集計関数を利用した場合のORDER BY高速化

Question

###前提・実現したいこと
ORDER BYをつけると激遅になります。
これを解決する方法はありませんか？

今のテーブルは500万行ですが、今後も増え続けます。

SELECT
	accounts.id,
	COUNT(CASE accounts.item WHEN 1 THEN 1 END) as count1,
	COUNT(CASE accounts.item WHEN 2 THEN 1 END) as count2
FROM
	accounts
GROUP BY
	accounts.id
LIMIT 10000;
-- Duration for 1 query: 0.063 sec. (+ 1.078 sec. network)

SELECT
	accounts.id,
	COUNT(CASE accounts.item WHEN 1 THEN 1 END) as count1,
	COUNT(CASE accounts.item WHEN 2 THEN 1 END) as count2
FROM
	accounts
GROUP BY
	accounts.id
ORDER BY
	count1,
	count2
LIMIT 10000;
-- Duration for 1 query: 40.610 sec. (+ 0.078 sec. network)

###補足情報(言語/FW/ツール等のバージョンなど)

• MariaDBのバージョン

Ver 15.1 Distrib 10.1.11-MariaDB, for Linux (x86_64) using readline 5.1

• テーブルのインデックス

accounts.idとaccounts.itemにINDEXはついています。
それぞれ単独でのキーをつけています。

• 実行計画（EXPLAINの結果）

• 複合キーを付けた場合（2016/05/17 14:02追記）

id, itemの順に複合キーをつけた場合早くなりました。
Duration for 1 query: 6.688 sec. (+ 1.406 sec. network)
しかし、1秒台ぐらいには抑えたいと思っております。

Comments

[KiyoshiMotoki]

インデックスは、"id"と"account"それぞれのカラムに単独のインデックスがついていますか？それとも複合インデックスですか？複合インデックスの場合、カラムを指定する順番はどうなっていますか？

[退会済みユーザー]

explain select 〜　の結果をご提示ください。

[aglkjggg]

お二方ご意見ありがとうございます。情報を追加しました。

[退会済みユーザー]

Explain の結果、見ることができませんよ。

[aglkjggg]

申し訳ありません。画像に変更しました。

Answer 1

DB 設計にそれほど詳しくないので、他のよい回答がなされることを期待しておりますが、高速化するための一つの方策は正規化レベルを落とすことではないかと思います。

今回の SQL を発行する場合、全レコードをなめないと COUNT() の値が出ませんし、それに基づいたソートもできないことになりますので、件数が増えると (主にソート処理で) さらに激重になると予想されます。

もし、データ登録時の時間が多少増えてもよいのであれば、count1、count2 相当は別テーブルに集計し (たとえば、count テーブルに key カラムと value カラムがある、とか)、SELECT 時は JOIN するとよいのではないでしょうか。
データ登録時にかかる時間との兼ね合いになりますが、おそらく count1, count2 相当のレコードにはインデックスを張り、場合によっては accounts テーブルの INSERT にトリガを設定して count テーブルを自動更新するとかも (MariaDB にトリガがあるのかは知りませんけれども)。

Answer 2

MySQLの設定ファイル(my.cnf/my.ini)にsort_buffer_sizeという設定がありますので、
メモリをガンガンつかってもよいのであれば、これを拡張しても高速化が見込めるかと。

Comments

[aglkjggg]

query_cache_type = 1
query_cache_size = 512M
query_cache_limit = 128M

このように設定した所2回目以降のクエリは爆速になりました。
query: 0.031 sec. (+ 1.000 sec. network)

しかしメモリを使う為SQLの書き方で改善できない場合のみ利用したいと思います。

[koufukurairai]

キャッシュのメモリを拡張することと、バッファを拡張することは別ですが、バッファじゃ早くなりませんでしたか？

[aglkjggg]

申し訳ありません＞＜
大いにミスリードして、
勝手に「sort_buffer_size」が「query_cache_...」に脳内変換されてました・・・。
結論からすると早くなりませんでした。

query_cache_type=0
#query_cache_size = 512M
#query_cache_limit = 128M
にした後、
sort_buffer_size = 512M
としました。

Duration for 1 query: 42.010 sec. (+ 0.080 sec. network)

Answer 3

Limit10000としていますが、上位10000には明らかに届かない値がわかっているなら、それをあらかじめ省いてソート対象行を減らすなどどうでしょう？

例えばcount1の平均値以上は上位10000件には絶対に含まれない場合、次のようなイメージです。
※実際に環境を準備できないので、早くなるのかわかりません...
(また動作テストもしていません。AVGの中でサブクエリ動作しましたっけ？)

