SQL ORDER BY有多昂貴？

Question

我不太瞭解SQL命令如何對大型結果集進行排序。它是否在內存中完成（即當查詢被執行時）？

在SQL中使用ORDER BY進行排序的速度會比使用Java這樣的語言（假設使用快速排序的快速內置排序）對包含結果的對象鏈表進行排序要快嗎？

Answer 1

對數據庫中的數據進行排序幾乎肯定會更高效。數據庫旨在處理大量數據。中間層不可用的數據庫有多種優化可用。如果您打算在中間層編寫一個超高效的排序例程，該例程利用了您對數據所沒有的信息（數據庫沒有）（例如，將數據集中到一個數十臺中間層機器集羣中，以便排序永遠不會泄漏到磁盤上，利用數據大部分命令選擇一種通常不會特別有效的算法的事實），您可能會超出數據庫的排序速度。但這往往是罕見的。

根據查詢，例如，數據庫優化程序可能會選擇一個查詢計劃，該計劃按順序返回數據，而不執行排序。例如，數據庫知道索引中的數據是已排序的，因此它可以選擇執行索引掃描來按順序返回數據，而不必實現和排序整個結果集。如果它必須實現整個結果，它只需要你正在排序的列和某種行標識符（例如Oracle中的ROWID），而不是排序整行數據，就像天真的中間層實現可能會做的那樣。例如，如果在（col1，col2）上有複合索引，並且您決定在UPPER（col2），LOWER（col1）上進行排序，則數據庫可以從索引讀取col1 & col2值，對行標識符進行排序，以及然後從表中獲取數據。當然，數據庫不必這樣做 - 優化器將考慮對從表或各種索引獲取數據的成本進行排序的成本。數據庫可能會得出結論：最有效的方法是執行表掃描，將整行讀入內存並對其進行分類。它可以得出結論，利用索引可以獲得更多的I/O來獲取數據，但通過減少或消除排序成本來彌補。

Answer 2

答案是......它取決於。如果可以通過使用數據庫中的索引來完成ORDER BY部分，那麼查詢的執行計劃將使用該索引，並且結果將直接從數據庫以正確的順序返回。如果沒有，那麼數據庫將執行排序，但它可能比您將所有結果讀入內存更好（當然，要比將結果讀入鏈接的列表更好）。

Answer 3

確切的方法取決於您使用的產品，但通常全功能的DBMS具有多種排序算法供您使用。一些在磁盤上工作，隨着時間的推移優化空間，一些在內存中工作，優化速度。如果您對血腥細節感興趣，請查看可用開源代碼的源代碼。

儘管可能存在病理情況，例如某些操作系統的qsort()在某些數據分佈方面存在問題，但通過自行排序或使用其他庫可能會獲得更好的結果。如果您必須嘗試一下，但更喜歡使用DBMS來管理您的數據，因爲這是他們擅長的。

Answer 4

除非排序基於索引，如果您使用數據庫排序，則可以保證您將等待整個結果集在數據庫中解析並排序，然後才能看到結果集的單個行。

如果您排序它自己的數據可以增量流（網絡受限的環境更好），也許增量有用的應用減少執行延遲即使分揀操作消耗的總時間相同。

根據部署方案，可能有很大的不同，其中與分類相關的額外費用應當支付。在與中間層一起工作的情況下，它是一次性和可擴展的，而數據層向外擴展則更昂貴。如果它花費相同的CPU，但數據庫CPU在運營成本方面的成本是5倍或10倍，那麼在數據庫之外進行實際操作會更便宜。