最近有同学面试字节三面的时候,被问到:“MySQL 分页有什么性能问题?怎么优化?”

小林哥,MySQL分页怎么优化?,面字节的时候被问到了,一二面考,算法撑过去了,但是MySQL优化的问题没怎么准备过。

今天就主要围绕这个问题跟大家说一下 MySQL 分页问题和优化的思路。

我们刷网站的时候,我们经常会遇到需要分页查询的场景。

比如下图红框里的翻页功能。

353b736c-56cd-11ee-939d-92fbcf53809c.png

我们很容易能联想到可以用mysql实现。

假设我们的建表sql是这样的

35468450-56cd-11ee-939d-92fbcf53809c.png

mysql建表sql

建表sql大家也不用扣细节,只需要知道id是主键,并且在建了个非主键索引就够了,其他都不重要。

为了实现分页。

很容易联想到下面这样的sql语句。

*,size;

比如一页有10条数据。

355a1f6a-56cd-11ee-939d-92fbcf53809c.png

user表数据库原始状态

第一页就是下面这样的sql语句。

*it0,10;

第一百页就是

*it990,10;

那么问题来了。

用这种方式,同样都是拿10条数据,查第一页和第一百页的查询速度是一样的吗?为什么?

两种limit的执行过程

上面的两种查询方式。对应 limit , size 和 limit size 两种方式。

而其实 limit size ,相当于 limit 0, size。也就是从0开始取size条数据。

也就是说,两种方式的区别在于是否为0。

我们先来看下limit sql的内部执行逻辑。

3562da7e-56cd-11ee-939d-92fbcf53809c.png

Mysql架构

mysql内部分为层和存储引擎层。一般情况下存储引擎都用。

层有很多模块,其中需要关注的是执行器是用于跟存储引擎打交道的组件。

执行器可以通过调用存储引擎提供的接口,将一行行数据取出,当这些数据完全符合要求(比如满足其他where条件),则会放到结果集中,最后返回给调用mysql的客户端(go、java写的应用程序)。

我们可以对下面的sql先执行下 。

*it0,10;

可以看到,中提示 key 那里,执行的是,也就是走的主键索引。

356ecc1c-56cd-11ee-939d-92fbcf53809c.png

分页查询=0

主键索引本质是一棵B+树,它是放在中的一个数据结构。

我们可以回忆下,B+树大概长这样。

3583dfc6-56cd-11ee-939d-92fbcf53809c.png

B+树结构

在这个树状结构里,我们需要关注的是,最下面一层节点,也就是叶子结点。而这个叶子结点里放的信息会根据当前的索引是主键还是非主键有所不同。

如果是主键索引,它的叶子节点会存放完整的行数据信息。

如果是非主键索引,那它的叶子节点则会存放主键,如果想获得行数据信息,则需要再跑到主键索引去拿一次数据,这叫回表。

比如执行

*me=”小白10″;

会通过非主键索引去查询为”小白10″的数据,然后在叶子结点里找到”小白10″的数据对应的主键为10。

此时回表到主键索引中做查询,最后定位到主键为10的行数据。

358d9566-56cd-11ee-939d-92fbcf53809c.png

回表

但不管是主键还是非主键索引,他们的叶子结点数据都是有序的。比如在主键索引中,这些数据是根据主键id的大小,从小到大,进行排序的。

基于主键索引的limit执行过程

那么回到文章开头的问题里。

当我们去掉,执行这条sql。

*it0,10;

上面后面带的是星号,也就是要求获得行数据的所有字段信息。*

层会调用的接口,在里的主键索引中获取到第0到10条完整行数据,依次返回给层,并放到层的结果集中,返回给客户端。

而当我们把搞离谱点,比如执行的是

*,10;

层会调用的接口,由于这次的=,会在里的主键索引中获取到第0到( + 10)条完整行数据,返回给层之后根据的值挨个抛弃,最后只留下最后面的size条,也就是10条数据,放到层的结果集中,返回给客户端。

可以看出,当非0时,层会从引擎层获取到很多无用的数据,而获取的这些无用数据都是要耗时的。

因此,我们就知道了文章开头的问题的答案,mysql查询中 limit 1000,10 会比 limit 10 更慢。原因是 limit 1000,10 会取出1000+10条数据,并抛弃前1000条,这部分耗时更大

那这种case有办法优化吗?

