来源 | 君哥聊技术（ID：gh_1f109b82d301）使用 MySQL 时，group by 是我们经常会用到的分组语句，可以帮我们做各种聚合统计工作。但有时候会发现 group by 语句执行很慢，可能是什么原因呢？今天来介绍一下。
1.简介
下面我们创建一张员工表：
CREATE TABLE`db_staff` (
`staff_id` i nt(8) NOTNULL AUTO_INCREMENT COMMENT'员工编号',
`id_no`varchar(20) DEFAULTNULLCOMMENT'员工姓名',
`name`varchar(20) DEFAULTNULLCOMMENT'员工姓名',
`email`varchar(200) DEFAULTNULLCOMMENT'邮件地址',
`age`tinyint(3) DEFAULTNULLCOMMENT'年龄',
`sex`tinyint(1) DEFAULT'0'COMMENT'性别，0:男 1:女',
`address`varchar(300) DEFAULTNULLCOMMENT'家庭住址',
`create_time`timestampNOTNULLDEFAULTCURRENT_TIMESTAMPONUPDATECURRENT_TIMESTAMPCOMMENT'创建时间',
`update_time`timestampNOTNULLDEFAULTCURRENT_TIMESTAMPCOMMENT'更新时间',
PRIMARY KEY
(`staff_id`),
KEY`union_idno_name_email` (`id_no`,`name`,`email`)
) ENGINE=InnoDB AUTO_INCREMENT=1001DEFAULTCHARSET=utf8
然后往表中插入 20 条数据：
我们用一个简单的分组函数，对年龄（age）进行分组
SELECT age,COUNT(age) ca FROM db_staff GROUP BY age;
查询结果如下图：
可以看到，使用 group by 语句非常方便地对各年龄的员工数量做了统计。
2.查询分析
那使用 group by 语句时为什么会执行慢呢？ 我们看一下这条 sql
的执行计划：
从执行计划可以看到，这条 sql 没有走索引，并且使用到了临时表（Using temporary）和排序(Using filesort)。
注意：filesort 很容易被理解成文件排序，其实不然，MySQL 所有不走索引的排序统称为 filesort，即使数据完全在内存中排序，执行计划 Extra 也会显示 Using filesort。
下面看一下这个语句的执行流程：
1. 创建一个内存临时表，表里有两个字段 age 和 ca，其中 age 字段是主键。
2. 扫描要查询的表中记录，取出 age 字段；
3. 如果临时表中有这条 age（比如 ag=20） 的记录，则 ca 值加 1，否则插入一条新的记录，比如（age=30,ca=1）；
4. 根据 age 做排序，将结果返回。
3.如何优化
3.1 是否需要排序
在 MySQL 8.0 以前，GROUP BY 默认是会对分组字段做排序的，即使 sql 中没写 ORDER BY，也会排序。
而且，内存中排序要用到 sort_buffer，如果 sort_buffer 内存不够，就需要依靠磁盘临时表辅助排序，非常影响性能。
如果想要 sql 语句不排序，可以在 sql 尾部加 order by null，修改后的 sql 如下：
SELECT age,COUNT(age) ca FROM db_staff GROUP BY age ORDER BY NULL;
修改后再看执行计划，Extra 字段中没有了 Using filesort。
3.2 走索引
对分组字段加索引是最好的优化方法。我们对 age 字段加一个索引：
ALTER TABLE db_staff ADD KEY age_idx(age);
修改后我们再看一下执行计划
给 age 字段加上索引后，就不走临时表和 filesort 了。
3.3 磁盘临时表
前面提到过，如果 sort_buffer 内存不够，就需要依靠磁盘临时表辅助排序。为了避免使用磁盘临时表，可以考虑减小结果集，或者临时增加 sort_buffer 大小。
对于内存临时表也一样，如果内存不够，就需要依靠磁盘临时表，可以通过修改 tmp_table_size 参数来避免使用磁盘临时表。
3.4 应用层分组
对于非常复杂的聚合，可以考虑在应用层通过代码分批处理，利用多线程并发处理能力提高效率。这样可以减小数据库压力。
3.5 物理视图
对于超大表，可以考虑增加物理视图来代替 sql 分组，或者使用大数据工具。这样可以同时减少数据库和应用服务的压力，但也带来了额外维护物理视图的工作量，结果集时效性低也不高。
4.总结
group by 语句是非常好用的分组聚合函数，但如果使用不上覆盖索引，效率可能会非常低，尤其是表中数据量比较大的情况下。可以参考本文的方法进行优化。
