01 前言刚换了新工作，用了两周时间准备，在 3 天之内拿了 5 个 offer，最后选择了广州某互联网行业独角兽 offer，昨天刚入职。
这几天刚好整理下在面试中被问到有意思的问题，也借此机会跟大家分享下。
这家企业的面试官有点意思，一面是个同龄小哥，一起聊了两个小时（聊到我嘴都干了）。
二面是个从阿里出来的架构师，视频面试，我做完自我介绍之后，他一开场就问我：对 MySQL 熟悉吗？我一愣，随之意识到这是个坑。
他肯定想问我某方面的原理了，恰好我研究过索引。
就回答：对索引比较熟悉。
他：order by 是怎么实现排序的？还好我又复习，基本上排序缓冲区、怎么优化之类的都答到点子上。
今天也跟大家盘一盘 order by，我将从原理讲到最终优化，给大家聊聊 order by，希望对你有所帮助。
1.1 先举个栗子现在有一张订单表，结构是这样的：CREATE TABLE `order` (id INT ( 11 ) NOT NULL AUTO_INCREMENT COMMENT '主键',user_code VARCHAR ( 16 ) NOT NULL COMMENT '用户编号',goods_name VARCHAR ( 64 ) NOT NULL COMMENT '商品名称',order_date TIMESTAMP NULL DEFAULT CURRENT_TIMESTAMP COMMENT '下单时间',city VARCHAR ( 16 ) DEFAULT NULL COMMENT '下单城市',order_num INT ( 10 ) NOT NULL COMMENT '订单号数量',PRIMARY KEY ( `id` ) ) ENGINE = INNODB AUTO_INCREMENT = 100 DEFAULT CHARSET = utf8 COMMENT = '商品订单表';造点数据：// 第一步：创建函数delimiter //DROP PROCEDUREIFEXISTS proc_buildata;CREATE PROCEDURE proc_buildata ( IN loop_times INT ) BEGINDECLARE var INT DEFAULT 0;WHILEvar < loop_times DOSET var = var + 1;INSERT INTO `order` ( `id`, `user_code`, `goods_name`, `order_date`, `city` , `order_num`)VALUES( var, var + 1, '有线耳机', '2021-06-20 16:46:00', '杭州', 1 );END WHILE;END // delimiter;// 第二步：调用上面生成的函数，即可插入数据，建议大家造点随机的数据。
比如改改城市和订单数量CALL proc_buildata(4000);我生成的数据是这样的：现有需求：查出 618 期间，广州的小伙伴的订单数量和用户编号，并按照订单数量升序，只要 1000 条。
根据需求可以得出以下 SQL，相信小伙伴都很熟悉了。
select city, order_num, user_code from `order` where city='广州' order by order_num limit 1000;那这个语句是怎么执行的呢？有什么参数可以影响它的行为吗？02 全字段排序得到这个需求，我第一反应是先给 city 字段加上索引，避免全表扫描：ALTER TABLE `order` ADD INDEX city_index ( `city` );用 explain 看看执行情况注意到最后一个 extra 字段的结果是：Using filesort，表示需要排序。
其实 MySQL 会给每个线程分配一块内存用于排序，称为 sort_buffer。
为了更直观了解排序的执行流程，我粗略画了个 city 索引的图示：可见，现在满足 sql 条件的就是 ID-3 到 ID-X 这一段数据。
sql 的整个流程是这样的：1、初始化 sort_buffer，放入 city、order_num、user_code 这三个字段；2、从索引 city 找到第一个满足 city=' 广州’条件的主键 id，也就是图中的 ID_3；3、到主键 id 索引取出整行，取 city、order_num、user_code 三个字段的值，存入 sort_buffer 中；4、从索引 city 取下一个记录的主键 id；5、重复步骤 3、4 直到 city 的值不满足查询条件为止，对应的主键 id 也就是图中的 ID_X；6、对 sort_buffer 中的数据按照字段 order_num 做快速排序；7、按照排序结果取前 1000 行返回给客户端。
