mysql千万条据下的分页

1.1. 背景

对于开发来说，分页功能碰到的频率还是算蛮高的，基本上在每个模块中都需要都会遇到列表分页的功能。他们实现的都很快，因为基本上只要把之前的代码改改就OK了。他们的实现基本是是如下语句：

SELECT * FROM goods WHERE user_id = 4 LIMIT 1000 , 20 ;
. . . omit . . .
20 rows in set ( 0.11 sec )

像这样的语句对数据量小或偏移量小的时候是十分快的。但是当数据量大并且偏移量大的时候就会有问题了。如下：

SELECT * FROM goods WHERE user_id = 4 LIMIT 500000 , 20 ;
. . . omit . . .
20 rows in set ( 7.84 sec )

为什么会这样就不说了。下面给出优化的过程。

1.2. 构建数据

--创建商品表

DROP TABLE IF EXISTS goods ;
CREATE TABLE goods (
   id bigint ( 20 ) unsigned NOT NULL AUTO_INCREMENT ,
   good_name VARCHAR ( 50 ) NOT NULL ,
   user_id TINYINT unsigned NOT NULL ,
   PRIMARY KEY ( ` id ` )
) ;

--创建批量添加数据存储过程

--下面创建数据可能需要一点时间

DROP PROCEDURE IF EXISTS insert_batch ;
DELIMITER //
CREATE PROCEDURE insert_batch ( )
BEGIN
   DECLARE num INT ;
   DECLARE user_id TINYINT ;
   SET num = 1 ;
   WHILE num <= 100000 DO
     SELECT FLOOR ( RAND ( ) * 10 + 1 ) INTO user_id ;
     INSERT INTO goods VALUES ( NULL , REPEAT ( 'X' , 50 ) , user_id ) ;
     SET num = num + 1 ;
   END WHILE ;
   SET num = 1 ;
   WHILE num <= 7 DO
     INSERT INTO goods SELECT NULL , good_name , user_id FROM goods ;
     SET num = num + 1 ;
   END WHILE ;
 
END //

DELIMITER ;

--调用存储过程

CALL insert_batch ( ) ;

--添加索引

ALTER TABLE goods
ADD INDEX idx $ goods $ user_id ( user_id ) ;
 
SELECT user_id , COUNT ( * ) FROM goods GROUP BY user_id ;
+ -- -- -- -- - + -- -- -- -- -- +
| user_id | COUNT ( * ) |
+ -- -- -- -- - + -- -- -- -- -- +
|        1 |      10089 |
|        2 |      10077 |
|        3 |      9944 |
|        4 | 12710074 |
|        5 |      10011 |
|        6 |      9925 |
|        7 |      9950 |
|        8 |      10149 |
|        9 |      9949 |
|        10 |      9832 |
+ -- -- -- -- - + -- -- -- -- -- +

这边我们以数据最多的user_id=4的记录来模拟

1.3. 优化规则

让所有结果集数据最小化。如果是临时表，还是行数据还是列数据都让结果最小化，还有就是临时结果集尽量不走主键索引，走二级索引。

1.4. 模拟

现在我们需要查询用户4在10000000后20条数据

1、通过user_id找到主键ID(让列结果最小化)

SELECT id FROM goods WHERE user_id = 4 LIMIT 10000000 , 20 ;
10343427
. . . omit . . .
10343446
20 rows in set ( 1.83 sec )

2、通过获得的主键ID寻找需要的数据,这边我就不使用python来演示了。在程序里面就需要拼出IN里面的条件。

SELECT *
FROM goods
WHERE id IN (
   10343427 , 10343428 , 10343429 , 10343430 , 10343431 ,
   10343432 , 10343433 , 10343434 , 10343435 , 10343436 ,
   10343437 , 10343438 , 10343439 , 10343440 , 10343441 ,
   10343442 , 10343443 , 10343444 , 10343445 , 10343446
) ;
+ -- -- -- -- -- + -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- + -- -- -- -- - +
| id        | good_name                                            | user_id |
+ -- -- -- -- -- + -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- + -- -- -- -- - +
| 10343427 | XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX |        4 |
. . . omit . . .
20 rows in set ( 0.01 sec )

1.5. 进一步优化

其实上面我们还能让结构级变少。来看下面列表简图:

在网页的分页按钮基本省都是一个连接，或者通过jquery时间分页。我们可以在按钮上添加两个属性参数为max_id和min_id。分别记录的是当前页数据的最小ID和最大ID(如：min_max=10343427、max_id=10343446)。

查找数据如下：

1、通过user_id找到主键ID(让列结果最小化)

如果是点击下一页

SELECT id FROM goods WHERE id > 10343446 AND user_id = 4 LIMIT 0 , 20 ;
+ -- -- -- -- -- +
| id        |
+ -- -- -- -- -- +
| 10343447 |
. . . omit . . .
20 rows in set ( 0.02 sec )

如果是点击上一页(上一页会比下一页性能来的差一点，因为有用到排序)

SELECT id FROM goods WHERE id < 10343427 AND user_id = 4
ORDER BY id DESC
LIMIT 0 , 20 ;

2、通过获得的主键ID寻找需要的数据

SELECT *
FROM goods
WHERE id IN (
   10343447 , 10343448 , 10343449 , 10343450 , 10343451 ,
   10343452 , 10343453 , 10343454 , 10343455 , 10343456 ,
   10343457 , 10343458 , 10343459 , 10343460 , 10343461 ,
   10343462 , 10343463 , 10343464 , 10343465 , 10343466
) ;
+ -- -- -- -- -- + -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- + -- -- -- -- - +
| id        | good_name                                            | user_id |
+ -- -- -- -- -- + -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- -- + -- -- -- -- - +
| 10343447 | XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX |        4 |
. . . omit . . .
20 rows in set ( 0.01 sec )

1.6. 总结

这种优化可能在一些使用到聚合函数的排序的情况下没法使用。

在这边鼓励使用MySQL的尽量使用比较简单的语句，不使用JOIN。因为优化器对简单的语句解析的很快，而且在维护的角度来说越白痴的语句越让人容易明白。

当然，强烈反对在程序中 for 循环取数据库。