今天是大年初二，在开始我们今天的学习之前，我要先和你道一声春节快乐！
在第16和第34篇文章中，我分别和你介绍了sort buffer、内存临时表和join buffer。这三个数据结构都是用来存放语句执行过程中的中间数据，以辅助SQL语句的执行的。其中，我们在排序的时候用到了sort buffer，在使用join语句的时候用到了join buffer。
然后，你可能会有这样的疑问，MySQL什么时候会使用内部临时表呢？
今天这篇文章，我就先给你举两个需要用到内部临时表的例子，来看看内部临时表是怎么工作的。然后，我们再来分析，什么情况下会使用内部临时表。
union 执行流程
为了便于量化分析，我用下面的表t1来举例。
create table t1(id int primary key, a int, b int, index(a));
delimiter ;;
create procedure idata()
begin
declare i int;
set i=1;
while(i<=1000)do
insert into t1 values(i, i, i);
set i=i+1;
end while;
end;;
delimiter ;
call idata();
然后，我们执行下面这条语句：
(select 1000 as f) union (select id from t1 order by id desc limit 2);
这条语句用到了union，它的语义是，取这两个子查询结果的并集。并集的意思就是这两个集合加起来，重复的行只保留一行。
下图是这个语句的explain结果。
可以看到：
- 第二行的key=PRIMARY，说明第二个子句用到了索引id。
- 第三行的Extra字段，表示在对子查询的结果集做union的时候，使用了临时表(Using temporary)。
这个语句的执行流程是这样的：
-
创建一个内存临时表，这个临时表只有一个整型字段f，并且f是主键字段。
-
执行第一个子查询，得到1000这个值，并存入临时表中。
-
执行第二个子查询：
- 拿到第一行id=1000，试图插入临时表中。但由于1000这个值已经存在于临时表了，违反了唯一性约束，所以插入失败，然后继续执行；
- 取到第二行id=999，插入临时表成功。
-
从临时表中按行取出数据，返回结果，并删除临时表，结果中包含两行数据分别是1000和999。
这个过程的流程图如下所示：
可以看到，这里的内存临时表起到了暂存数据的作用，而且计算过程还用上了临时表主键id的唯一性约束，实现了union的语义。
顺便提一下，如果把上面这个语句中的union改成union all的话，就没有了“去重”的语义。这样执行的时候，就依次执行子查询，得到的结果直接作为结果集的一部分，发给客户端。因此也就不需要临时表了。
可以看到，第二行的Extra字段显示的是Using index，表示只使用了覆盖索引，没有用临时表了。
group by 执行流程
另外一个常见的使用临时表的例子是group by，我们来看一下这个语句：
select id%10 as m, count(*) as c from t1 group by m;
这个语句的逻辑是把表t1里的数据，按照 id%10 进行分组统计，并按照m的结果排序后输出。它的explain结果如下：
在Extra字段里面，我们可以看到三个信息：
- Using index，表示这个语句使用了覆盖索引，选择了索引a，不需要回表；
- 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：
-
创建内存临时表，表里有两个字段m和c，主键是m；
-
扫描表t1的索引a，依次取出叶子节点上的id值，计算id%10的结果，记为x；
- 如果临时表中没有主键为x的行，就插入一个记录(x,1);
- 如果表中有主键为x的行，就将x这一行的c值加1；
-
遍历完成后，再根据字段m做排序，得到结果集返回给客户端。
这个流程的执行图如下：
图中最后一步，对内存临时表的排序，在第17篇文章中已经有过介绍，我把图贴过来，方便你回顾。
其中，临时表的排序过程就是图6中虚线框内的过程。
接下来，我们再看一下这条语句的执行结果：
如果你的需求并不需要对结果进行排序，那你可以在SQL语句末尾增加order by null，也就是改成：
select id%10 as m, count(*) as c from t1 group by m order by null;
这样就跳过了最后排序的阶段，直接从临时表中取数据返回。返回的结果如图8所示。
由于表t1中的id值是从1开始的，因此返回的结果集中第一行是id=1；扫描到id=10的时候才插入m=0这一行，因此结果集里最后一行才是m=0。
这个例子里由于临时表只有10行，内存可以放得下，因此全程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就是控制这个内存大小的，默认是16M。
