【MySQL】GROUP BY详解与优化

【MySQL】GROUP BY详解与优化

在 MySQL 中，GROUP BY用于将具有指定列中相同值的行分组在一起。这是在处理大量数据时非常有用的功能，允许对数据进行分类和聚合。

一、基本使用

（一）语法

以下是GROUP BY子句的基本语法：

SELECT col1, col2, ..., aggregate_function(col_name)
FROM table_name
WHERE condition
GROUP BY col1, col2, ...;

其中，col1, col2, …是要分组的列名，aggregate_function是用于聚合数据的函数，如SUM,AVG, MAX, MIN等。table_name是要从中检索数据的表的名称，condition是可选的查询条件。

（二）示例

SELECT column1, column2, COUNT(*)
FROM table_name
WHERE condition
GROUP BY column1, column2
ORDER BY column1, column2;

在这个示例中，选择了column1和column2两列，并对它们进行了分组。使用COUNT(*)函

数来计算每个组中的行数。使用ORDER BY子句按column1和column2升序排序结果集。

那怎么查询非分组的列名呢？
一般来讲 SELECT 中的值要么是来自于聚合函数（sum、avg、max等）的结果，要么是来自于 group by 后面的列。从MySQL 5.7.5之前默认是支持的，之后的版本默认SQL模式包括ONLY_FULL_GROUP_BY,

mysql> select version();
+-----------+
| version() |
+-----------+
| 8.0.18    |
+-----------+
1 row in set (0.06 sec)
mysql> select @@global.sql_mode;
+-----------------------------------------------------------------------------------------------------------------------+
| @@global.sql_mode                                                                                                     |
+-----------------------------------------------------------------------------------------------------------------------+
| ONLY_FULL_GROUP_BY,STRICT_TRANS_TABLES,NO_ZERO_IN_DATE,
+-----------------------------------------------------------------------------------------------------------------------+
1 row in set (0.18 sec)

在这种模式下执行 SQL 会报下面的错误

mysql> select * from user group by age;
1055 - Expression #1 of SELECT list is not in GROUP BY clause 
and contains nonaggregated column xxx which is not functionally
dependent on columns in GROUP BY clause; 
this is incompatible with sql_mode=only_full_group_by

可以通过下面两种方式解决：

1. 重新设置 sql_mode，去掉ONLY_FULL_GROUP_BY即可

2. 使用 any_value() 或 group_concat()

   • any_value()：将分到同一组的数据里第一条数据的指定列值作为返回数据
   • group_concat()：将分到同一组的数据默认用逗号隔开作为返回数据

---

mysql> select age, any_value(id) from `user` GROUP BY age;
+-----+---------------+
| age | any_value(id) |
+-----+---------------+
|   3 |             0 |
|   6 |             3 |
|   7 |             5 |
|  12 |             1 |
|  14 |             2 |
|  19 |             7 |
+-----+---------------+
6 rows in set (0.15 sec)mysql> select age, group_concat(id) from `user` GROUP BY age;
+-----+------------------+
| age | group_concat(id) |
+-----+------------------+
|   3 | 0,4              |
|   6 | 3                |
|   7 | 5                |
|  12 | 1                |
|  14 | 2                |
|  19 | 7                |
+-----+------------------+
6 rows in set (0.05 sec)

---

三、不同版本的排序

我们以下面这个user表为例，看下在不同版本下有什么区别？

mysql>  show create table  user;
+-------+---------------------------------+
CREATE TABLE `user` (`id` int(11) NOT NULL,`name` varchar(255) DEFAULT NULL ,`age` int(255) DEFAULT NULL,PRIMARY KEY (`id`),KEY `nameIndex` (`name`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8 
+-------+---------------------------------+
mysql> select * from user;
+----+------+-----+
| id | name | age |
+----+------+-----+
|  0 | 陈   |   3 |
|  1 | 李   |  12 |
|  2 | 张   |  14 |
|  3 | 陈   |   6 |
|  4 | 李   |   3 |
|  5 | NULL |   7 |
|  7 | 张   |  19 |
+----+------+-----+
7 rows in set (0.06 sec)

---

在MySQL 5.7中

---

---

在MySQL 8.0中

---

---

同样的SQL在MySQL 5.7中与MySQL 8.0中执行结果是不一样的，在MySQL 5.7中数据默认按照分组列升序展示，在MySQL 8.0中则没有排序，所以在MySQL 5.7中执行计划里面的Extra 这个字段的多了一个 Using filesort。

因为在MySQL 5.7中，GROUP BY 默认隐式排序，按GROUP BY列按升序排序。如果不想在执行 GROUP BY 时执行排序的开销，可以禁用排序：

GROUP BY column_name ORDER BY NULL

然而，在MySQL 8.0中，GROUP BY默认不会使用排序功能，除非使用了ORDER BY语句。

四、工作原理

（一）执行流程

我们先来看下下面这条sql语句在MySQL 5.7中的执行计划:

  explain select age,count(age) from user where name ='李'  GROUP BY age;

---

在Extra字段里面， 我们可以看到三个信息：

• Using index condition： 表示这个语句使用了索引来过滤；
• Using temporary： 表示使用了临时表；
• Using filesort： 表示需要排序

