1、分頁查詢：一般寫法

一個比較常見的寫法

SELECT * FROM tableName where kid=1342 and type=1 order id asc limit 149420, 20;

該SQL是一個經典的排序+分頁查詢

order by col limit N,M

MySQL 執行此類SQL時需要先掃描到N行，然后再去取M行。對于此類操作，獲取前面少數幾行數據會很快，但是隨著掃描的記錄數越多，SQL的性能就會越差，因為N的值越大，MySQL需要掃描越多的數據來定位到具體的N行，這樣耗費大量的 IO 成本和時間成本。

舉例說明

-- 表名：user -- 主鍵：id -- 索引：key idx_uid_type(uid, type) select * from user where uid =3 and type=1 order by id desc 8,2;

MySQL 是如何執行上面的sql 的？ 對于Innodb表，系統是根據 idx_uid_type二級索引里面包含的主鍵去查找對應的行，也就是會通過主鍵在進行一次回表查詢。

對于百萬千萬級別的數據而言，索引大小可能和數據大小相差無幾，cache在內存中的索引數量有限，而且二級索引和數據葉子節點不在同一個物理塊兒上存儲，二級索引與主鍵的相對無序映射關系，也會帶來大量的隨機IO請求，N值越大越需要遍歷大量索引頁和數據葉，需要耗費的時間就越久。

我們來思考一個問題，是否需要完全遍歷“無效的數據”？如果我們需要limit 8，2；我們跳過前面8行無關的數據頁遍歷，可以直接通過索引定位到第9，第10行，這樣操作是不是更快了？

2、分頁查詢：延遲關聯查詢

核心思思：通過使用覆蓋索引查詢返回需要的主鍵，再根據主鍵關聯原表獲得需要的數據，而不是通過二級索引獲取主鍵，再通過主鍵去遍歷數據頁（回表）。

SELECT a.id as id, clientid, adminid, kdtid, type, token, createdtime, updatetime, isvalid, version FROM t1 a, (SELECT id FROM t1 WHERE 1 and client_id = 'xxx' and is_valid= '1' order by kdt_id asc limit 267100,100 ) b WHERE a.id = b.id;

上述SQL中的子查詢只取主鍵id，可避免通過二級索引中的主鍵去回表查詢，這樣性能會快一些。

像上述案例，當offset變得超級大時，會引發一個問題，它有一個專門的術語，叫深度分頁。

深度分頁問題，是個很惡心的問題，其惡心之處，在于這個問題，它其實無解。目前不管是mysql還是es都沒有很好的方法去解決這個問題。只能通過限制查詢數量或分批獲取的方式進行規避。

3、分頁查詢：基于上次最新主鍵查詢

核心思想：通過主鍵索引，每次定位到id在哪，然后往后遍歷N個數據，這樣不管是多少數據，查詢性能都很穩定。將所有數據根據主鍵id進行排序，然后分批次取，將當前批次的最大id作為下次篩選的條件進行查詢。

針對上面的延遲關聯查詢案例，我們使用基于上次最新主鍵查詢來進行優化，如下：

SELECT * FROM t1 where clientid='xxxxx' and isvalid=1 and id<47399727 order by id desc LIMIT 100;

一般情況下該方式有如下兩步：
首先，要獲取復合條件的記錄的最大id和最小id(默認id是主鍵)

select max(id) as maxid ,min(id) as minid from t where kid=2333 and type=1;

其次，根據id大于最小值或者小于最大值 進行遍歷。

select xx,xx from t where kid=2333 and type=1 and id >=min_id order by id asc limit 100; select xx,xx from t where kid=2333 and type=1 and id <=max_id order by id desc limit 100;

4、小結

從上面的案例來講，基于上次最新主鍵查詢的方式直接定位到主鍵起始位點，然后過濾所需要的數據， 相對比延遲關聯查詢的方式，其查詢速度更快些，查找數據的時候少了二級索引掃描。

當遇到深度分頁的問題，多思考其原始需求，大部分時候是不應該出現深度分頁的場景的，必要時多去影響產品經理或需求方。

總結

以上是生活随笔為你收集整理的MYSQL深度分页的常见优化方案的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。