l < last && Base::operator()(m_container[i], m_container[l]))
      {
        largest = l;
      }

      if (r < last && Base::operator()(m_container[largest], m_container[r]))
      {
        largest = r;
      }

      if (largest != i)
      {
        std::swap(m_container[i], m_container[largest]);
      }
    } while (largest != i);
  }
可以看见实际和我写的差不多。

四、MYSQL如何判断是否启用PQ
一般来说快速排序的效率高于堆排序,但是堆排序有着天生的特点可以实现优先队列,来实现
order by limit 

(关于快速排序参考:http://blog.itpub.net/7728585/viewspace-2130743/)

那么这里就涉及一个问题,那就是快速排序和最优的队列的临界切换,比如
表A 100W行记录 id列没有索引
select * from a order by id limit 10;

select * from a order by id limit 900000,10;

肯定前者应该使用最优队列,而后者实际上要排序好至少900010行数据才能返回。
那么这个时候应该使用快速排序,那么trace信息应该为
filesort PQ is not applicable
[root@testmy tmp]# cat pqdis.trace |grep “filesort PQ “
T@2: | | | | | | | | | | info: filesort PQ is not applicable

那么MYSQL值确定是否使用PQ,其判定接口为check_if_pq_applicable函数,
简单的说MYSQL认为堆排序比快速排序慢3倍如下:
  /*
    How much Priority Queue sort is slower than qsort.
    Measurements (see unit test) indicate that PQ is roughly 3 times slower.
  */
  const double PQ_slowness= 3.0;

所以就要进行算法的切换,但是具体算法没有仔细研究可以自行参考check_if_pq_applicable函数
至少和下面有关
1、是否能够在内存中完成
2、排序行数
3、字段数

最后需要说明一点PQ排序关闭了一次访问排序的pack功能如下:
    /*
      For PQ queries (with limit) we know exactly how many pointers/records
      we have in the buffer, so to simplify things, we initialize
      all pointers here. (We cannot pack fields anyways, so there is no
      point in doing lazy initialization).
     */

