vlambda博客
学习文章列表

考虑MySQL中的一个经典应用：给定一个学生考试成绩表，要实现对学生按课程依成绩高低进行排序。为了简单起见，仅给定成绩表，而不考虑可能关联的学生信息表、课程信息表和教师信息表等，且成绩表中仅创建3个关键字段：

• cid：课程id，int型，共5门课程
• sid：学生id，int型，共8872名学生
• score：成绩，int型，共22366条成绩信息，分布于10-100之间

为了逐步分析，初始状态不添加主键，也不建立任何索引。

1SELECT
2    a.*, ( SELECT COUNT(score)+1 FROM scores WHERE cid = a.cid AND score > a.score ) AS 'rank' 
3FROM
4    scores a 
5ORDER BY
6    a.cid,  a.score DESC;

需注意的是，在子查询约束条件中要求 score > a.score以及 COUNT()+1，表示统计的是比该成绩更高的计数+1，例如对于90、80、80、70……这样的分数得到排名结果是1，2，2，4……；如果选用 score >= a.score和 COUNT()作为排名条件，那么得到结果是1，3，3，4……

未添加索引时的子查询执行计划

1CREATE INDEX idc ON scores(cid);
2CREATE INDEX ids ON scores(score);

添加独立索引后的子查询执行计划

1CREATE INDEX idcs ON scores(cid, score);

添加联合索引后的子查询执行计划

只能另辟蹊径。

一般来说，对于速度较慢的子查询任务，换做连接查询(join)可以得到明显提升。

1SELECT 
2    a.*, COUNT(b.score)+1 AS 'rank'
3FROM 
4    scores a LEFT JOIN scores b ON (a.cid = b.cid AND a.score < b.score)
5GROUP BY 
6    a.cid, a.sid
7ORDER BY 
8    a.cid, COUNT(b.score)

需注意的是：连接方式要选用left join，以便将a表中的所有分数信息都显示出来；若是用join，则最高分因为不存在满足连接的记录而被漏掉。至于连接条件中score值和count()的关系类似于子查询中的情况。

未添加索引时的自连接执行计划

添加有效索引后的自连接执行计划

显然，应用自连接替代子查询的方案并没有显著提升查询效率，即使是在添加了有效索引的基础上。

进一步分析数据表发现，实际上速度慢并不能否认索引在改善查询效率方面的能力，而仅仅是因为添加索引的字段取值较少的原因：cid字段仅有5个取值——当字段取值个数较少时，添加索引很难见效。

1SELECT 
2    a.*, count(b.score)+1 AS 'rank'
3FROM 
4    scores a LEFT JOIN scores b ON (a.sid = b.sid AND a.score < b.score)
5GROUP BY 
6    a.sid, a.cid
7ORDER BY 
8    a.sid, count(b.score)

对于如上查询，在未添加索引时，查询时间34s；添加有效索引后耗时仅为0.184s，添加索引的提升效果非常明显。

虽然这一论断捍卫了索引的地位作用，但如果我们的需求就是按课程进行排名呢？显然，无论是子查询还是自连接方案，都难以满足我们的实时查询需求。

只得再觅他法。

实际上，上述两种方案之所以速度较慢，是因为都作用在两个表上查询，如果再考虑外层的order by，那么执行时间复杂度粗略估计在O(n3)量级。此时，我们考虑应用自定义变量实现更低复杂度的查询实现。

应用自定义变量，我们不仅可以提高速度，而且还能实现"各种"排名：例如对于90、80、80、70、60这样一组成绩，可能有3种排名需求，一种是连续排名，同分时名次也继续增加：1、2、3、4、5；第二种是同分同名，下一排名不跳级，即1、2、2、3、4；第三种是同分同名，下一排名跳级，即1、2、2、4、5。这三种需求应用自定义变量进行排序都可以轻松搞定（具体变量含义和思路后续给出）：

• 连续排名：

1SELECT 
2    sid, cid, @curRank:=@curRank+1 AS 'rank'
3FROM 
4    scores, (SELECT @curRank:=0) tmp
5ORDER BY 
6    score DESC