这个过程称之为全字段排序，画个图，长这样：其中，按 order_num 排序这个步骤，可能在内存中完成，也可能需要使用外部排序，这取决于排序所需的内存和参数 sort_buffer_size。
也就是 MySQL 为排序开辟的内存（sort_buffer）的大小。
如果要排序的数据量小于 sort_buffer_size，排序就在内存中完成。
但如果排序数据量太大，内存顶不住，就得磁盘临时文件辅助排序。
当然，在 MySQL5.7 以上版本可以用下面介绍的检测方法（后面都有用到），来查看一个排序语句是否使用了临时文件。
PS：这里的语句直接复制到 navicat 执行即可，要一起执行（都复制进去，点下执行）/ 打开optimizer_trace，只对本线程有效 /SET optimizer_trace='enabled=on'; / @a保存Innodb_rows_read的初始值 /select VARIABLE_VALUE into @a from performance_schema.session_status where variable_name = 'Innodb_rows_read';/ 执行语句 /select city, order_num, user_code from `order` where city='广州' order by order_num limit 1000; / 查看 OPTIMIZER_TRACE 输出 /SELECT FROM `information_schema`.`OPTIMIZER_TRACE`;/ @b保存Innodb_rows_read的当前值 /select VARIABLE_VALUE into @b from performance_schema.session_status where variable_name = 'Innodb_rows_read';/ 计算Innodb_rows_read差值 /select @b-@a;执行完之后，可从 OPTIMIZER_TRACE 表的 TRACE 字段得到以下结果：其中 examined_rows 表示需要排序的行数 6883；sort_buffer_size 就是排序缓冲区的大小；sort_buffer_size 就是我 MySQL 的排序缓冲区大小 256 KB。
另外，sort_mode 的值是 packed_additional_fields，它表示排序过程对数据做了优化，也就是数据占用多少就算多少内存。
举个栗子：不存在数据定义长度 16，就按这个长度算，如果数据只占 2，只会按长度 2 分配内存。
number_of_tmp_files 代表的是用了几个外部文件来辅助排序。
我这里是用了两个，内存放不下时，就使用外部排序，外部排序一般使用归并排序算法。
可以这么简单理解，MySQL 将需要排序的数据分成 2 份，每一份单独排序后存在这些临时文件中。
然后把这 2 个有序文件再合并成一个有序的大文件。
最后一个查询语句，select @b-@a 的值是 6884，表示整个过程只扫描了 6883 行，为啥显示 6884？因为查询 OPTIMIZER_TRACE 表时，需用到临时表；而 InnDB 引擎把数据从临时表取出时，Inndb_rows_read 值会加 1。
所以，把 internal_tmp_disk_storage_engine 设置为 MyISAM 可解决此问题。
03 rowid 排序上面的全字段排序其实会有很大的问题，你可能发现了。
我们需要查询的字段都要放到 sort_buffer 中，如果查询的字段多了起来，内存占用升高，就会很容易打满 sort_buffer 。
这时，就要用很多的临时文件辅助排序，导致性能降低。
那问题来了：我们思考的方向应该是降低排序的单行长度，哪有没有方法能做到呢？肯定是有的，MySQL 之所以走全字段排序是由 max_length_for_sort_data 控制的，它的 默认值是 1024。
show variables like 'max_length_for_sort_data';因为本文示例中 city,order_num,user_code 长度 = 16+4+16 =36 < 1024, 所以走的是全字段排序。
我们来改下这个参数，改小一点，SET max_length_for_sort_data = 16;当单行的长度超过这个值，MySQL 就认为单行太大，要换一个算法。
原来 city、user_code、order_num 占用的长度是 36，显然放不下全部查询字段了。
这时就要换算法：sort_buffer 只存 order_num 和 id 字段。