如果我执行下面这个语句序列：
set tmp_table_size=1024;
select id%100 as m, count(*) as c from t1 group by m order by null limit 10;
把内存临时表的大小限制为最大1024字节，并把语句改成id % 100，这样返回结果里有100行数据。但是，这时的内存临时表大小不够存下这100行数据，也就是说，执行过程中会发现内存临时表大小到达了上限（1024字节）。
那么，这时候就会把内存临时表转成磁盘临时表，磁盘临时表默认使用的引擎是InnoDB。 这时，返回的结果如图9所示。
如果这个表t1的数据量很大，很可能这个查询需要的磁盘临时表就会占用大量的磁盘空间。
group by 优化方法 --索引
可以看到，不论是使用内存临时表还是磁盘临时表，group by逻辑都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，上面这个group by语句执行起来就会很慢，我们有什么优化的方法呢？
要解决group by语句的优化问题，你可以先想一下这个问题：执行group by语句为什么需要临时表？
group by的语义逻辑，是统计不同的值出现的个数。但是，由于每一行的id%100的结果是无序的，所以我们就需要有一个临时表，来记录并统计结果。
那么，如果扫描过程中可以保证出现的数据是有序的，是不是就简单了呢？
假设，现在有一个类似图10的这么一个数据结构，我们来看看group by可以怎么做。
可以看到，如果可以确保输入的数据是有序的，那么计算group by的时候，就只需要从左到右，顺序扫描，依次累加。也就是下面这个过程：
- 当碰到第一个1的时候，已经知道累积了X个0，结果集里的第一行就是(0,X);
- 当碰到第一个2的时候，已经知道累积了Y个1，结果集里的第二行就是(1,Y);
按照这个逻辑执行的话，扫描到整个输入的数据结束，就可以拿到group by的结果，不需要临时表，也不需要再额外排序。
你一定想到了，InnoDB的索引，就可以满足这个输入有序的条件。
在MySQL 5.7版本支持了generated column机制，用来实现列数据的关联更新。你可以用下面的方法创建一个列z，然后在z列上创建一个索引（如果是MySQL 5.6及之前的版本，你也可以创建普通列和索引，来解决这个问题）。
alter table t1 add column z int generated always as(id % 100), add index(z);
这样，索引z上的数据就是类似图10这样有序的了。上面的group by语句就可以改成：
select z, count(*) as c from t1 group by z;
优化后的group by语句的explain结果，如下图所示：
从Extra字段可以看到，这个语句的执行不再需要临时表，也不需要排序了。
group by优化方法 --直接排序
所以，如果可以通过加索引来完成group by逻辑就再好不过了。但是，如果碰上不适合创建索引的场景，我们还是要老老实实做排序的。那么，这时候的group by要怎么优化呢？
如果我们明明知道，一个group by语句中需要放到临时表上的数据量特别大，却还是要按照“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”，看上去就有点儿傻。
那么，我们就会想了，MySQL有没有让我们直接走磁盘临时表的方法呢？
答案是，有的。
在group by语句中加入SQL_BIG_RESULT这个提示（hint），就可以告诉优化器：这个语句涉及的数据量很大，请直接用磁盘临时表。
MySQL的优化器一看，磁盘临时表是B+树存储，存储效率不如数组来得高。所以，既然你告诉我数据量很大，那从磁盘空间考虑，还是直接用数组来存吧。
因此，下面这个语句
select SQL_BIG_RESULT id%100 as m, count(*) as c from t1 group by m;
的执行流程就是这样的：
-
初始化sort_buffer，确定放入一个整型字段，记为m；
-
扫描表t1的索引a，依次取出里面的id值, 将 id%100的值存入sort_buffer中；
-
扫描完成后，对sort_buffer的字段m做排序（如果sort_buffer内存不够用，就会利用磁盘临时文件辅助排序）；
-
排序完成后，就得到了一个有序数组。
根据有序数组，得到数组里面的不同值，以及每个值的出现次数。这一步的逻辑，你已经从前面的图10中了解过了。
下面两张图分别是执行流程图和执行explain命令得到的结果。
从Extra字段可以看到，这个语句的执行没有再使用临时表，而是直接用了排序算法。
