mysql分页语法 mysql分页的几种方式 _mysql分页语法

文章插图

文章插图
优化项目代码过程中发现一个千万级数据深分页问题，缘由是这样的
库里有一张耗材 MCS_PROD 表，通过同步外部数据中台多维度数据，在系统内部组装为单一耗材产品，最终同步到 ES 搜索引擎
MySQL 同步 ES 流程如下：
通过定时任务的形式触发同步，比如间隔半天或一天的时间频率同步的形式为增量同步，根据更新时间的机制，比如第一次同步查询 >= 1970-01-01 00:00:00.0记录最大的更新时间进行存储，下次更新同步以此为条件以分页的形式获取数据，当前页数量加一，循环到最后一页
在这里问题也就出现了，MySQL 查询分页 OFFSET 越深入，性能越差，初步估计线上 MCS_PROD 表中记录在 1000w 左右
如果按照每页 10 条，OFFSET 值会拖垮查询性能，进而形成一个 “性能深渊”
同步类代码针对此问题有两种优化方式：
采用游标、流式方案进行优化优化深分页性能，文章围绕这个题目展开

一、软硬件说明
MySQL VERSION
mysql>selectversion();+-----------+|version()|+-----------+|5.7.30|+-----------+1rowinset(0.01sec)表结构说明
借鉴公司表结构，字段、长度以及名称均已删减

mysql>DESCMCS_PROD;+-----------------------+--------------+------+-----+---------+----------------+|Field|Type|Null|Key|Default|Extra|+-----------------------+--------------+------+-----+---------+----------------+|MCS_PROD_ID|int(11)|NO|PRI|NULL|auto_increment||MCS_CODE|varchar(100)|YES|||||MCS_NAME|varchar(500)|YES|||||UPDT_TIME|datetime|NO|MUL|NULL||+-----------------------+--------------+------+-----+---------+----------------+4rowsinset(0.01sec)

通过测试同学帮忙造了 500w 左右数据量
mysql>SELECTCOUNT(*)FROMMCS_PROD;+----------+|count(*)|+----------+|5100000|+----------+1rowinset(1.43sec)SQL 语句如下
因为功能需要满足增量拉取的方式，所以会有数据更新时间的条件查询，以及相关查询排序（此处有坑）

SELECTMCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIMEFROMMCS_PRODWHEREUPDT_TIME>='1970-01-0100:00:00.0'ORDERBYUPDT_TIMELIMITxx,xx

【mysql分页语法 mysql分页的几种方式】二、重新认识 MySQL 分页
LIMIT 子句可以被用于强制 SELECT 语句返回指定的记录数。LIMIT 接收一个或两个数字参数，参数必须是一个整数常量
如果给定两个参数，第一个参数指定第一个返回记录行的偏移量，第二个参数指定返回记录行的最大数
举个简单的例子，分析下 SQL 查询过程，掌握深分页性能为什么差

mysql>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT100000,1;+-------------+-------------------------+------------------+---------------------+|MCS_PROD_ID|MCS_CODE|MCS_NAME|UPDT_TIME|+-------------+-------------------------+------------------+---------------------+|181789|XA601709733186213015031|尺、桡骨LC-DCP骨板|2020-10-1916:22:19|+-------------+-------------------------+------------------+---------------------+1rowinset(3.66sec)mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT100000,1;+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+|1|SIMPLE|MCS_PROD|NULL|range|MCS_PROD_1|MCS_PROD_1|5|NULL|2296653|100.00|Usingindexcondition|+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+1rowinset,1warning(0.01sec)

简单说明下上面 SQL 执行过程：
首先查询了表 MCS_PROD，进行过滤 UPDT_TIME 条件，查询出展示列（涉及回表操作）进行排序以及 LIMITLIMIT 100000, 1 的意思是扫描满足条件的 100001 行，然后扔掉前 100000 行
MySQL 耗费了大量随机 I/O 在回表查询聚簇索引的数据上，而这 100000 次随机 I/O 查询数据不会出现在结果集中
如果系统并发量稍微高一点，每次查询扫描超过 100000 行，性能肯定堪忧，另外 LIMIT 分页 OFFSET 越深，性能越差（多次强调）
图1 数据仅供参考
三、深分页优化
关于 MySQL 深分页优化常见的大概有以下三种策略：
子查询优化延迟关联书签记录
上面三点都能大大地提升查询效率，核心思想就是让 MySQL 尽可能扫描更少的页面，获取需要访问的记录后再根据关联列回原表查询所需要的列
3.1 子查询优化
子查询深分页优化语句如下：

mysql>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID>=(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)LIMIT1;+-------------+-------------------------+------------------------+|MCS_PROD_ID|MCS_CODE|MCS_NAME|+-------------+-------------------------+------------------------+|3021401|XA892010009391491861476|金属解剖型接骨板T型接骨板A|+-------------+-------------------------+------------------------+1rowinset(0.76sec)mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID>=(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)LIMIT1;+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+|1|PRIMARY|MCS_PROD|NULL|range|PRIMARY|PRIMARY|4|NULL|2296653|100.00|Usingwhere||2|SUBQUERY|m1|NULL|range|MCS_PROD_1|MCS_PROD_1|5|NULL|2296653|100.00|Usingwhere;Usingindex|+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+2rowsinset,1warning(0.77sec)