这个语句的执行流程是这样的：

1. 创建一个临时表。表里有两个字段 age 和 count(age)、主键为 age
2. 扫描普通索引nameIndex ，找到 name =‘李’ 主键 ID；
3. 通过主键ID，回表找到 age=12 字段值
4. 判断临时表中有没有主键为 12 的行

• 没有就插入一个记录(12,1)
• 就将12这一行的count(age)值加1

遍历完成后， 需要根据字段 age 做排序

1. 初始化sort_buffer， sort_buffer中有两个字段
2. 从内存临时表中一行一行地取出数据，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。
3. 在sort_buffer中根据age的值进行排序。
4. 排序完成后，返回给客户端。

内存临时表排序的时候使用了rowid排序方法。

---

"filesort_summary":{  "rows":2,  "examined_rows":2,  "number_of_tmp_files":0,  "sort_buffer_size":320,  "sort_mode":"<sort_key, rowid>"  
}

---

五、临时表

（一）内存临时表

由于本例子只有几行数据， 内存可以放得下，因此只使用了内存临时表。 但是内存临时表的大小是有限制的， 参数 tmp_table_size 表示临时表内存大小， 默认是16M。内存临时表使用的是memory引擎。

mysql> show  variables like '%tmp_table_size%';
+----------------+---------+
| Variable_name  | Value   |
+----------------+---------+
| tmp_table_size | 2097152 |
+----------------+---------+
1 row in set (0.04 sec)

（二）磁盘临时表

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

mysql> show variables like '%internal_tmp_disk_storage_engine%';
+----------------------------------+--------+
| Variable_name                    | Value  |
+----------------------------------+--------+
| internal_tmp_disk_storage_engine | InnoDB |
+----------------------------------+--------+
1 row in set (0.04 sec)

---

为了复现生成磁盘临时表，把 tmp_table_size设置小一点，通过查

Created_tmp_disk_tables值，查看对应的磁盘临时表数量

mysql> set tmp_table_size=1;
select age,count(age) from user where name ='李'  GROUP BY age ORDER BY age ;
show status like '%Created_tmp%';
Query OK, 0 rows affected (0.02 sec)+-----+------------+
| age | count(age) |
+-----+------------+
|   3 |          1 |
|  12 |          1 |
+-----+------------+
2 rows in set (0.03 sec)+-------------------------+-------+
| Variable_name           | Value |
+-------------------------+-------+
| Created_tmp_disk_tables | 3     |
| Created_tmp_files       | 60    |
| Created_tmp_tables      | 6     |
+-------------------------+-------+
3 rows in set (0.04 sec)

---

• Created_tmp_tables：在内存中创建内部临时表时或在磁盘，服务器将递增此值。

• Created_tmp_disk_tables：在磁盘上创建内部临时表时， 服务器递增此值

一般理想的配置是：

Created_tmp_disk_tables / Created_tmp_tables * 100% <= 25% 

六、分组优化

不论是使用内存临时表还是磁盘临时表，group by需要构造一个带唯一索引的表， 执行代价都是比较高的。如果表的数据量比较大，执行起来就会很慢。

（一）使用索引

如果可以确保输入的数据是有序的，那么 group by的时候， 就只需要从左到右，顺序扫描，依次累加。那就是InnoDB的索引，对索引列分组不需要临时表，也不需要排序。

---

（二）增大tmp_table_size

如果group by需要统计的数据量不大， 尽量只使用内存临时表； 可以通过适当调大
tmp_table_size参数， 来避免用到磁盘临时表。

---

（三）使用SQL_BIG_RESULT

如果一个group by语句中需要放到临时表上的数据量特别大，还是按照上面的逻辑，先放到内存临时表，插入一部分数据后，发现内存临时表不够用了再转成磁盘临时表,那感觉就没必要了，那怎么样可以直接使用磁盘临时表呢？

使用SQL_BIG_RESULT， 可以与 SELECT 语句中的GROUP BY或DISTINCT关键字一起使用。

它的作用是告诉MySQL优化器，查询结果集较大，直接用磁盘临时表。MySQL会使用基于磁盘的临时表进行排序

例如，以下是一个使用SQL_BIG_RESULT的示例：

SELECT SQL_BIG_RESULT col1, col2
FROM my_table
GROUP BY col1;

需要注意的是，使用SQL_BIG_RESULT会增加服务器的内存和CPU使用量，因此应该仔细评估是否需要使用它。通常情况下，只有在处理大型数据集时才需要使用。

（四）禁用排序

在MySQL 5.7中，如果对group by语句的结果没有排序要求，在语句后面加 order by null，

禁用排序，减少不必要的排序开销。

七、GROUP BY 和 DISTINCT 的区别

首先是使用方式不同：虽然在某些情况下 DISTINCT 和 GROUP BY 可以实现相同的结果，但通常情况下，它们用于不同的目的，一个是去重，一个是聚合。

• DISTINCT 关键字用于返回 SELECT 查询中不同的值，即去重。它会扫描所有的行并去除重复的行。

• GROUP BY 关键字用于将结果集按照指定列进行分组，并对每个分组执行聚合函数。

再就是在性能上：如果在不需要执行聚合函数时，DISTINCT 和GROUP BY这两条语句的语义和执行流程是相同的，因此执行性能也相同

---

---

八、使用场景

GROUP BY通常用于以下场景：

• 对数据进行分类和统计
• 按特定条件对数据进行分组
• 进行聚合操作，如计算总数、平均数、最大值、最小值等
• 生成报表或汇总数据