基于上面的union、union all和group by语句的执行过程的分析，我们来回答文章开头的问题：MySQL什么时候会使用内部临时表？
-
如果语句执行过程可以一边读数据，一边直接得到结果，是不需要额外内存的，否则就需要额外的内存，来保存中间结果；
-
join_buffer是无序数组，sort_buffer是有序数组，临时表是二维表结构；
-
如果执行逻辑需要用到二维表特性，就会优先考虑使用临时表。比如我们的例子中，union需要用到唯一索引约束， group by还需要用到另外一个字段来存累积计数。
小结
通过今天这篇文章，我重点和你讲了group by的几种实现算法，从中可以总结一些使用的指导原则：
-
如果对group by语句的结果没有排序要求，要在语句后面加 order by null；
-
尽量让group by过程用上表的索引，确认方法是explain结果里没有Using temporary 和 Using filesort；
-
如果group by需要统计的数据量不大，尽量只使用内存临时表；也可以通过适当调大tmp_table_size参数，来避免用到磁盘临时表；
-
如果数据量实在太大，使用SQL_BIG_RESULT这个提示，来告诉优化器直接使用排序算法得到group by的结果。
最后，我给你留下一个思考题吧。
文章中图8和图9都是order by null，为什么图8的返回结果里面，0是在结果集的最后一行，而图9的结果里面，0是在结果集的第一行？
你可以把你的分析写在留言区里，我会在下一篇文章和你讨论这个问题。感谢你的收听，也欢迎你把这篇文章分享给更多的朋友一起阅读。
上期问题时间
上期的问题是：为什么不能用rename修改临时表的改名。
在实现上，执行rename table语句的时候，要求按照“库名/表名.frm”的规则去磁盘找文件，但是临时表在磁盘上的frm文件是放在tmpdir目录下的，并且文件名的规则是“#sql{进程id}_{线程id}_序列号.frm”，因此会报“找不到文件名”的错误。
评论区留言点赞板：
@poppy 同学，通过执行语句的报错现象推测了这个实现过程。
精选留言
课后习题:
图8，把统计结果存内存临时表，不排序。id是从1到1000，模10的结果顺序就是1、2、3、4、5。。。
图9，老师把tmp_table_size改小了，内存临时表装不下，改用磁盘临时表。根据老师讲的流程，id取模的结果，排序后存入临时表，临时的数据应该是0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,2,......
从这个磁盘临时表读取数据汇总的结果的顺序就是0,1,2,3,4,5。。。
使用用法 using temporary。
使用场景：1 数据一边查询，一边直接得到结果，不需要额外内存。比如：group by 需要计算。
2 join_buffer 是无序数组（单字段，可以重复），sort_buffer 有序数组，内部临时表是二维结构
3 用到二维表的特性需要用到内部临时表，比如 distinct ，group by
优化：1 group by 字段加索引
2 扩大临时表内存大小
3 如果数据量比较大，直接使用磁盘临时表
4 如果分组之后，不需要排序，手工 order by null
group by 的顺序
1 创建一个内部临时表，初始化字段 a(分组字段) b(数量)
2 扫描表，一个个的判断，a字段值在临时表不存在，则插入(2,1)，如果存在，比如（2,1），则加1，成为（2,2）
3 分组之后，默认会进行排序，如果不需要顺序，用 order by null。
对于文中的例子 select SQL_BIG_RESULT id%100 as m, count(*) as c from t1 group by m;
则没有使用临时表，直接用了排序算法，这里有点不太明白，SQL_BIG_RESULT这个hint到底用来提示的是什么（是用磁盘临时表，还是就是直接使用排序，不用临时表）？
文中 “MySQL优化器一看，磁盘临时表B+数存储，存储效率不如数据来的高。那从磁盘空间考虑，还是直接用数组来存”，这段怎么理解？
是指MySQL优化器，直接忽略B+数的磁盘临时表（这里忽略的依据是什么？），并且从文中后续的分析来看，也没有用内存临时表，而是直接sort buffer排序，老师再详细解释下？
对于InnoDB的磁盘临时表，索引结构是B+数；那对于内存临时表，是不是就是数组结构？数组临时表的主键就是每个数组元素？
select `aid`,sum(`pv`) as num from article_rank force index(idx_day_aid_pv) where `day`>20190115 group by aid order by num desc LIMIT 10;
内存临时表不够，需要写入磁盘
