MySQL 百萬級資料量分頁查詢方法及其最佳化

作者 | 大神養成記 原文 |  

方法1: 直接使用資料庫提供的SQL語句

• 語句樣式: MySQL中,可用如下方法: SELECT * FROM 表名稱 LIMIT M,N

• 適應場景: 適用於資料量較少的情況(元組百/千級)

• 原因/缺點: 全表掃描,速度會很慢 且 有的資料庫結果集返回不穩定(如某次返回1,2,3,另外的一次返回2,1,3). Limit限制的是從結果集的M位置處取出N條輸出,其餘拋棄.

方法2: 建立主鍵或唯一索引, 利用索引(假設每頁10條)

• 語句樣式: MySQL中,可用如下方法: SELECT * FROM 表名稱 WHERE id_pk > (pageNum*10) LIMIT M

• 適應場景: 適用於資料量多的情況(元組數上萬)

• 原因: 索引掃描,速度會很快. 有朋友提出: 因為資料查詢出來並不是按照pk_id排序的，所以會有漏掉資料的情況，只能方法3

方法3: 基於索引再排序

• 語句樣式: MySQL中,可用如下方法: SELECT * FROM 表名稱 WHERE id_pk > (pageNum*10) ORDER BY id_pk ASC LIMIT M

• 適應場景: 適用於資料量多的情況(元組數上萬). 最好ORDER BY後的列物件是主鍵或唯一所以,使得ORDERBY操作能利用索引被消除但結果集是穩定的(穩定的含義,參見方法1)

• 原因: 索引掃描,速度會很快. 但MySQL的排序操作,只有ASC沒有DESC(DESC是假的,未來會做真正的DESC,期待...).

方法4: 基於索引使用prepare

第一個問號表示pageNum，第二個？表示每頁元組數

• 語句樣式: MySQL中,可用如下方法: PREPARE stmt_name FROM SELECT * FROM 表名稱 WHERE id_pk > (？* ？) ORDER BY id_pk ASC LIMIT M

• 適應場景: 大資料量

• 原因: 索引掃描,速度會很快. prepare語句又比一般的查詢語句快一點。

方法5: 利用MySQL支援ORDER操作可以利用索引快速定位部分元組,避免全表掃描

比如: 讀第1000到1019行元組(pk是主鍵/唯一鍵).

SELECT * FROM your_table WHERE pk>=1000 ORDER BY pk ASC LIMIT 0,20

方法6: 利用"子查詢/連線+索引"快速定位元組的位置,然後再讀取元組. 

比如(id是主鍵/唯一鍵,藍色字型時變數)

利用子查詢示例:

SELECT * FROM your_table WHERE id <= 
(SELECT id FROM your_table ORDER BY id desc LIMIT ($page-1)*$pagesize ORDER BY id desc 
LIMIT $pagesize

利用連線示例:

SELECT * FROM your_table AS t1 
JOIN (SELECT id FROM your_table ORDER BY id desc LIMIT ($page-1)*$pagesize AS t2 
WHERE t1.id <= t2.id ORDER BY t1.id desc LIMIT $pagesize;

mysql大資料量使用limit分頁，隨著頁碼的增大，查詢效率越低下。

測試實驗

1.   直接用limit start, count分頁語句， 也是我程式中用的方法：

select * from product limit start, count

當起始頁較小時，查詢沒有效能問題，我們分別看下從10， 100， 1000， 10000開始分頁的執行時間（每頁取20條）。

如下：

select * from product limit 10, 20   0.016秒
select * from product limit 100, 20   0.016秒
select * from product limit 1000, 20   0.047秒
select * from product limit 10000, 20   0.094秒

我們已經看出隨著起始記錄的增加，時間也隨著增大， 這說明分頁語句limit跟起始頁碼是有很大關係的，那麼我們把起始記錄改為40w看下（也就是記錄的一般左右）     

select * from product limit 400000, 20   3.229秒

再看我們取最後一頁記錄的時間

select * from product limit 866613, 20   37.44秒

像這種分頁最大的頁碼頁顯然這種時間是無法忍受的。

從中我們也能總結出兩件事情：

1. limit語句的查詢時間與起始記錄的位置成正比

2. mysql的limit語句是很方便，但是對記錄很多的表並不適合直接使用。

2.   對limit分頁問題的效能最佳化方法

利用表的覆蓋索引來加速分頁查詢
我們都知道，利用了索引查詢的語句中如果只包含了那個索引列（覆蓋索引），那麼這種情況會查詢很快。

因為利用索引查詢有最佳化演算法，且資料就在查詢索引上面，不用再去找相關的資料地址了，這樣節省了很多時間。另外Mysql中也有相關的索引快取，在併發高的時候利用快取就效果更好了。

在我們的例子中，我們知道id欄位是主鍵，自然就包含了預設的主鍵索引。現在讓我們看看利用覆蓋索引的查詢效果如何。

這次我們之間查詢最後一頁的資料（利用覆蓋索引，只包含id列），如下：

select id from product limit 866613, 20 0.2秒

相對於查詢了所有列的37.44秒，提升了大概100多倍的速度

那麼如果我們也要查詢所有列，有兩種方法，一種是id>=的形式，另一種就是利用join，看下實際情況：

SELECT * FROM product WHERE ID > =(select id from product limit 866613, 1) limit 20

