mysq大数据分页

mysql limit大数据量分页优化方法

 

Mysql的优化是非常重要的。其他最常用也最需要优化的就是limit。Mysql的limit给分页带来了极大的方便，但数据量一大的时候，limit的性能就急剧下降。 

　　同样是取10条数据 

 

    　　select * from yanxue8_visit limit 10000,10 和 

    　　select * from yanxue8_visit limit 0,10 

 

　　就不是一个数量级别的。 

　　网上也很多关于limit的五条优化准则，都是翻译自Mysql手册，虽然正确但不实用。今天发现一篇文章写了些关于limit优化的，很不错。 

　　文中不是直接使用limit，而是首先获取到offset的id然后直接使用limit size来获取数据。根据他的数据，明显要好于直接使用limit。这里我具体使用数据分两种情况进行测试。（测试环境win2033+p4双核 (3GHZ) +4G内存 Mysql 5.0.19） 

　　1、offset比较小的时候。 

 

    　　select * from yanxue8_visit limit 10,10 

    　　多次运行，时间保持在0.0004-0.0005之间http://www.zhutiai.com 

    　　Select * From yanxue8_visit Where vid ＞=( 

    　　Select vid From yanxue8_visit Order By vid limit 10,1 

    　　) limit 10 

 

　　多次运行，时间保持在0.0005-0.0006之间，主要是0.0006 

　　结论：偏移offset较小的时候，直接使用limit较优。这个显然是子查询的原因。 

　　2、offset大的时候。 

　 

 

    　select * from yanxue8_visit limit 10000,10 

    　　多次运行，时间保持在0.0187左右 

    　　Select * From yanxue8_visit Where vid ＞=( 

    　　Select vid From yanxue8_visit Order By vid limit 10000,1 

    　　) limit 

 

10 

　　多次运行，时间保持在0.0061左右，只有前者的1/3。可以预计offset越大，后者越优。 

　　以后要注意改正自己的limit语句，优化一下Mysql了 

 

据表 collect ( id, title ,info ,vtype) 就这4个字段，其中 title 用定长，info 用text, id 

是逐渐，vtype是tinyint，vtype是索引。这是一个基本的新闻系统的简单模型。现在往里面填充数据，填充10万篇新闻。 

最后collect 为 10万条记录，数据库教程表占用硬盘1.6G。OK ,看下面这条sql语句： 

 

    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; 从9万条开始分页，结果？ 

 

8-9秒完成，my god 哪出问题了？？？？其实要优化这条数据，网上找得到答案。看下面一条语句: 

select id from collect order by id limit 90000,10; 很快，0.04秒就OK。 

为什么？因为用了id主键做索引当然快。网上的改法是： 

 

    select id,title from collect where id>=(select id from collect order by id 

    limit 90000,1) limit 10; 

 

这就是用了id做索引的结果。可是问题复杂那么一点点，就完了。看下面的语句 

 

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

 

很慢，用了8-9秒！ 

到了这里我相信很多人会和我一样，有崩溃感觉！vtype 做了索引了啊？怎么会慢呢？vtype做了索引是不错，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，从9万开始，那就是0.05*90=4.5秒的速度了。和测试结果8-9秒到了一个数量级。从这里开始有人提出了分表的思路，这个和discuz 

论坛是一样的思路。思路如下： 

建一个索引表： t (id,title,vtype) 并设置成定长，然后做分页，分页出结果再到 collect 里面去找info 。 

是否可行呢？实验下就知道了。 

10万条记录到 t(id,title,vtype) 里，数据表大小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。为什么会这样呢？我猜想是因为collect 数据太多，所以分页要跑很长的路。limit 

完全和数据表的大小有关的。其实这样做还是全表扫描，只是因为数据量小，只有10万才快。OK， 来个疯狂的实验，加到100万条，测试性能。 

加了10倍的数据，马上t表就到了200多M，而且是定长。还是刚才的查询语句，时间是0.1-0.2秒完成！分表性能没问题？错！因为我们的limit还是9万，所以快。给个大的，90万开始 