五、实现代码,维护方法列出了2种实现,方法2是算法导论上的更容易理解

点击(此处)折叠或打开

  1. /*************************************************************************
  2.   > File Name: heapsort.c
  3.   > Author: gaopeng QQ:22389860 all right reserved
  4.   > Mail: gaopp_200217@163.com
  5.   > Created Time: Sun 08 Jan 2017 11:22:14 PM CST
  6.  ************************************************************************/
  7. #include<stdio.h>
  8. #include<stdlib.h>
  9. #define LEFT(i) i<<1
  10. #define RIGTH(i) (i<<1)+1
  11. //堆排序的性能不及快速排序但是在某些情况下非常有用
  12. //数据库的order by limit使用了优先队列,基于堆排序
  13. int swap(int k[],int i,int j)
  14. {
  15.         int temp;
  16.         temp = k[i];
  17.         k[i] = k[j];
  18.         k[j] = temp;
  19.         return 0;
  20. }
  21. int bigheapad(int k[],int s,int n) //s=4,n=9
  22. {
  23.         /*
  24.          * one:
  25.          int i;
  26.          int temp = k[s]; //temp=9=k[4] 父节点值保存到temp
  27.          for(i=2*s;i<=n;i=i*2)// i=8
  28.          {
  29.          if(i<n && k[i]<k[i+1])//如果左子节点小于右子节点
  30.          {
  31.          i++; //右节点
  32.          }
  33.          if(temp>=k[i])
  34.          {
  35.          break;
  36.          }
  37.          k[s] = k[i];
  38.          s = i;
  39.          }
  40.          k[s] = temp;
  41.          */
  42.         // two: 参考算法导论P155页,整个方法更容易理解其原理,调整使用逐层下降的方法进行调整
  43.         int l; //s 左节点编号
  44.         int r; //s 右节点编号
  45.         int largest;
  46.         l=LEFT(s); //左节点编号
  47.         r=RIGTH(s);//右节点编号
  48.         if(s<=n/2) // n/2为最小节点编号的父亲节点 如果s大于这个值说明这个节点不会有任何子节点不需要进行调整 !!,这是整个算法的核心中的核心。搞了我老半天
  49.         {
  50.                 if (l<=n && k[l] > k[s])
  51.                 {
  52.                         largest = l;
  53.                 }
  54.                 else
  55.                 {
  56.                         largest = s;
  57.                 }
  58.                 if(r<=n && k[r] > k[largest])
  59.                 {
  60.                         largest = r;
  61.                 }
  62.                 if(largest != s)
  63.                 {
  64.                         swap(k,largest,s);
  65.                         bigheapad(k,largest,n); //对数据调整后可能的子节点树继续进行调整直到达到递归退出条件
  66.                 }
  67.         }
  68. return 0;
  69. }
  70. int bigheapbulid(int k[],int n)
  71. {
  72.         int i;
  73.         for(i=n/2;i>0;i)//采用自底向上的方法构建 算法导论P156 EXP 1:i= n/2 p:4 l:8 r:9 2: i = p:3 l:6 r:7  n/2刚好是最后一个节点的父亲节点所以自下而上
  74.         {
  75.                 bigheapad(k,i,n);
  76.         }
  77. return 0;
  78. }
  79. int bigheapsort(int k[],int n) //sort的过程就是将最大元素放到最后,然后逐层下降的方法进行调整
  80. {
  81.         int i;
  82.         for(i=n;i>1;i)
  83.         {
  84.                 swap(k,1,i);
  85.                 bigheapad(k,1,i1);
  86.         }
  87. return 0;
  88. }
  89. int biglimitn(int k[],int n,int limitn)//limit 也是我关心的 这里明显可以看到他的优势实际它不需要对整个数组排序,你要多少我排多少给你就好,也是最大元素放到最后,然后逐层下降的方法进行调整的原理
  90. {
  91.         int i;
  92.         for(i=n;i>nlimitn;i)
  93.         {
  94.                 swap(k,1,i);
  95.                 bigheapad(k,1,i1);
  96.         }
  97. return 0;
  98. }
  99. int smallheapad(int k[],int s,int n) //s=4,n=9
  100. {
  101.         int l; //s 左节点编号
  102.         int r; //s 右节点编号
  103.         int smallest;
  104.         l=LEFT(s); //左节点编号
  105.         r=RIGTH(s);//右节点编号
  106.         if(s<=n/2) // n/2为最小节点编号的父亲节点 如果s大于这个值说明这个节点不会有任何子节点不需要进行调整 !!
  107.         {
  108.                 if (l<=n && k[l] < k[s])
  109.                 {
  110.                         smallest = l;
  111.                 }
  112.                 else
  113.                 {
  114.                         smallest = s;
  115.                 }
  116.                 if(r<=n && k[r] < k[smallest])
  117.                 {
  118.                         smallest = r;
  119.                 }
  120.                 if(smallest != s)
  121.                 {
  122.                         swap(k,smallest,s);
  123.                         smallheapad(k,smallest,n); //对数据调整后可能的子节点树继续进行调整直到达到递归退出条件
  124.                 }
  125.         
  126. return 0;
  127. }
  128. int smallheapbulid(int k[],int n)
  129. {
  130.         int i;
  131.         for(i=n/2;i>0;i)
  132.         {
  133.                 smallheapad(k,i,n);
  134.         }
  135. return 0;
  136. }
  137. int smallheapsort(int k[],int n)
  138. {
  139.         int i;
  140.         for(i=n;i>1;i)
  141.         {
  142.                 swap(k,1,i);
  143.                 smallheapad(k,1,i1);
  144.         }
  145. return 0;
  146. }
  147. int smalllimitn(int k[],int n,int limitn)
  148. {
  149.         int i;
  150.         for(i=n;i>nlimitn;i)
  151.         {
  152.                 swap(k,1,i);
  153.                 smallheapad(k,1,i1);
  154.         }
  155. return 0;
  156. }
  157. int main()
  158. {
  159.         int i,a[11]={0,999,3,2,9,34,5,102,90,2222,1}; //测试数据 a[0]不使用
  160.         int b[11]={0,999,3,2,9,999,888888,102,90,2222,111};//测试数据 b[0]不使用
  161.         bigheapbulid(a,10);
  162.         biglimitn(a,10,3);
  163.         printf(“大顶堆:n”);
  164.         printf(“order by desc a array limit 3 result:”);
  165.         for(i=10;i>103;i)
  166.         {
  167.                 printf(“%d “,a[i]);
  168.         }
  169.         printf(“n”);
  170.         bigheapbulid(b,10);
  171.         printf(“max values b array reulst:”);
  172.         printf(“%d n”,b[1]);
  173.         smallheapbulid(a,10);
  174.         smalllimitn(a,10,3);
  175.         printf(“小顶堆:n”);
  176.         printf(“order by asc a array limit 3 result:”);
  177.         for(i=10;i>103;i)
  178.         {
  179.                 printf(“%d “,a[i]);
  180.         }
  181.         printf(“n”);
  182.         smallheapbulid(b,10);
  183.         printf(“min values b array reulst:”);
  184.         printf(“%d n”,b[1]);
  185. return 0;
  186. }

</n,也是达到同样的效果,同时limit也能做到分页查询如

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/7728585/viewspace-2130920/,如需转载,请注明出处,否则将追究法律责任。

主题测试文章,只做测试使用。发布者:深沉的少年,转转请注明出处:http://www.cxybcw.com/183467.html

联系我们

13687733322

在线咨询:点击这里给我发消息

邮件:1877088071@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code