这时的流程应该是这样的：1、初始化 sort_buffer，确定放入两个字段，即 order_num 和 id；2、从索引 city 找到第一个满足 city=' 广州’条件的主键 id，也就是图中的 ID_3；3、回表，取 order_num、id 这两个字段，存入 sort_buffer 中；4、从索引 city 取下一个记录的主键 id；5、重复步骤 3、4 直到不满足 city=' 广州’条件为止，也就是图中的 ID_X；6、对 sort_buffer 中的数据按照字段 order_num 进行排序；7、遍历排序结果，取前 1000 行，再次回表取出 city、order_num 和 user_code 三个字段返回给客户端。
图示：由图可见，这种方式其实多了一次回表操作、但 sort_buffer_size 占用却变小了。
此时，执行上面的检测方法，可以发现 OPTIMIZER_TRACE 表中的信息变了。
sort_mode 变成了 <sort_key, rowid>，表示参与排序的只有 order_num 和 id 这两个字段。
number_of_tmp_files 变成 0 了，是因为这时参与排序的行数虽然仍然是 6883 行，但是每一行都变小了，因此需要排序的总数据量就变小了，sort_buffer_size 能满足排序用的内存，所以临时文件就不需要了。
examined_rows 的值还是 6883，表示用于排序的数据是 6883 行。
但是 select @b-@a 这个语句的值变成 7884 了。
因为这时候除了排序过程外，在排序完成后，还要回表一次。
由于语句是 limit 1000，所以会多读 1000 行。
3.1 做个小结rowid 排序中，排序过程一次可以排序更多行，但是需要回表取数据。
如果内存足够大，MySQL 会优先选择全字段排序，把需要的字段都放到 sort_buffer 中，这样排序后就会直接从内存返回查询结果了，不用回表。
这也就体现了 MySQL 的一个设计思想：如果内存够，就要多利用内存，尽量减少磁盘访问。
对于 InnoDB 表来说，rowid 排序会要求回表多造成磁盘读，因此不会被优先选择。
这两种都是因为数据本身是无序的，才要放到 sort_buffer 并生成临时文件才能做排序。
哪有没有办法，让数据本身就有序呢？回想下，我们学过的索引就是有序的。
04 索引优化这时，要是我把 city、order_num 建一个组合索引，得出的数据是不是就是天然有序的了？比如：alter table `order` add index city_order_num_index(city, order_num);此时，order 表的索引长这样：文章开头的 sql 执行语句。
执行流程长这样：1、从索引 (city,order_num) 找到第一个满足 city=' 广州’条件的主键 id；2、回表，取 city、order_num、user_code 三个字段的值，作为结果集的一部分直接返回；3、从索引 (city,order_num) 取下一个记录主键 id；4、重复步骤 2、3，直到查到第 1000 条记录，或者是不满足 city=' 广州’条件时循环结束。
用 explain 看下，这个过程不需要排序，更不需要临时表。
只需要一次回表：从图中可以看到，Extra 字段中没有 Using filesort 了，也就是不需要排序了。
而且由于 (city,order_num) 这个联合索引本身有序，只要找到满足条件的前 1000 条记录就可以退出了，再回表一次。
也就是说，只需要扫描 2000 次。
问题来了，还有没有更优解呢？05 终极优化上面的方法，还是有一次回表，主要是因为索引中不包括 user_code。
回顾下我们之前学过的 sql 优化，是怎么避免回表的？查询字段，加到组合索引中呀，对应到这张表，就是把 user_code 也加到组合索引中：alter table `order` add index city_order_num_user_code_index(city, order_num, user_code);此时的流程长这样，直接取数据就完事了：explain 看下执行情况：从图中可知，Extra 字段中多了 Using index 了，也就是使用了索引覆盖。
连回表都不需要了，只需扫描 1000 次。
完美~5.1 参数调优除此以外，还可以通过调整参数优化 order by 的执行。
比如调整 sort_buffer_size 尽量大点，因为 sort_buffer 太小，排序数据量大的话，会借助磁盘临时文件排序。
如果 MySQL 服务器配置高的话，可以稍微调大点。
再比如把 max_length_for_sort_data 的值调大点。
如果该值过小，则会增加回表次数、降低查询性能。
06 order by 常见面试题1、查询语句有 in 多个属性时，SQL 执行是否有排序过程？假设现在有联合索引 (city,order_num,user_code)，执行以下 SQL 语句：select city, order_num, user_code from `order` where city in ('广州') order by order_num limit 1000in 单个条件，毫无疑问是不需要排序的。
