在日常查詢中，索引或其他資料查詢的方法可能不是查詢執行中最高昂的部分，例如：MySQL GROUP BY 可能負責查詢執行時間 90% 還多。MySQL 執行 GROUP BY 時的主要複雜性是計算 GROUP BY 語句中的聚合函式。UDF 聚合函式是一個接一個地獲得構成單個組的所有值。這樣，它可以在移動到另一個組之前計算單個組的聚合函式值。當然，問題在於，在大多數情況下，源資料值不會被分組。來自各種組的值在處理期間彼此跟隨。因此，我們需要一個特殊的步驟。

處理 MySQL GROUP BY讓我們看看之前看過的同一張table： mysql> show create table tbl G *************************** 1. row *************************** Table: tbl Create Table: CREATE TABLE `tbl` ( `id` int(11) NOT NULL AUTO_INCREMENT, `k` int(11) NOT NULL DEFAULT "0", `g` int(10) unsigned NOT NULL, PRIMARY KEY (`id`), KEY `k` (`k`) ) ENGINE=InnoDB AUTO_INCREMENT=2340933 DEFAULT CHARSET=latin1 1 row in set (0.00 sec)

並且以不同方式執行相同的 GROUP BY 語句：

1、MySQL中 的 Index Ordered GROUP BY

mysql> select k, count(*) c from tbl group by k order by k limit 5;

+---+---+

| k | c |

+---+---+

| 2 | 3 |

| 4 | 1 |

| 5 | 2 |

| 8 | 1 |

| 9 | 1 |

+---+---+

5 rows in set (0.00 sec)

mysql> explain select k, count(*) c from tbl group by k order by k limit 5 G

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: tbl

partitions: NULL

type: index

possible_keys: k

key: k

key_len: 4

ref: NULL

rows: 5

filtered: 100.00

Extra: Using index

1 row in set, 1 warning (0.00 sec)

在這種情況下，我們在 GROUP BY 的列上有一個索引。這樣，我們可以逐組掃描資料並動態執行 GROUP BY（低成本）。當我們使用 LIMIT 限制我們檢索的組的數量或使用“覆蓋索引”時，特別有效，因為順序索引掃描是一種非常快速的操作。

如果您有少量組，並且沒有覆蓋索引，索引順序掃描可能會導致大量 IO。所以這可能不是最最佳化的計劃。

2、MySQL 中的外部排序 GROUP BY

mysql> explain select SQL_BIG_RESULT g, count(*) c from tbl group by g limit 5 G

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: tbl

partitions: NULL

type: ALL

possible_keys: NULL

key: NULL

key_len: NULL

ref: NULL

rows: 998490

filtered: 100.00

Extra: Using filesort

1 row in set, 1 warning (0.00 sec)

mysql> select SQL_BIG_RESULT g, count(*) c from tbl group by g limit 5;

+---+---+

| g | c |

+---+---+

| 0 | 1 |

| 1 | 2 |

| 4 | 1 |

| 5 | 1 |

| 6 | 2 |

+---+---+

5 rows in set (0.88 sec)

如果我們沒有允許我們按組順序掃描資料的索引，我們可以透過外部排序（在 MySQL 中也稱為“filesort”）來獲取資料。你可能會注意到我在這裡使用 SQL_BIG_RESULT 提示來獲得這個計劃。沒有它，MySQL 在這種情況下不會選擇這個計劃。

一般來說，MySQL 只有在我們擁有大量組時才更喜歡使用這個計劃，因為在這種情況下，排序比擁有臨時表更有效（我們將在下面討論）。

3、MySQL中 的臨時表 GROUP BY

mysql> explain select g, sum(g) s from tbl group by g limit 5 G

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: tbl

partitions: NULL

type: ALL

possible_keys: NULL

key: NULL

key_len: NULL

ref: NULL

rows: 998490

filtered: 100.00

Extra: Using temporary

1 row in set, 1 warning (0.00 sec)

mysql> select g, sum(g) s from tbl group by g order by null limit 5;

