group-by - mysql group by原理？

Question

我们知道，在mysql中执行以下语句会报错：

select count(*),concat(version(),floor(rand(0)*2))x from information_schema.tables group by x

会提示#1062 - Duplicate entry '5.6.171' for key 'group_key' ，主键重复了。

group by 实际是将查询到的每列插入到临时表中，然后再排序。那为什么插入包含一个随机数的值就会主键重复呢？

看到这个解释：http://www.jinglingshu.org/?p=4507

“通过floor报错的方法来爆数据的本质是group by语句的报错。group by语句报错的原因是floor(random(0)*2)的不确定性，即可能为0也可能为1（group by key的原理是循环读取数据的每一行，将结果保存于临时表中。读取每一行的key时，如果key存在于临时表中，则不在临时表中则更新临时表中的数据；如果该key不存在于临时表中，则在临时表中插入key所在行的数据。group by floor(random(0)*2)出错的原因是key是个随机数，检测临时表中key是否存在时计算了一下floor(random(0)*2)可能为0，如果此时临时表只有key为1的行不存在key为0的行，那么数据库要将该条记录插入临时表，由于是随机数，插时又要计算一下随机值，此时floor(random(0)*2)结果可能为1，就会导致插入时冲突而报错。即检测时和插入时两次计算了随机数的值。具体原理参考：http://www.mysqlops.com/2012/05/15/mysql-sql-analyze.html）。”

好像很有道理，按照这个说法，floor(rand(0)*2)可能产生0或1。那每次执行上述SQL，有50%几率应该是可以执行成功的。但实际每次执行都是失败的。是跟rand生成随机数有关吗？

然后我又做了一些试验：
试验1

换成select count(*),concat(version(),floor(rand(0)*1))x from information_schema.tables group by x，SQL语句每次都能成功，这个也可以理解，每次值都一样。

试验2

换成select count(*),concat(version(),rand(0)*2)x from information_schema.tables group by x。实际是能执行成功的。而是用floor取整后反而失败。

试验3

换成select count(*),concat(version(),floor(rand(0)*100))x from information_schema.tables group by x。失败

试验3

换成select count(*),concat(version(),floor(rand(0)*100000))x from information_schema.tables group by x。失败

试验4

换成select count(*),concat(version(),floor(rand(0)*1000000))x from information_schema.tables group by x。成功。

由于是随机数，插时又要计算一下随机值，此时floor(random(0)*2)结果可能为1，就会导致插入时冲突而报错。即检测时和插入时两次计算了随机数的值

这就解释不通了。随机数的值大到一定程度，又可以执行成功了？

为什么group by floor(rand(0)*2会提示主键重复呢？group by原理是什么？

Answer 1

“按照这个说法，floor(rand(0)*2)可能产生0或1。那每次执行上述SQL，有50%几率应该是可以执行成功的。”这个应该是rand函数是伪随机，所以给定种子每次执行的结果是一样的，可以用select rand（0）from information_schema来验证，多次执行后，结果相同。

group by的执行过程，是扫描过程，会建立临时表来在验证key。但是楼主的问题，我也在思考，期待高手解惑。

另外除了你描述的问题外，还有一个现象。对于不同的种子，成功和失败的情况也是不一样的，如下图。

Answer 2

select count(*),concat(version(),'-',floor(rand(0)*100000))x
from information_schema.tables 
group by x

执行结果：[Err] 1062 - Duplicate entry '5.5.20-log-95655' for key 'group_key'
说明：执行floor(rand(0)*100000)结果中包含多个数值等于95655的项

证明

select count(*),concat(version(),'-',floor(rand(0)*1000000))x from information_schema.tables group by x
执行结果：