 

    select id from t where vtype=1 order by id limit 900000,10; 看看结果，时间是1-2秒！ 

 

why ?? 分表了时间还是这么长，非常之郁闷！有人说定长会提高limit的性能，开始我也以为，因为一条记录的长度是固定的，mysql教程 

应该可以算出90万的位置才对啊？ 可是我们高估了mysql 的智能，他不是商务数据库，事实证明定长和非定长对limit影响不大？ 怪不得有人说 

discuz到了100万条记录就会很慢，我相信这是真的，这个和数据库设计有关！ 

难道MySQL 无法突破100万的限制吗？？？到了100万的分页就真的到了极限？？？ 

 

答案是： NO !!!! 

为什么突破不了100万是因为不会设计mysql造成的。下面介绍非分表法，来个疯狂的测试！一张表搞定100万记录，并且10G 

数据库，如何快速分页！ 

 

好了，我们的测试又回到 collect表，开始测试结论是： 

30万数据，用分表法可行，超过30万他的速度会慢道你无法忍受！当然如果用分表+我这种方法，那是绝对完美的。但是用了我这种方法后，不用分表也可以完美解决！ 

 

答案就是：复合索引！ 有一次设计mysql索引的时候，无意中发现索引名字可以任取，可以选择几个字段进来，这有什么用呢？开始的select id from 

collect order by id limit 90000,10; 这么快就是因为走了索引，可是如果加了where 就不走索引了。抱着试试看的想法加了 

search(vtype,id) 这样的索引。然后测试 

select id from collect where vtype=1 limit 90000,10; 非常快！0.04秒完成！ 

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

非常遗憾，8-9秒，没走search索引！ 

再测试：search(id,vtype)，还是select id 这个语句，也非常遗憾，0.5秒。 

综上：如果对于有where 条件，又想走索引用limit的，必须设计一个索引，将where 

放第一位，limit用到的主键放第2位，而且只能select 主键！ 

完美解决了分页问题了。可以快速返回id就有希望优化limit ， 按这样的逻辑，百万级的limit 应该在0.0x秒就可以分完。看来mysql 

语句的优化和索引时非常重要的！ 

好了，回到原题，如何将上面的研究成功快速应用于开发呢？如果用复合查询，我的轻量级框架就没的用了。分页字符串还得自己写，那多麻烦？这里再看一个例子，思路就出来了： 

select * from collect where id in (9000,12,50,7000); 竟然 0秒就可以查完！ 

mygod ，mysql 的索引竟然对于in语句同样有效！看来网上说in无法用索引是错误的！ 

有了这个结论，就可以很简单的应用于轻量级框架了： 

代码如下： 

 

代码如下: 

 

    $db=dblink(); 

    $db->pagesize=20; 

    $sql="select id from collect where vtype=$vtype"; 

    $db->execute($sql); 

    $strpage=$db->strpage(); 

    //将分页字符串保存在临时变量，方便输出 

    while($rs=$db->fetch_array()){ 

    $strid.=$rs['id'].','; 

    } 

    $strid=substr($strid,0,strlen($strid)-1); 

    //构造出id字符串 

    $db->pagesize=0; 

    //很关键，在不注销类的情况下，将分页清空，这样只需要用一次数据库连接，不需要再开； 

    $db->execute("select 

    id,title,url,sTime,gTime,vtype,tag from collect where id in ($strid)"); 

    <?php教程 while($rs=$db->fetch_array()): ?> 

    <tr> 

    <td> <?php echo $rs['id'];?></td> 

    <td> <?php echo $rs['url'];?></td> 

    <td> <?php echo $rs['sTime'];?></td> 

    <td> <?php echo $rs['gTime'];?></td> 

    <td> <?php echo $rs['vtype'];?></td> 

    <td> <a href="?act=show&id=<?php echo $rs['id'];?>" 

    target="_blank"><?php echo $rs['title'];?></a></td> 

    <td> <?php echo 

    $rs['tag'];?></td> 

    </tr> 

    <?php endwhile; 

    ?> 

    </table> 

    <?php 

    echo $strpage; 