explain 一下：但是，in 多个条件时；就会有排序过程，比如执行以下语句select city, order_num, user_code from `order` where city in ('广州','深圳') order by order_num limit 1000explain 以下，看到最后有 Using filesort 就说明有排序过程。
这是为啥呢？因为 order_num 本来就是组合索引，满足 "city=广州" 只有一个条件时，它是有序的。
满足 "city=深圳" 时，它也是有序的。
但是两者加到一起就不能保证 order_num 还是有序的了。
2、分页 limit 过大，导致大量排序。
咋办？select from `user` order by age limit 100000,10可以记录上一页最后的 id，下一页查询时，查询条件带上 id，如：where id > 上一页最后 id limit 10。
也可以在业务允许的情况下，限制页数。
3、索引存储顺序与 order by 不一致，如何优化？假设有联合索引 (age,name)， 我们需求修改为这样：查询前 10 个学生的姓名、年龄，并且按照年龄小到大排序，如果年龄相同，则按姓名降序排。
对应的 SQL 语句应该是：select name, age from student order by age, name desc limit 10;explain 一下，extra 的值是 Using filesort，走了排序过程：这是因为，(age,name) 索引树中，age 从小到大排序，如果 age 相同，再按 name 从小到大排序。
而 order by 中，是按 age 从小到大排序，如果 age 相同，再按 name 从大到小排序。
也就是说，索引存储顺序与 order by 不一致。
我们怎么优化呢？如果 MySQL 是 8.0 版本，支持 Descending Indexes，可以这样修改索引：CREATE TABLE `student` ( `id` bigint(11) NOT NULL AUTO_INCREMENT COMMENT '主键id', `student_id` varchar(20) NOT NULL COMMENT '学号', `name` varchar(64) NOT NULL COMMENT '姓名', `age` int(4) NOT NULL COMMENT '年龄', `city` varchar(64) NOT NULL COMMENT '城市', PRIMARY KEY (`id`), KEY `idx_age_name` (`age`,`name` desc) USING BTREE) ENGINE=InnoDB AUTO_INCREMENT=15 DEFAULT CHARSET=utf8 COMMENT='学生表';4、没有 where 条件，order by 字段需要加索引吗日常开发中，可能会遇到没有 where 条件的 order by，这时候 order by 后面的字段是否需要加索引呢。
如有这么一个 SQL，create_time 是否需要加索引：select from student order by create_time;无条件查询的话，即使 create_time 上有索引，也不会使用到。
因为 MySQL 优化器认为走普通二级索引，再去回表成本比全表扫描排序更高。
所以选择走全表扫描，然后根据全字段排序或者 rowid 排序来进行。
如果查询 SQL 修改一下：select from student order by create_time limit m;无条件查询，如果 m 值较小，是可以走索引的。
因为 MySQL 优化器认为，根据索引有序性去回表查数据，然后得到 m 条数据，就可以终止循环，那么成本比全表扫描小，则选择走二级索引。
07 总结这篇文章跟你聊了聊 order by 的执行流程，以及全字段排序和 rowid 排序的区别，从而得知，MySQL 更愿意用内存去换取性能上的提升。
与此同时，通过组合索引的索引覆盖小技巧，我们还可以减少回表的次数。
以后设计索引的时候如果业务有涉及排序的字段，尽量加到索引中，并且把业务中其余的查询字段（比如文中的 city、user_code）加到组合索引中，更好地实现索引覆盖。
当然，索引也有缺点。
它占空间，有维护的代价。
所以大家设计的时候还是需要根据自己的实际业务去考虑。
最后，我还跟你探讨了关于 order by 的四个经典面试题，希望对你有帮助。
作者：JavaFish链接：https://juejin.cn/post/7047433474264793095