使用MySQL进行千万级别数据查询的技巧分享
作者：zy_zeros
一般分页
在系统中需要进行分页操作时，我们通常会使用 LIMIT 加上偏移量的方式实现，语法格式如下。
SELECT … FROM … WHERE … ORDER BY … LIMIT …
在有对应索引的情况下，这种方式一般效率还不错。但它存在一个让人头疼的问题，在偏移量非常大的时候，也就是翻页到很靠后的页面时，查询速度会变得越来越慢。
我们来演示一下。
先创建一个订单表 t_order。
CREATE TABLE t_order ( id bigint(20) NOT NULL AUTO_INCREMENT COMMENT ‘自增主键', order_no varchar(32) NOT NULL COMMENT ‘订单号', user_id varchar(20) NOT NULL COMMENT ‘用户ID', amount decimal(18,2) NOT NULL COMMENT ‘订单金额', order_status tinyint(4) NOT NULL COMMENT ‘订单状态：0新建 1处理中 2成功 3失败', create_time datetime NOT NULL COMMENT ‘创建时间', PRIMARY KEY (id), UNIQUE KEY uniq_order_no (order_no) USING BTREE COMMENT ‘订单号唯一索引' ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
往表中插入1100w 条数据。（ t1 是一个有100条数据的表，这里我利用笛卡尔乘积的方式插入1100w条数据）
set @N=0; INSERT INTO t_order(order_no,user_id,amount,order_status,create_time) select CONCAT(“APP”, @N:=@N+1), CONCAT(“USER_ID_”, @N+1), @N%10000, @N%4, NOW() from t1 a, t1 b, t1 c, t1 d LIMIT 11000000;
我们看下，如下这些查询花费的时间。
select * from t_order order by id limit 0, 10; select * from t_order order by id limit 10000, 10; select * from t_order order by id limit 100000, 10; select * from t_order order by id limit 1000000, 10; select * from t_order order by id limit 10000000, 10;
执行时间如下：
– 0.002
– 0.045
– 0.069
– 0.517
– 4.134
同样是只查询10条数据，最开始的时候查询花费 0.002s，而到最后，查询花费了 4.134s。
这是什么原因呢？
这是因为查询时 MySQL 并不是跳过 OFFSET 行，而是取 OFFSET+N 行，然后放弃前 OFFSET 行，最后返回 N 行，当 OFFSET 特别大的时候，效率就非常的低下。
拿 limit 10000, 10 这条语句来说明一下， MySQL在执行这条查询的时候，需要查询 10010 (10000 + 10) 条记录，然后只返回最后 10 条，并将前面的 10000 条记录抛弃，这样当翻页越靠后时，代价就变得越来越高。
知道问题所在了，那有什么办法可以优化，解决这个问题呢？
1优化一：记录位置，避免使用 OFFSET
首先获取第一页的结果：
select * from t_order limit 10;
假如上边返回的是 id 为1 ~ 10的记录，我们将 10 这个值记住，下一页查询就可以直接从 10 这个值开始。
select * from t_order where id > 10 limit 10;
这样做，无论翻页到多少页，性能都会很好：
select * from t_order limit 10; select * from t_order where id > 10000 limit 10; select * from t_order where id > 100000 limit 10; select * from t_order where id > 1000000 limit 10; select * from t_order where id > 10000000 limit 10;
执行时间如下：
– 0.003
– 0.005
– 0.002
– 0.002
– 0.002
而如果我们当前记录的 id 值为 10000，我们想查上一页怎么办呢？返回去查一下即可：
select * from t_order where id <= 10000 order by id desc limit 10,10;
这种优化方式，可以实现上一页、下一页这种的分页。但如果想要实现跳转到指定页码的话，就需要保证 id 连续不中断，再通过计算找到准确的位置。
2优化二：计算边界值，转换为已知位置的查询
如果 id 连续不中断，我们就可以计算出每一页的边界值，让 MySQL 根据边界值进行范围扫描，查出数据。
select * from t_order where id between 0 and 10; select * from t_order where id between 10000 and 10010; select * from t_order where id between 100000 and 100010; select * from t_order where id between 1000000 and 1000010; select * from t_order where id between 10000000 and 10000010;
执行时间如下：
– 0.001
– 0.002
– 0.002
– 0.001
– 0.001
3优化三：使用索引覆盖+子查询优化
先在索引树中找到开始位置的 id 值，再根据找到的 id 值查询行数据。
select * from t_order where id >= (select id from t_order order by id limit 0, 1) order by id limit 10; select * from t_order where id >= (select id from t_order order by id limit 10000, 1) order by id limit 10; select * from t_order where id >= (select id from t_order order by id limit 100000, 1) order by id limit 10; select * from t_order where id >= (select id from t_order order by id limit 1000000, 1) order by id limit 10; select * from t_order where id >= (select id from t_order order by id limit 10000000, 1) order by id limit 10;
执行时间如下：
– 0.007
– 0.009
– 0.047
– 0.332
– 2.822
可以看到，这种优化方式也可以提升查询速度。这其实是利用了索引覆盖的如下好处：
索引文件不包含行数据的所有信息，故其大小远小于数据文件，因此可以减少大量的IO操作。
索引覆盖只需要扫描一次索引树，不需要回表扫描行数据，所以性能比回表查询要高。
4优化四：使用索引覆盖+连接查询优化
这种优化方式跟 优化三 原理一样。也是先在索引上进行分页查询，当找到 id 后，再统一通过 JOIN 关联查询得到最终需要的数据详情。
select * from t_order a Join (select id from t_order order by id limit 0, 10) b ON a.id = b.id; select * from t_order a Join (select id from t_order order by id limit 10000, 10) b ON a.id = b.id; select * from t_order a Join (select id from t_order order by id limit 100000, 10) b ON a.id = b.id; select * from t_order a Join (select id from t_order order by id limit 1000000, 10) b ON a.id = b.id; select * from t_order a Join (select id from t_order order by id limit 10000000, 10) b ON a.id = b.id;
执行时间如下：
– 0.001
– 0.023
– 0.028
– 0.348
– 2.955
以上就是使用MySQL进行千万级别数据查询的技巧分享的详细内容，更多关于MySQL千万级别数据查询的资料请关注脚本之家其它相关文章！