可以看出,当非0时,层会从引擎层获取到很多无用的数据,而当后面是*号时,就需要拷贝完整的行信息,拷贝完整数据跟只拷贝行数据里的其中一两个列字段耗时是不同的,这就让原本就耗时的操作变得更加离谱。

因为前面的条数据最后都是不要的,就算将完整字段都拷贝来了又有什么用呢,所以我们可以将sql语句修改成下面这样。

*>=(,1);

上面这条sql语句,里面先执行子查询 id from page order by id limit , 1, 这个操作,其实也是将在中的主键索引中获取到+1条数据,然后层会抛弃前条,只保留最后一条数据的id。

但不同的地方在于,在返回层的过程中,只会拷贝数据行内的id这一列,而不会拷贝数据行的所有列,当数据量较大时,这部分的耗时还是比较明显的。

在拿到了上面的id之后,假设这个id正好等于,那sql就变成了

*>=();

这样再走一次主键索引,通过B+树快速定位到id=的行数据,时间复杂度是lg(n),然后向后取10条数据。

这样性能确实是提升了,亲测能快一倍左右,属于那种耗时从3s变成1.5s的操作。

这······

属实有些杯水车薪,有点搓,属于没办法中的办法。

基于非主键索引的limit执行过程

上面提到的是主键索引的执行过程,我们再来看下基于非主键索引的limit执行过程。

比如下面的sql语句

*,10;

层会调用的接口,在里的非主键索引中获取到第0条数据对应的主键id后,回表到主键索引中找到对应的完整行数据,然后返回给层,层将其放到结果集中,返回给客户端。

而当>0时,且的值较小时,逻辑也类似,区别在于,>0时会丢弃前面的条数据。

也就是说非主键索引的limit过程,比主键索引的limit过程,多了个回表的消耗。

但当变得非常大时,比如600万,此时执行。

35a3d2ae-56cd-11ee-939d-92fbcf53809c.png

非主键索引值超大时走全表扫描

可以看到type那一栏显示的是ALL,也就是全表扫描。

这是因为层的优化器,会在执行器执行sql语句前,判断下哪种执行计划的代价更小。

很明显,优化器在看到非主键索引的600w次回表之后,摇了摇头,还不如全表一条条记录去判断算了,于是选择了全表扫描。

因此,当limit 过大时,非主键索引查询非常容易变成全表扫描。是真·性能杀手。

这种情况也能通过一些方式去优化。比如

*,(0000,100).id=t2.id;

通过 id from page order by limit , 100。先走层的非主键索引取出id,因为只拿主键id,不需要回表,所以这块性能会稍微快点,在返回层之后,同样抛弃前600w条数据,保留最后的100个id。然后再用这100个id去跟t1表做id匹配,此时走的是主键索引,将匹配到的100条行数据返回。这样就绕开了之前的600w条数据的回表。

当然,跟上面的case一样,还是没有解决要白拿600w条数据然后抛弃的问题,这也是非常挫的优化。

像这种,当变得超大时,比如到了百万千万的量级,问题就突然变得严肃了。

这里就产生了个专门的术语,叫深度分页。

深度分页问题

深度分页问题,是个很恶心的问题,恶心就恶心在,这个问题,它其实无解。

不管你是用mysql还是es,你都只能通过一些手段去”减缓”问题的严重性。

遇到这个问题,我们就该回过头来想想。

为什么我们的代码会产生深度分页问题?

它背后的原始需求是什么,我们可以根据这个做一些规避。

如果你是想取出全表的数据

有些需求是这样的,我们有一张数据库表,但我们希望将这个数据库表里的所有数据取出,异构到es,或者hive里,这时候如果直接执行

*;

这个sql一执行,狗看了都摇头。

因为数据量较大,mysql根本没办法一次性获取到全部数据,妥妥超时报错。

于是不少mysql小白会通过limit size分页的形式去分批获取,刚开始都是好的,等慢慢地,哪天数据表变得奇大无比,就有可能出现前面提到的深度分页问题。

这种场景是最好解决的。

我们可以将所有的数据根据id主键进行排序,然后分批次取,将当前批次的最大id作为下次筛选的条件进行查询。

可以看下伪代码

35bd964e-56cd-11ee-939d-92fbcf53809c.png

batch获取数据

这个操作,可以通过主键索引,每次定位到id在哪,然后往后遍历100个数据,这样不管是多少万的数据,查询性能都很稳定。

35cf2d82-56cd-11ee-939d-92fbcf53809c.png

batch分批获取user表

如果是给用户做分页展示

如果深度分页背后的原始需求只是产品经理希望做一个展示页的功能,比如商品展示页,那么我们就应该好好跟产品经理一下了。

什么样的翻页,需要翻到10多万以后,这明显是不合理的需求。

是不是可以改一下需求,让它更接近用户的使用行为?

比如,我们在使用谷歌搜索时看到的翻页功能。

35deab72-56cd-11ee-939d-92fbcf53809c.png

一般来说,谷歌搜索基本上都在20页以内,作为一个用户,我就很少会翻到第10页之后。

作为参考。

如果我们要做搜索或筛选类的页面的话,就别用mysql了,用es,并且也需要控制展示的结果数,比如一万以内,这样不至于让分页过深。

如果因为各种原因,必须使用mysql。那同样,也需要控制下返回结果数量,比如数量1k以内。

这样就能勉强支持各种翻页,跳页(比如突然跳到第6页然后再跳到第106页)。

———END———
限 时 特 惠: 本站每日持续更新海量各大内部创业教程,永久会员只需109元,全站资源免费下载 点击查看详情
站 长 微 信: nanadh666

声明:1、本内容转载于网络,版权归原作者所有!2、本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。3、本内容若侵犯到你的版权利益,请联系我们,会尽快给予删除处理!