• 同分同名，不跳级：

1SELECT 
2    sid, cid, @curRank:=IF(score=@preScore, @curRank, @curRank+1) AS 'rank', 
3    @preScore:=score
4FROM 
5    scores, (SELECT @curRank:=0, @preScore:=NULL) tmp
6ORDER BY
7    score

• 同分同名，跳级：

1SELECT 
2    sid, cid, @curRank := IF(score=@preScore, @curRank, @totalRank) AS 'rank',
3    @preScore := score,
4    @totalRank := @totalRank+1
5FROM 
6    scores, (SELECT @curRank:=1, @totalRank:=1, @preScore:=NULL) tmp
7ORDER BY 
8    score

以上SQL语句是在不进行任何分类条件下的排名：通过自定义变量（MySQL定义变量用@作为引导符，并用:=表示赋值）记录前一个排名、前一个分数值、当前的总排名，分别实现三种需求。

• 若当前分类信息与前一课程cid相同，则继续当前的排名处理（根据具体需求选择三种排名中的一种）；
• 若当前分类与前一课程cid不同，则排名信息初始化，从1重新开始。

1SELECT  sid, cid, 
2    @totalRank := IF(cid=@preCid, @totalRank+1, 1),
3    @curRank := IF(cid=@preCid, IF(score=@preScore, @curRank, @totalRank), 1) AS 'rank',
4    @preScore := score,
5    @preCid := cid
6FROM 
7    scores, (SELECT @curRank:=0, @totalRank:=0, @preScore:=NULL, @preCid:=NULL) tmp
8ORDER BY 
9    cid, score DESC

• @totalRank用于记录当前分类中的总排名，初始化为0
• @curRank用于记录当前分类中的当前排名，初始化为0
• @preScore用于记录上一个分数情况，初始化为NULL
• @preCid用于记录上一个课程cid，初始化为NULL

执行流程及条件判断为：

• 若当前cid与前一cid相同，表示是同一个分类，排名在之前排名基础增加，具体来说：

• 总排名每次+1
• 若当前分数与前一分数相同，则当前排名不变；否则跳级到总排名
• 若当前cid与前一cid不同，表示开始新的课程排名，总排名和当前排名均初始化为1
  

基于以上SQL语句，执行相同的任务，耗时仅需0.09s，其效率相当于子查询最快速度24s的266倍，相当于自连接最快速度27s的300倍，其查询效率可见一斑。

另外，由于上述SQL语句不存在where约束条件，所以与是否建立索引无关。

MySQL8.0版本的一个重要更新就是增加了窗口函数，使得前面的分类排名需求变得异常简单。

与前述类似，不同的排名需求有不同的窗口函数，而且三个函数的命名也非常形象直观：

• 连续排名：row_number()，排名即行号

• 同分同名，不跳级：dense_rank()，致密排名，类似1、2、2、3……这种，因为不跳级，所以比较"致密"

• 同分同名，跳级：rank()，普通排名，类似1、2、2、4……这种

• order by：与常规SQL语句中order by一致，表示按照某一字段进行排序，也区分ASC还是DESC
• partion by：用作分类依据，缺省时表示不分类，对所有记录排序；若指定某一字段，则表示在该字段间进行独立排序，跨字段重新开始

1SELECT 
2    *, RANK() OVER(PARTITION BY cid ORDER BY score DESC) AS 'rank'
3FROM 
4    scores;

查询耗时0.066s，比自定义变量实现的排名速度略高一点。同时，该排名方式也与索引无关。

将RANK()替换成另外两个窗口函数，可实现其他相应需求。

本文以对给定成绩表进行分课程排名为例，讲述了4种实现方案：

• 子查询方案，通过嵌套count()函数实现，效率较低，创建有效索引可提升一定效率，仅支持"同分同名、跳级"排名需求
• 自连接方案，与子查询类似，通过自连接和count()函数实现，效率较低，依赖于索引，也仅支持"同分同名、跳级"排名需求
• 自定义变量方案，通过定义变量实现计数，效率很高，不依赖索引，且可以实现各种排名需求，任意版本通用
• MySQL8.0窗口函数，相当于对自定义变量方案的封装，效率最高，不依赖于索引，但8.0以前版本无法使用

实际上，在得到排名需求后，可进一步通过简单子查询实现查询分类Top K的任务需求。