SELECT
    accounts.id,
    COUNT(CASE accounts.item WHEN 1 THEN 1 END) as count1,
    COUNT(CASE accounts.item WHEN 2 THEN 1 END) as count2
FROM
    accounts
GROUP BY
    accounts.id
HAVING COUNT(CASE item WHEN 1 THEN 1 END) < AVG(
    SELECT COUNT(item)
    FROM accounts
    WHERE item = 1
)
ORDER BY
    count1,
    count2
LIMIT 10000;

Comments

[hirohiro]

HAVINGの仕様を良く知らないまま書いてしまいましたが、ひょっとすると実行前に対象列のソートを行うかも知れません。もしそうならSQLが遅くなるだけだったかも...
(
SELECT id,count1
FROM(
SELECT id, COUNT(item) as count1
FROM accounts
WHERE item = 1
GROUP BY id
) d1
WHERE count1 > 1000
)
サブクエリ階層が深くなって複雑化しますが、こういうのに、count2の集計結果をjoinしてソートするほうがいいかも知れません。
※これはcount1が1000以上の行は明らかに上位10000に届かないことが解っている場合。

[aglkjggg]

ご回答有り難うございます。

しかし、値はcount1, count2のどちらも1,2,3,4のどれかとなり、
一定値以下（以上）での判定はでなかなか難しいです。
（1の値が多いという、値の偏りがかなり強いです。）

[hirohiro]

なるほど。ちょっとSQLや質問の本質とは離れますが、
>>count1, count2のどちらも1,2,3,4のどれか
ということは、16通りの組み合わせしか無いことになります。
それをソートして上位10000件を取り出すとしても、10000番と10001番に差は無いのでは無いでしょうか？
むしろ10000番付近は同じ値がずっと並んでいると思います。
そうすると、それより上位の値は確実に抽出候補になり、境界を含む値はどれが選ばれても良いわけなので、ソートする必要がない。ということに成りませんかね？
1.　count1=1,count2=1の行を抽出して、行数をカウント
2-1.　10000未満ならはcount1=1,count2=2の行を抽出して、行数をカウント
3-1.　合計行数が10000未満なら...
3-2.　10000以上なら2-1から丁度合計が10000になるだけ適当に抽出して1-1と連結
こんな事が出きれば良いわけですが、プロシージャで作ってみるのも手かも知れません。

Answer 4

CREATE TEMPORARY TABLES権限が必要となりますが、インデックス付きの一時テーブルを利用してみてはいかがでしょうか？
https://mariadb.com/kb/en/mariadb/create-table/

例えば、以下のような感じです。

CREATE TEMPORARY TABLE tmp (
    id INT NOT NULL,
    count1 INT NOT NULL,
    count2 INT NOT NULL,

    INDEX (count1, count2)
);

INSERT INTO tmp SELECT
    accounts.id,
    COUNT(CASE accounts.item WHEN 1 THEN 1 END) as count1,
    COUNT(CASE accounts.item WHEN 2 THEN 1 END) as count2
FROM
    accounts
GROUP BY
    accounts.id;

SELECT id, count1, count2 FROM tmp ORDER BY count1, count2 LIMIT 10000;

Comments

[aglkjggg]

ご回答有り難うございます。
しかし、2番目のクエリ（INSERT INTO）に時間がとてもかかりました。
accountsテーブルにある行数分（今は500万行）を一時表にINSERTする為、
相当な時間がかかってしまっているようです。

最終的に、3番目のクエリ（SELECT)の結果取得までに1分以上かかってしまいました。
Duration for 3 queries: 00:01:18 (+ 0.063 sec. network)

Answer 5

ソート対象のレコード数が多いですね。

以下のSQLは全く同じ環境・テーブルで試したわけではないのでダメだったらスルーして下さい。
(こちらでは130万レコード程度で試しました)

SELECT
    tmp_accounts.id,
    tmp_accounts.count1,
    tmp_accounts.count2
  FROM (SELECT accounts.id,
               COUNT(CASE accounts.item WHEN 1 THEN 1 END) as count1,
               COUNT(CASE accounts.item WHEN 2 THEN 1 END) as count2
          FROM
            accounts
          GROUP BY
            accounts.id
          LIMIT 10000) as tmp_accounts
  ORDER BY
    tmp_accounts.count1,
    tmp_accounts.count2 ;

Comments

[tonarino210]

スルーして下さい。豪快に勘違いしておりました・・・orz

Answer 6

私はMySqlでそこまでの件数を扱ったことがないのでやったことがないのですが、Order byにもインデックスが使われるのではなかったでしょうか。

count1とcount2の複合インデックスを試してみられてはどうでしょう。

Comments

[aglkjggg]

ご回答有り難うございます。
しかし、count1とcount2はCOUNT関数を利用し、accounts.itemを数えたものです。
INDEXを付けたいとは思いましたが、COUNT関数を利用した結果ですので不可能でした。

[munyagu]

ああ、申し訳ありません、そこまで見れていませんでした。