根据执行计划得知，子查询 table m1 查询是用到了索引。首先在索引上拿到了聚集索引的主键 ID 省去了回表操作，然后第二查询直接根据第一个查询的 ID 往后再去查 10 个就可以了
图2 数据仅供参考
3.2 延迟关联
“延迟关联” 深分页优化语句如下：

mysql>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODINNERJOIN(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)ASMCS_PROD2USING(MCS_PROD_ID);+-------------+-------------------------+------------------------+|MCS_PROD_ID|MCS_CODE|MCS_NAME|+-------------+-------------------------+------------------------+|3021401|XA892010009391491861476|金属解剖型接骨板T型接骨板A|+-------------+-------------------------+------------------------+1rowinset(0.75sec)mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODINNERJOIN(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)ASMCS_PROD2USING(MCS_PROD_ID);+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+|1|PRIMARY|<derived2>|NULL|ALL|NULL|NULL|NULL|NULL|2296653|100.00|NULL||1|PRIMARY|MCS_PROD|NULL|eq_ref|PRIMARY|PRIMARY|4|MCS_PROD2.MCS_PROD_ID|1|100.00|NULL||2|DERIVED|m1|NULL|range|MCS_PROD_1|MCS_PROD_1|5|NULL|2296653|100.00|Usingwhere;Usingindex|+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+3rowsinset,1warning(0.00sec)

思路以及性能与子查询优化一致，只不过采用了 JOIN 的形式执行
3.3 书签记录
关于 LIMIT 深分页问题，核心在于 OFFSET 值，它会导致 MySQL 扫描大量不需要的记录行然后抛弃掉
我们可以先使用书签记录获取上次取数据的位置，下次就可以直接从该位置开始扫描，这样可以避免使用 OFFEST
假设需要查询 3000000 行数据后的第 1 条记录，查询可以这么写

mysql>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID<3000000ORDERBYUPDT_TIMELIMIT1;+-------------+-------------------------+---------------------------------+|MCS_PROD_ID|MCS_CODE|MCS_NAME|+-------------+-------------------------+---------------------------------+|127|XA683240878449276581799|股骨近端-1螺纹孔锁定板（纯钛）YJBL01|+-------------+-------------------------+---------------------------------+1rowinset(0.00sec)mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID<3000000ORDERBYUPDT_TIMELIMIT1;+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+|1|SIMPLE|MCS_PROD|NULL|index|PRIMARY|MCS_PROD_1|5|NULL|2|50.00|Usingwhere|+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+1rowinset,1warning(0.00sec)

好处是很明显的，查询速度超级快，性能都会稳定在毫秒级，从性能上考虑碾压其它方式
不过这种方式局限性也比较大，需要一种类似连续自增的字段，以及业务所能包容的连续概念，视情况而定

上图是阿里云 OSS Bucket 桶内文件列表，大胆猜测是不是可以采用书签记录的形式完成
四、ORDER BY 巨坑, 慎踩
以下言论可能会打破你对 order by 所有美好 YY
先说结论吧，当 LIMIT OFFSET 过深时，会使 ORDER BY 普通索引失效（联合、唯一这些索引没有测试）

mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIMEFROMMCS_PRODWHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT100000,1;+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+|1|SIMPLE|MCS_PROD|NULL|range|MCS_PROD_1|MCS_PROD_1|5|NULL|2296653|100.00|Usingindexcondition|+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+1rowinset,1warning(0.00sec)

先来说一下这个 ORDER BY 执行过程：
初始化 SORT_BUFFER，放入 MCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIME 四个字段从索引 UPDT_TIME 找到满足条件的主键 ID，回表查询出四个字段值存入 SORT_BUFFER从索引处继续查询满足 UPDT_TIME 条件记录，继续执行步骤 2对 SORT_BUFFER 中的数据按照 UPDT_TIME 排序排序成功后取出符合 LIMIT 条件的记录返回客户端
按照 UPDT_TIME 排序可能在内存中完成，也可能需要使用外部排序，取决于排序所需的内存和参数 SORT_BUFFER_SIZE
SORT_BUFFER_SIZE 是 MySQL 为排序开辟的内存。如果排序数据量小于 SORT_BUFFER_SIZE，排序会在内存中完成。如果数据量过大，内存放不下，则会利用磁盘临时文件排序

针对 SORT_BUFFER_SIZE 这个参数在网上查询到有用资料比较少，大家如果测试过程中存在问题，可以加微信一起沟通

4.1 ORDER BY 索引失效举例
OFFSET 100000 时，通过 key Extra 得知，没有使用磁盘临时文件排序，这个时候把 OFFSET 调整到 500000
凉凉夜色为你思念成河，化作春泥呵护着你… 一首凉凉送给写这个 SQL 的同学，发现了 Using filesort

mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIMEFROMMCS_PRODWHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT500000,1;+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+|id|select_type|table|partitions|type|possible_keys|key|key_len|ref|rows|filtered|Extra|+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+|1|SIMPLE|MCS_PROD|NULL|ALL|MCS_PROD_1|NULL|NULL|NULL|4593306|50.00|Usingwhere;Usingfilesort|+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+1rowinset,1warning(0.00sec)

Using filesort 表示在索引之外，需要额外进行外部的排序动作，性能必将受到严重影响
所以我们应该结合相对应的业务逻辑避免常规 LIMIT OFFSET，采用 # 深分页优化章节进行修改对应业务
结言
最后有一点需要声明下，MySQL 本身并不适合单表大数据量业务
因为 MySQL 应用在企业级项目时，针对库表查询并非简单的条件，可能会有更复杂的联合查询，亦或者是大数据量时存在频繁新增或更新操作，维护索引或者数据 ACID 特性上必然存在性能牺牲
如果设计初期能够预料到库表的数据增长，理应构思合理的重构优化方式，比如 ES 配合查询、分库分表、TiDB 等解决方式