+---+------+

| g | s |

+---+------+

| 0 | 0 |

| 1 | 2 |

| 4 | 4 |

| 5 | 5 |

| 6 | 12 |

+---+------+

5 rows in set (7.75 sec)

在這種情況下，MySQL 也會進行全表掃描。但它不是執行額外的排序傳遞，而是建立一個臨時表。此臨時表每組包含一行，並且對於每個傳入行，將更新相應組的值。很多更新！雖然這在記憶體中可能是合理的，但如果結果表太大以至於更新將導致大量磁碟 IO，則會變得非常昂貴。在這種情況下，外部分揀計劃通常更好。請注意，雖然 MySQL 預設選擇此計劃用於此用例，但如果我們不提供任何提示，它幾乎比我們使用 SQL_BIG_RESULT 提示的計劃慢 10 倍 。您可能會注意到我在此查詢中添加了“ ORDER BY NULL ”。這是為了向您展示“清理”臨時表的唯一計劃。沒有它，我們得到這個計劃： mysql> explain select g, sum(g) s from tbl group by g limit 5 G *************************** 1. row *************************** id: 1 select_type: SIMPLE table: tbl partitions: NULL type: ALL possible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 998490 filtered: 100.00 Extra: Using temporary; Using filesort 1 row in set, 1 warning (0.00 sec)在其中，我們獲得了 temporary 和 filesort “兩最糟糕的”提示。MySQL 5.7 總是返回按組順序排序的 GROUP BY 結果，即使查詢不需要它（這可能需要昂貴的額外排序傳遞）。ORDER BY NULL 表示應用程式不需要這個。您應該注意，在某些情況下 - 例如使用聚合函式訪問不同表中的列的 JOIN 查詢 - 使用 GROUP BY 的臨時表可能是唯一的選擇。

如果要強制 MySQL 使用為 GROUP BY 執行臨時表的計劃，可以使用 SQL_SMALL_RESULT 提示。

4、MySQL 中的索引基於跳過掃描的 GROUP BY前三個 GROUP BY 執行方法適用於所有聚合函式。然而，其中一些人有第四種方法。

mysql> explain select k,max(id) from tbl group by k G

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: tbl

partitions: NULL

type: range

possible_keys: k

key: k

key_len: 4

ref: NULL

rows: 2

filtered: 100.00

Extra: Using index for group-by

1 row in set, 1 warning (0.00 sec)

mysql> select k,max(id) from tbl group by k;

+---+---------+

| k | max(id) |

+---+---------+

| 0 | 2340920 |

| 1 | 2340916 |

| 2 | 2340932 |

| 3 | 2340928 |

| 4 | 2340924 |

+---+---------+

5 rows in set (0.00 sec)

此方法僅適用於非常特殊的聚合函式：MIN() 和 MAX()。這些並不需要遍歷組中的所有行來計算值。他們可以直接跳轉到組中的最小或最大組值（如果有這樣的索引）。如果索引僅建立在 (K) 列上，如何找到每個組的 MAX(ID) 值？這是一個 InnoDB 表。記住 InnoDB 表有效地將 PRIMARY KEY 附加到所有索引。(K) 變為 (K,ID)，允許我們對此查詢使用 Skip-Scan 最佳化。僅當每個組有大量行時才會啟用此最佳化。否則，MySQL 更傾向於使用更傳統的方法來執行此查詢（如方法＃1中詳述的索引有序 GROUP BY）。雖然我們使用 MIN() / MAX() 聚合函式，但其他最佳化也適用於它們。例如，如果您有一個沒有 GROUP BY 的聚合函式（實際上所有表都有一個組），MySQL 在統計分析階段從索引中獲取這些值，並避免在執行階段完全讀取表： mysql> explain select max(k) from tbl G *************************** 1. row *************************** id: 1 select_type: SIMPLE table: NULL partitions: NULL type: NULL possible_keys: NULL key: NULL key_len: NULL ref: NULL rows: NULL filtered: NULL Extra: Select tables optimized away 1 row in set, 1 warning (0.00 sec)

