如何在MySQL中实现随机抽取数据？

1. 引言

现在有一个需求是从一个单词表中每次随机选取三个单词。

这个表的建表语句和如下所示：

mysql> Create table 'words'(
    'id' int(11) not null auto_increment;
    'word' varchar(64) default null;
    primary key ('id')
) ENGINE=InnoDB;

然后我们向其中插入10000行数据。接下来我们看看如何从中随机选择3个单词。

2. 内存临时表

首先，我们通常会想到用order by rand()来实现这个逻辑：

mysql> select word from words order by rand() limit 3;

虽然这句话很简单，但是执行流程则比较复杂。我们使用explain来看看语句的执行情况：

Extra字段中Using temporary表示需要使用临时表，Using filesort表示需要进行排序。也就是需要进行排序操作。

对于InnoDB表来说，执行全字段排序能够减少对于磁盘的访问，所以会被优先选择。

而对于内存表来说，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。所以这时MySQL会优选选择rowid排序。

我们接下来再来梳理下这条语句的执行流程：

• 创建一个临时表，这个表使用memory引擎，表里有两个字段，第一个字段是double类型，记为R，第二个字段是varchar(64)类型，记为W。并且这个表没有索引。

• 从words表中，按主键顺序取出所有的word。对于每个word，调用rand()函数随机生成一个大于0小于1的随机小数，并把这个随机小数和word分别存入临时表的R和W字段中。

• 接下来就是按照字段R进行排序

• 初始化sort_buffer。sort_buffer有两个字段，一个是double类型，另一个是整型。

• 从内存临时表中一行行取出R值和位置信息，分别存入sort_buffer的两个字段里。

• sort_buffer按照R值进行排序

• 排序完成后，取出前三个结果的位置信息，到内存临时表中取出相应的word，返回给客户端。

流程示意图如下所示：

上面讲的位置信息，其实就是行所在的位置，也就是我们之前说的rowid。

对于InnoDB引擎来说，对于有没有主键表来说有两种处理方式：

• 对于有主键的InnoDB表来说，这个rowid就是主键id

• 对于没有主键的InnoDB表来说，这个rowid是由系统生成的，用来标识不同行。

因此，order by randn()使用了内存临时表，内存临时表的排序方法用的是rowid排序方法。

3. 磁盘临时表

不是所有的临时表都是内存临时表。tmp_table_size这个配置限制了内存临时表的大小，如果超过了这个大小，就会使用磁盘临时表。InnoDB引擎就是默认使用磁盘临时表。

4. 优先队列排序算法

在MySQL5.6之后，引入了优先队列排序算法，这种算法是不需要使用临时文件的。而原本的归并排序算法则是需要使用临时文件。

因为当你使用归并算法的时候，其实你只需要得到前3，但是你是用完归并排序，那已经整体有序了，造成了资源的浪费。

而优先队列排序算法则可以只取到前三，执行流程如下：

• 对于这10000个准备排序的(R,rowid)，先取前三行，构造成一个堆，并且将最大的值放在堆顶；

• 取下一行（R’,rowid’），跟当前堆里面最大的R比较，如果R’小于R，则把(R,rowid)从堆中去掉，换成（R’,rowid’）。

• 不断重复上面的过程。

流程如下图所示：

但是当limit的数比较大时，维护堆比较困难，所以又会使用归并排序算法。