    ?> 

 

通过简单的变换，其实思路很简单：1）通过优化索引，找出id，并拼成 "123,90000,12000" 这样的字符串。2）第2次查询找出结果。 

小小的索引+一点点的改动就使mysql 可以支持百万甚至千万级的高效分页！ 

通过这里的例子，我反思了一点：对于大型系统，PHP千万不能用框架，尤其是那种连sql语句都看不到的框架！因为开始对于我的轻量级框架都差点崩溃！只适合小型应用的快速开发，对于ERP,OA，大型网站，数据层包括逻辑层的东西都不能用框架。如果程序员失去了对sql语句的把控，那项目的风险将会成几何级数增加！尤其是用mysql 

的时候，mysql 一定需要专业的dba 才可以发挥他的最佳性能。一个索引所造成的性能差别可能是上千倍！ 

 

性能优化： 

基于MySQL5.0中limit的高性能,我对数据分页也重新有了新的认识. 

 

    1. 

    Select * From cyclopedia Where ID>=( 

    Select Max(ID) From ( 

     Select ID From cyclopedia Order By ID limit 90001 

    ) As tmp 

    ) limit 100; 

    2. 

    Select * From cyclopedia Where ID>=( 

    Select Max(ID) From ( 

     Select ID From cyclopedia Order By ID limit 90000,1 

    ) As tmp 

    ) limit 100; 

 

同样是取90000条后100条记录,第1句快还是第2句快? 

第1句是先取了前90001条记录,取其中最大一个ID值作为起始标识,然后利用它可以快速定位下100条记录 

第2句择是仅仅取90000条记录后1条,然后取ID值作起始标识定位下100条记录 

第1句执行结果.100 rows in set (0.23) sec 

第2句执行结果.100 rows in set (0.19) sec 

很明显第2句胜出.看来limit好像并不完全像我之前想象的那样做全表扫描返回limit offset+length条记录,这样看来limit比起MS-SQL的Top性能还是要提高不少的. 

其实第2句完全可以简化成 

 

    Select * From cyclopedia Where ID>=( 

    Select ID From cyclopedia limit 90000,1 

    )limit 100; 

 

直接利用第90000条记录的ID,不用经过Max运算,这样做理论上效率因该高一些,但在实际使用中几乎看不到效果,因为本身定位ID返回的就是1条记录,Max几乎不用运作就能得到结果,但这样写更清淅明朗,省去了画蛇那一足. 

可是,既然MySQL有limit可以直接控制取出记录的位置,为什么不干脆用Select * From cyclopedia limit 90000,1呢?岂不更简洁? 

这样想就错了,试了就知道,结果是:1 row in set (8.88) sec,怎么样,够吓人的吧,让我想起了昨天在4.1中比这还有过之的"高分".Select * 最好不要随便用,要本着用什么,选什么的原则, Select的字段越多,字段数据量越大,速度就越慢. 上面2种分页方式哪种都比单写这1句强多了,虽然看起来好像查询的次数更多一些,但实际上是以较小的代价换取了高效的性能,是非常值得的. 

第1种方案同样可用于MS-SQL,而且可能是最好的.因为靠主键ID来定位起始段总是最快的. 

 

    Select Top 100 * From cyclopedia Where ID>=( 

    Select Top 90001 Max(ID) From ( 

     Select ID From cyclopedia Order By ID 

    ) As tmp 

    ) 

 

但不管是实现方式是存贮过程还是直接代码中,瓶颈始终在于MS-SQL的TOP总是要返回前N个记录,这种情况在数据量不大时感受不深,但如果成百上千万,效率肯定会低下的.相比之下MySQL的limit就有优势的多,执行: 

 

    Select ID From cyclopedia limit 90000 

    Select ID From cyclopedia limit 90000,1 

 

的结果分别是: 

90000 rows in set (0.36) sec 

1 row in set (0.06) sec 

而MS-SQL只能用Select Top 90000 ID From cyclopedia 执行时间是390ms,执行同样的操作时间也不及MySQL的360ms.