過濾和分組

我們已經研究了 MySQL 執行 GROUP BY 的四種方式。為簡單起見，我在整個表上使用了 GROUP BY，沒有應用過濾。當您有 WHERE 子句時，相同的概念適用： mysql> explain select g, sum(g) s from tbl where k>4 group by g order by NULL limit 5 G *************************** 1. row *************************** id: 1 select_type: SIMPLE table: tbl partitions: NULL type: range possible_keys: k key: k key_len: 4 ref: NULL rows: 1 filtered: 100.00 Extra: Using index condition; Using temporary 1 row in set, 1 warning (0.00 sec)對於這種情況，我們使用K列上的範圍進行資料過濾/查詢，並在有臨時表時執行 GROUP BY。在某些情況下，方法不會發生衝突。但是，在其他情況下，我們必須選擇使用 GROUP BY 的一個索引或其他索引進行過濾：

mysql> alter table tbl add key(g);

Query OK, 0 rows affected (4.17 sec)

Records: 0 Duplicates: 0 Warnings: 0

mysql> explain select g, sum(g) s from tbl where k>1 group by g limit 5 G

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: tbl

partitions: NULL

type: index

possible_keys: k,g

key: g

key_len: 4

ref: NULL

rows: 16

filtered: 50.00

Extra: Using where

1 row in set, 1 warning (0.00 sec)

mysql> explain select g, sum(g) s from tbl where k>4 group by g limit 5 G

*************************** 1. row ***************************

id: 1

select_type: SIMPLE

table: tbl

partitions: NULL

type: range

possible_keys: k,g

key: k

key_len: 4

ref: NULL

rows: 1

filtered: 100.00

Extra: Using index condition; Using temporary; Using filesort

1 row in set, 1 warning (0.00 sec)

根據此查詢中使用的特定常量，我們可以看到我們對 GROUP BY 使用索引順序掃描（並從索引中“放棄”以解析 WHERE 子句），或者使用索引來解析 WHERE 子句（但使用臨時表來解析 GROUP BY）。根據我的經驗，這就是 MySQL GROUP BY 並不總是做出正確選擇的地方。您可能需要使用 FORCE INDEX 以您希望的方式執行查詢。

【group by資料分組使用場景】

當我們可能需依據某個欄位進行查詢結果分組，這是group by用武之地。

【group by 操作案例】

<1>查看錶的所有資料

select * from suppliers;

<2>分組資料如下，其count()是統計函式，可以統一某個子彈的數量如下，執行結果如下:

￥￥根據s_zip統計分組數量￥￥

select s_zip,count(s_id) from suppliers group by s_zip;

注:如果列中具有NULL值，則NULL作為一個分組返回，如果列中有多個NULL值，它們將分為一組。

<3>除了能使用group by 分組資料外，我們還可以對分組的資料進行過濾，從而是定包括哪些分組，排序哪些分組。使用where 並不能對資料進行分組過濾，因為where 更多地是進行資料的過濾，實際上where並沒有分組的概念。having是進行組資料過濾。

使用having 排除sex為null的分組

select s_zip,count(s_id) from suppliers group by s_zip having s_zip is not null;

<4>where 是進行資料的過濾，也就是在分組錢where已經過濾了資料，而having是進行分組資料的過濾，即在分組後才進行資料過濾。下面是運用where 與having 結合的例子。

例子:根據s_zip進行分組查詢並排除s_zip為null的分組，同時希望排序id<=102資料。

select s_zip,count(s_id) from suppliers where s_id>103 group by s_zip having s_zip is not null;

【group by分組問題，回答完畢】

關注財務總監的資料分析，和資料做朋友！