MySQL RDS环境下SELECT DISTINCT语句异常运行行为分析

我创建了一个2TB的MySQL RDS实例，导入了总容量1.5TB的2张表：

+----------+---------------------------+------------+
| Database | Table                     | Size in MB |
+----------+---------------------------+------------+
| stam_db  | owl                       | 1182043.00 |
| stam_db  | owl_owners                |  393695.00 |
+----------+---------------------------+------------+

实例规格为db.m6g.2xlarge，配置6000预配置IOPS。
我执行以下查询获取前10条无重复行（表内实际无重复行）：

SELECT  DISTINCT *
FROM    owl
ORDER BY
        name
LIMIT 10;

该查询运行2小时仍未结束，同时观测到以下指标异常：

• 可用存储空间以每分钟2.2GB的速度下降
  
• 写入IOPS骤升至每秒600-700
  
• 读取IOPS高达每秒约1850
  
• 总IOPS仅在2400-2500区间，远低于预配置的6000
  
• CPU利用率始终维持在个位数低位
  

• 为什么SELECT DISTINCT语句会引发数据库大量写入？
• 为什么SELECT DISTINCT需要读取全表，而非仅获取前10行？
• 为什么RDS未用满分配的6000 IOPS？总IOPS仅达分配量的40%左右。

• 针对第一个疑问：大量写入是查询生成的临时表导致的，临时表的大小最高可达到原表的100%。
• 针对第二个疑问：所有需要排序阶段的查询大多需要依赖临时表，例如使用GROUP BY、ORDER BY或者DISTINCT的查询。这类查询分两个阶段执行：第一阶段收集全量数据存入临时表，第二阶段对临时表执行排序，完成排序后才能取到符合ORDER BY规则的前10行结果。因此即便是带LIMIT的排序查询，也需要先读取全表数据。
• 针对第三个疑问：MySQL创建临时表的代码效率存在瓶颈，无法充分利用全部6000 IOPS。

内容的提问来源于stack exchange，提问作者Gromit