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.