当需要从数据库查询的表有上万条记录的时候，一次性查询所有结果会变得很慢，特别是随着数据量的增加特别明显，这时需要使用分页查询。对于数据库分页查询，也有很多种方法和优化的点。下面简单说一下我知道的一些方法。

　　准备工作

　　为了对下面列举的一些优化进行测试，下面针对已有的一张表进行说明。

　　·表名：order_history

　　·描述：某个业务的订单历史表

　　·主要字段：unsigned int id，tinyint(4) int type

　　·字段情况：该表一共37个字段，不包含text等大型数据，最大为varchar(500)，id字段为索引，且为递增。

　　·数据量：5709294

　　·MySQL版本：5.7.16线下找一张百万级的测试表可不容易，如果需要自己测试的话，可以写shell脚本什么的插入数据进行测试。以下的 sql 所有语句执行的环境没有发生改变，下面是基本测试结果： 

Ｓelect Ｃount(*) from orders_history;

　　返回结果：5709294

　　三次查询时间分别为：

　　·8903 ms

　　·8323 ms

　　·8401 ms

　　一般的分页查询使用简单的 limit 子句就可以实现。limit 子句声明如下：

SELECT * FROM table LIMIT [offset,] rows | rows OFFSET offset

　　LIMIT 子句可以被用于指定 SELECT 语句返回的记录数。需注意以下几点：

　　·第一个参数指定第一个返回记录行的偏移量，注意从0开始

　　·第二个参数指定返回记录行的最大数目

　　·如果只给定一个参数：它表示返回最大的记录行数目

　　·第二个参数为 -1 表示检索从某一个偏移量到记录集的结束所有的记录行

　　·初始记录行的偏移量是 0(而不是 1)

　　下面是一个应用实例：

　　该条语句将会从表 orders_history 中查询offset: 1000开始之后的10条数据，也就是第1001条到第1010条数据(1001 <= id <= 1010)。

　　数据表中的记录默认使用主键(一般为id)排序，上面的结果相当于：

Ｓelect * from orders_history where type=8 order by id limit 10000,10;

　　三次查询时间分别为：

　　·3040 ms

　　·3063 ms

　　·3018 ms

　　针对这种查询方式，下面测试查询记录量对时间的影响：

Ｓelect * from orders_history where type=8 limit 10000,1;  　　Ｓelect * from orders_history where type=8 limit 10000,10;  　　Ｓelect * from orders_history where type=8 limit 10000,100;  　　Ｓelect * from orders_history where type=8 limit 10000,1000;  　　Ｓelect * from orders_history where type=8 limit 10000,10000;

　　三次查询时间如下：

　　·查询1条记录：3072ms 3092ms 3002ms

　　·查询10条记录：3081ms 3077ms 3032ms

　　·查询100条记录：3118ms 3200ms 3128ms

　　·查询1000条记录：3412ms 3468ms 3394ms

　　·查询10000条记录：3749ms 3802ms 3696ms

　　另外我还做了十来次查询，从查询时间来看，基本可以确定，在查询记录量低于100时，查询时间基本没有差距，随着查询记录量越来越大，所花费的时间也会越来越多。

　　针对查询偏移量的测试：

Ｓelect * from orders_history where type=8 limit 100,100;  　　Ｓelect * from orders_history where type=8 limit 1000,100;  　　Ｓelect * from orders_history where type=8 limit 10000,100;  　　Ｓelect * from orders_history where type=8 limit 100000,100;  　　Ｓelect * from orders_history where type=8 limit 1000000,100;

　　三次查询时间如下：

　　·查询100偏移：25ms 24ms 24ms

　　·查询1000偏移：78ms 76ms 77ms

　　·查询10000偏移：3092ms 3212ms 3128ms

　　·查询100000偏移：3878ms 3812ms 3798ms

　　·查询1000000偏移：14608ms 14062ms 14700ms

　　随着查询偏移的增大，尤其查询偏移大于10万以后，查询时间急剧增加。

　　这种分页查询方式会从数据库第一条记录开始扫描，所以越往后，查询速度越慢，而且查询的数据越多，也会拖慢总查询速度。

　　使用子查询优化

　　这种方式先定位偏移位置的 id，然后往后查询，这种方式适用于 id 递增的情况。

Ｓelect * from orders_history where type=8 limit 100000,1;  　　  　　Ｓelect id from orders_history where type=8 limit 100000,1;  　　  　　Ｓelect * from orders_history where type=8 an d  　　id>=(Ｓelect id from orders_history where type=8 limit 100000,1)  　　limit 100;  　　  　　Ｓelect * from orders_history where type=8 limit 100000,100;

　　4条语句的查询时间如下：

　　·第1条语句：3674ms

　　·第2条语句：1315ms

　　·第3条语句：1327ms

　　·第4条语句：3710ms

　　针对上面的查询需要注意：

　　·比较第1条语句和第2条语句：使用 Ｓelect id 代替 Ｓelect * 速度增加了3倍

　　·比较第2条语句和第3条语句：速度相差几十毫秒

　　·比较第3条语句和第4条语句：得益于 Ｓelect id 速度增加，第3条语句查询速度增加了3倍

　　这种方式相较于原始一般的查询方法，将会增快数倍。

　　使用 id 限定优化

　　这种方式假设数据表的id是连续递增的，则我们根据查询的页数和查询的记录数可以算出查询的id的范围，可以使用 id between an d 来查询：

Ｓelect * from orders_history where type=2  　　an d id between 1000000 an d 1000100 limit 100;

打印本页　|　加入收藏

上一篇：【51讲堂】postman鉴权一文通