【面經】面試官：如何以高的效率從MySQL中隨機查詢一條記錄？
作者個人研發的在高并發場景下，提供的簡單、穩定、可擴展的延遲消息隊列框架，具有精準的定時任務和延遲隊列處理功能。自開源半年多以來，已成功為十幾家中小型企業提供了精準定時調度方案，經受住了生產環境的考驗。為使更多童鞋受益，現給出開源框架地址：https://github.com/sunshinelyz/mykit-delay
寫在前面
MySQL數據庫在互聯網行業使用的比較多，有些小伙伴可能會認為MySQL數據庫比較小，存儲不了很多的數據。其實，這些小伙伴是真的不了解MySQL。MySQL的小不是說使用MySQL存儲的數據少，而是說其體積小，比較輕量。使用MySQL完全可以存儲千億級別的數據，這個我會在后面的文章中來給小伙伴們分享如何使用MySQL存儲千億級別以上的數據。或者小伙伴們可以提前預定我的新書《MySQL技術大全：開發、優化與運維實戰》。好了，說了這么多，今天給大家分享一篇有關MySQL的經典面試題：如何以最高的效率從MySQL中隨機查詢一條記錄?
面試題目
如何從MySQL一個數據表中查詢一條隨機的記錄，同時要保證效率最高。
從這個題目來看，其實包含了兩個要求，第一個要求就是：從MySQL數據表中查詢一條隨機的記錄。第二個要求就是要保證效率最高。
接下來，我們就來嘗試使用各種方式來從MySQL數據表中查詢數據。
方法一
這是最原始最直觀的語法，如下：
- SELECT * FROM foo ORDER BY RAND() LIMIT 1
當數據表中數據量較小時，此方法可行。但當數據量到達一定程度，比如100萬數據或以上，就有很大的性能問題。如果你通過EXPLAIN來分析這個 語句，會發現雖然MySQL通過建立一張臨時表來排序，但由于ORDER BY和LIMIT本身的特性，在排序未完成之前，我們還是無法通過LIMIT來獲取需要的記錄。亦即，你的記錄有多少條，就必須首先對這些數據進行排序。
方法二
看來對于大數據量的隨機數據抽取，性能的癥結出在ORDER BY上，那么如何避免?方法二提供了一個方案。
首先，獲取數據表的所有記錄數：
- SELECT count(*) AS num_rows FROM foo
然后，通過對應的后臺程序記錄下此記錄總數(假定為num_rows)。
然后執行：
- SELECT * FROM foo LIMIT [0到num_rows之間的一個隨機數],1
上面這個隨機數的獲得可以通過后臺程序來完成。此方法的前提是表的ID是連續的或者自增長的。
這個方法已經成功避免了ORDER BY的產生。
方法三
有沒有可能不用ORDER BY，用一個SQL語句實現方法二?可以，那就是用JOIN。
- SELECT * FROM Bar B JOIN (SELECT CEIL(MAX(ID)*RAND()) AS ID FROM Bar) AS m ON B.ID >= m.ID LIMIT 1;
此方法實現了我們的目的，同時，在數據量大的情況下，也避免了ORDER BY所造成的所有記錄的排序過程，因為通過JOIN里面的SELECT語句實際上只執行了一次，而不是N次(N等于方法二中的num_rows)。而且， 我們可以在篩選語句上加上“大于”符號，還可以避免因為ID好不連續所產生的記錄為空的現象。
在MySQL中查詢5條不重復的數據，使用以下：
- SELECT * FROM `table` ORDER BY RAND() LIMIT 5
就可以了。但是真正測試一下才發現這樣效率非常低。一個15萬余條的庫，查詢5條數據，居然要8秒以上
搜索Google，網上基本上都是查詢max(id) * rand()來隨機獲取數據。
- SELECT *
- FROM `table` AS t1 JOIN (SELECT ROUND(RAND() * (SELECT MAX(id) FROM `table`)) AS id) AS t2
- WHERE t1.id >= t2.id
- ORDER BY t1.id ASC LIMIT 5;
但是這樣會產生連續的5條記錄。解決辦法只能是每次查詢一條，查詢5次。即便如此也值得，因為15萬條的表，查詢只需要0.01秒不到。
上面的語句采用的是JOIN，mysql的論壇上有人使用
- SELECT *
- FROM `table`
- WHERE id >= (SELECT FLOOR( MAX(id) * RAND()) FROM `table` )
- ORDER BY id LIMIT 1;
我測試了一下，需要0.5秒，速度也不錯，但是跟上面的語句還是有很大差距。總覺有什么地方不正常。
于是我把語句改寫了一下。
- SELECT * FROM `table`
- WHERE id >= (SELECT floor(RAND() * (SELECT MAX(id) FROM `table`)))
- ORDER BY id LIMIT 1;
這下，效率又提高了，查詢時間只有0.01秒
最后，再把語句完善一下，加上MIN(id)的判斷。我在最開始測試的時候，就是因為沒有加上MIN(id)的判斷，結果有一半的時間總是查詢到表中的前面幾行。
完整查詢語句是：
- SELECT * FROM `table`
- WHERE id >= (SELECT floor( RAND() * ((SELECT MAX(id) FROM `table`)-(SELECT MIN(id) FROM `table`)) + (SELECT MIN(id) FROM `table`)))
- ORDER BY id LIMIT 1;
- SELECT *
- FROM `table` AS t1 JOIN (SELECT ROUND(RAND() * ((SELECT MAX(id) FROM `table`)-(SELECT MIN(id) FROM `table`))+(SELECT MIN(id) FROM `table`)) AS id) AS t2
- WHERE t1.id >= t2.id
- ORDER BY t1.id LIMIT 1;
最后對這兩個語句進行分別查詢10次，
前者花費時間 0.147433 秒，后者花費時間 0.015130 秒
看來采用JOIN的語法比直接在WHERE中使用函數效率還要高很多。
本文轉載自微信公眾號「冰河技術」，可以通過以下二維碼關注。轉載本文請聯系冰河技術公眾號。