查詢時間為0.2秒！

另一種寫法

SELECT * FROM product a JOIN (select id from product limit 866613, 20) b ON a.ID = b.id

查詢時間也很短！

3.  複合索引最佳化方法

MySql 效能到底能有多高？MySql 這個資料庫絕對是適合dba級的高手去玩的，一般做一點1萬篇新聞的小型系統怎麼寫都可以，用xx框架可以實現快速開發。可是資料量到了10萬，百萬至千萬，他的效能還能那麼高嗎？一點小小的失誤，可能造成整個系統的改寫，甚至更本系統無法正常執行！好了，不那麼多廢話了。

用事實說話，看例子：

資料表 collect ( id, title ,info ,vtype) 就這4個欄位，其中 title 用定長，info 用text, id 是逐漸，vtype是tinyint，vtype是索引。這是一個基本的新聞系統的簡單模型。現在往裡面填充資料，填充10萬篇新聞。最後collect 為 10萬條記錄，資料庫表佔用硬1.6G。

OK ,看下面這條sql語句：

select id,title from collect limit 1000,10;

很快；基本上0.01秒就OK，再看下面的

select id,title from collect limit 90000,10;

從9萬條開始分頁，結果？

8-9秒完成，my god 哪出問題了？其實要最佳化這條資料，網上找得到答案。看下面一條語句:

select id from collect order by id limit 90000,10;

很快，0.04秒就OK。 為什麼？因為用了id主鍵做索引當然快。網上的改法是：

select id,title from collect where id>=(select id from collect order by id limit 90000,1) limit 10;

這就是用了id做索引的結果。可是問題複雜那麼一點點，就完了。看下面的語句

select id from collect where vtype=1 order by id limit 90000,10; 很慢，用了8-9秒！

到了這裡我相信很多人會和我一樣，有崩潰感覺！vtype 做了索引了啊？怎麼會慢呢？vtype做了索引是不錯，你直接

select id from collect where vtype=1 limit 1000,10;

是很快的，基本上0.05秒，可是提高90倍，從9萬開始，那就是0.05*90=4.5秒的速度了。和測試結果8-9秒到了一個數量級。

從這裡開始有人提出了分表的思路，這個和dis #cuz 論壇是一樣的思路。思路如下：

建一個索引表： t (id,title,vtype) 並設定成定長，然後做分頁，分頁出結果再到 collect 裡面去找info 。 是否可行呢？實驗下就知道了。

10萬條記錄到 t(id,title,vtype) 裡，資料表大小20M左右。用

select id from t where vtype=1 order by id limit 90000,10;

很快了。基本上0.1-0.2秒可以跑完。為什麼會這樣呢？我猜想是因為collect 資料太多，所以分頁要跑很長的路。limit 完全和資料表的大小有關的。其實這樣做還是全表掃描，只是因為資料量小，只有10萬才快。OK， 來個瘋狂的實驗，加到100萬條，測試效能。加了10倍的資料，馬上t表就到了200多M，而且是定長。還是剛才的查詢語句，時間是0.1-0.2秒完成！分表效能沒問題？

錯！因為我們的limit還是9萬，所以快。給個大的，90萬開始

select id from t where vtype=1 order by id limit 900000,10;

看看結果，時間是1-2秒！why ?

分表了時間還是這麼長，非常之鬱悶！有人說定長會提高limit的效能，開始我也以為，因為一條記錄的長度是固定的，mysql 應該可以算出90萬的位置才對啊？可是我們高估了mysql 的智慧，他不是商務資料庫，事實證明定長和非定長對limit影響不大？怪不得有人說discuz到了100萬條記錄就會很慢，我相信這是真的，這個和資料庫設計有關！

難道MySQL 無法突破100萬的限制嗎？？？到了100萬的分頁就真的到了極限？

答案是： NO 為什麼突破不了100萬是因為不會設計mysql造成的。下面介紹非分表法，來個瘋狂的測試！一張表搞定100萬記錄，並且10G 資料庫，如何快速分頁！

好了，我們的測試又回到 collect表，開始測試結論是：

30萬資料，用分表法可行，超過30萬他的速度會慢道你無法忍受！當然如果用分表+我這種方法，那是絕對完美的。但是用了我這種方法後，不用分表也可以完美解決！
答案就是：複合索引！ 有一次設計mysql索引的時候，無意中發現索引名字可以任取，可以選擇幾個欄位進來，這有什麼用呢？

開始的 

select id from collect order by id limit 90000,10;

這麼快就是因為走了索引，可是如果加了where 就不走索引了。抱著試試看的想法加了 search(vtype,id) 這樣的索引。

然後測試

select id from collect where vtype=1 limit 90000,10;

非常快！0.04秒完成！

再測試: 

select id ,title from collect where vtype=1 limit 90000,10;

非常遺憾，8-9秒，沒走search索引！

再測試：search(id,vtype)，還是select id 這個語句，也非常遺憾，0.5秒。

綜上：如果對於有where 條件，又想走索引用limit的，必須設計一個索引，將where 放第一位，limit用到的主鍵放第2位，而且只能select 主鍵！

完美解決了分頁問題了。可以快速返回id就有希望最佳化limit ， 按這樣的邏輯，百萬級的limit 應該在0.0x秒就可以分完。看來mysql 語句的最佳化和索引時非常重要的！