select `aid`,sum(`pv`) as num from article_rank force index(idx_aid_day_pv) where `day`>20190115 group by aid order by num desc LIMIT 10;
内存临时表足够。
选的索引不一样，但是最后筛选出来的总行应该是一样的呀，所以现在更加困惑了。
有几个版本差异的问题：
（1）图1中的执行计划应该是5.7版本以后的吧，貌似没找到说在哪个环境，我在5.6和5.7分别测试了，id = 2的那个rows，在5.6版本（5.6.26）是1000，在5.7版本是2行。应该是5.7做的优化吧？
（2）图 9 group + order by null 的结果（此盘临时表），这里面mysql5.6里面执行的结果是（1，10），（2，10）...(10，10)，执行计划都是只有一样，没找到差异。
跟踪下了下optimizer trace，发现问题应该是在临时表空间满的的时候，mysql5.7用的是：converting_tmp_table_to_ondisk "location": "disk (InnoDB)",，而mysql 5.6用的是converting_tmp_table_to_myisam "location": "disk (MyISAM)"的原因导致的。
查了下参数：
default_tmp_storage_engine。（5.6，5.7当前值都是innodb）
internal_tmp_disk_storage_engine（只有5.7有这个参数，当前值是innodb），5.6应该是默认磁盘临时表就是MyISAM引擎的了，由于本地测试环境那个临时表的目录下找不到临时文件，也没法继续分析了。。。
至于为什么MySQL 5.6中结果展示m字段不是0-9而是1-10，还得请老师帮忙解答下了。
还有几个小问题，为了方便解答，序号统一了：
（3）在阅读mysql执行计划的时候，看了网上有很多说法，也参考了mysql官网对id（select_id）的解释：
id (JSON name: select_id)
The SELECT identifier. This is the sequential number of the SELECT within the query.（感觉这个读起来也有点歧义，这个sequential字面解释感觉只有顺序的号码，并咩有说执行顺序）
比如图1，文中解释就是从ID小的往大的执行的，网上有很多其他说法，有的是说ID从大到小执行，遇到ID一样的，就从上往下执行。有的说是从小往大顺序执行。不知道老师是否可以官方讲解下。
（4）我发现想搞懂一个原理，并且讲清楚让别人明白，真的是很有难度，非常感谢老师的分享。这次专栏结束，还会推出的新的专栏吗？ 非常期待。
我用infobright列式存储引擎explain出来一个group by语句，
发现也会用到内存临时表和文件排序、然后使用SQL_BIG_RESULT也有同样优化效果；
这是不是说明sort_buffer、join_buffer、内存临时表和磁盘临时表与数据库引擎类型其实是独立开的呢？
我执行这条语句 第一行是1 没有经过排序，我explain 这条语句也没有显示sort 但是显示用了临时表，可能是什么原因的，和mysql版本有关吗？还是配置？
比如：
EXPLAIN
(SELECT 111)
UNION
(SELECT 222)
；
EXPLAIN
(SELECT 111)
UNION
(SELECT id from aaa)
；
EXPLAIN
(SELECT id from bbb)
UNION
(SELECT id from aaa)
以上都没有用到临时表；
这应该说明不同引擎的逻辑层还是存在差异的把。
再次请教老师，那其他引擎数据库在server层建的磁盘临时表是什么引擎呢？
order by id，主键
order by null，
不加order by
这三种写法哪种执行效率更高一些？后面两者是不是等价的？
----
应该是 结果集里的第 二 行 吧
set tmp_table_size=1024;
select id%100 as m, count(*) as c from t1 group by m order by null limit 10;
结果不需要排序，为什么不像第 17 章《如何正确显示随机消息》，采用优先队列排序算法。这里只需要维护一个 10 个元素的堆就可以了。
----
课后思考题：
使用磁盘临时表（engine=innodb），排首位的是 0，而内存临时表（engine=memory）却是 1。为何会有这种区别？
扫描计算的过程都是一样的，扫描 a 索引的时候，都是先扫描 1，再扫描 10。
m 字段是磁盘临时表和内存临时表的主键。
磁盘临时表是以 B+ 树存储数据，插入 m=0 时，会被动态调整到首位。而内存临时表是以数组保存数据，每次都是往数组末端添加元素，不会动态调整。因此产生了这个差异。