笔记记录自林晓斌（丁奇）老师的《mysql实战45讲》
（本篇内图片均来自丁奇老师的讲解，如有侵权，请联系我删除）
17） --如何正确地显示随机消息？
如果有这么一个英语单词表，需要每次访问时随机显示三个单词。但实际使用中发现，随着单词表越变越大，选单词这个逻辑变得越来越慢。建表语句如下：
我要评论mysql> create table `words` (
`id` int(11) not null auto_increment,
`word` varchar(64) default null,
primary key (`id`)
) engine=innodb;
delimiter ;;
create procedure idata()
begin
declare i int;
set i=0;
while i<10000 do
insert into words(word) values(concat(char(97+(i div 1000)), char(97+(i % 1000 div 100)), char(97+(i % 100 div 10)), char(97+(i % 10))));
set i=i+1;
end while;
end;;
delimiter ;
call idata();
为了便于量化说明，我们在这个表里面插入了10000行记录。
内存临时表：
你可能会首先想到order by rand()来实现这个逻辑。
mysql> select word from words order by rand() limit 3;
这个语句的语义很简单，随机排序取前3个。但这个语句的执行流程确有点复杂。如果你使用explain命令来查看的话会发现，这个语句需要临时表，并且要在临时表上排序。上一篇中我们提到过order by的两种方式，全字段排序和rowid排序。对于这条语句，会选择哪种方式进行排序呢？在上一篇我们有个结论，对于innodb表来说，执行全字段排序会减少磁盘访问，因此会被优先选择。此处我们强调了“innodb表”，你肯定想到了，对于内存表，回表过程只是简单地根据数据行的位置，直接访问内存得到数据，根本不会导致多访问磁盘。优化器没有了这一层顾虑，那么它会优先考虑的就是用于排序的行越小越好(行越小，sort_buffer可以存储的行数就越多，排序就越快)，所以，mysql这时就会选择rowid排序。
我们再来看看这个算法的执行流程：
因此，完整的排序执行流程图就如下所示：
图中的pos就是位置信息，你可能有个疑问，这个位置信息是指的什么呢？并且，我们在之前order by是如何排序的内容里，对innodb表排序的时候，明明用的还是id字段。这时候，我们要来谈一谈一个基本概念：mysql的表是用什么方法来定位“一行数据”的。
如果你创建一个表没有主键，或者把一个表的主键删掉了，那么innodb会自己生成一个长度为6字节的rowid来作为主键。这也就是排序模式里面，rowid名字的来历。实际上它表示的是：每个引擎用来唯一标识数据行的信息。
这里我们稍微小结一下：order by rand()使用里内存临时表，内存临时表排序的时候使用了rowid排序方法。
磁盘临时表：
那么，是不是所有的临时表都是内存表呢？其实不是的。tmp_table_size这个配置限制了内存临时表的大小，默认值是16m.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控制的。当使用磁盘临时表时，对应的就是一个没有显示索引的innodb表的排序过程。
随机排序方法：
回到我们文章开头的问题，怎么正确地随机排序呢？我们先把问题再简化一下，如果只随机选择1个word的值，可以怎么做呢？思路上是这样的：
mysql语句如下：
mysql> select max(id),min(id) into @m,@n from t ;
set @x= floor((@m-@n+1)*rand() + @n);
select * from t where id >= @x limit 1;
这个方法效率很高，因为取max(id)和min(id)都不需要扫描索引，而第三步的select也可以用索引快速定位，可以认为只扫描了3行。但实际上，这个算法本身并不严格满足题目的随机要求，因为id中间可能有空洞，因此选择不同行的概率不一样，不是真正的随机。比如你有4个id,分别是1,2,4,5.如果按照上面的方法，那么取得id=4的这一行的概率就会比取得其他行的概率高。如果空洞再大一些，如这4个的id分别是1,2,40000,40001，那么这个算法基本就是个bug了，取得id=40000的概率会很大很大。所以，为了取得严格随机的结果，你可以用下面这个流程：
我们把这个算法，称为随机算法2.下面这段代码就是上面流程的执行语句序列：
mysql> select count(*) into @c from t;
set @y = floor(@c * rand());
set @sql = concat("select * from t limit ", @y, ",1");
prepare stmt from @sql;
execute stmt;
deallocate prepare stmt;
由于limit后面的参数不能直接跟变量，所以上面的代码中使用了预处理语句prepare+execute的方法。当然，养成好习惯，每一次执行完execute时，须执行deallocate prepare语句，这样可以释放执行中所使用的数据库资源。当然，你可以把拼接sql语句的方法写在应用程序中，会更简单一些。这个方法解决了第一个方法出现的概率不均匀的问题。mysql处理limit y,1的做法就是按顺序一个一个地读出来，丢掉前y个，然后把下一个记录作为返回结果，因此这一步需要扫描y+1行。再加上，第一部扫描的c行，总共需要c+y+1行，执行代价要比第一个算法高。当然这个代价还是远小于order by rand()的。
当然，如果你要取3个随机word值，那么可以这么写。
mysql> select count(*) into @c from t;
set @y1 = floor(@c * rand());
set @y2 = floor(@c * rand());
set @y3 = floor(@c * rand());
select * from t limit @y1，1； // 在应用代码里面取 y1、y2、y3 值，拼出 sql 后执行
select * from t limit @y2，1；
select * from t limit @y3，1；
如对本文有疑问， 点击进行留言回复！！
网友评论