从0.742秒到0.006秒，MySQL百万数据深分页优化实战

捡田螺的小男孩 2022-09-26 10:18:52

一、前言

 

我们日常做分页需求时，一般会用limit实现，但是当偏移量特别大的时候，查询效率就变得低下。本文将分四个方案，讨论如何优化MySQL百万数据的深分页问题，并附上最近优化生产慢SQL的实战案例。

 

二、limit深分页为什么会变慢？

 

先看下表结构哈：

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
CREATE TABLE account (  id int(11) NOT NULL AUTO_INCREMENT COMMENT '主键Id',  name varchar(255) DEFAULT NULL COMMENT '账户名',  balance int(11) DEFAULT NULL COMMENT '余额',  create_time datetime NOT NULL COMMENT '创建时间',  update_time datetime NOT NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',  PRIMARY KEY (id),  KEY idx_name (name),  KEY idx_update_time (update_time) //索引) ENGINE=InnoDB AUTO_INCREMENT=1570068 DEFAULT CHARSET=utf8 ROW_FORMAT=REDUNDANT COMMENT='账户表';

 

假设深分页的执行SQL如下：

 

  •  
select id,name,balance from account where update_time> '2020-09-19' limit 100000,10;

 

这个SQL的执行时间如下：

 

 

执行完需要0.742秒，深分页为什么会变慢呢？如果换成 limit 0,10，只需要0.006秒哦

 

 

我们先来看下这个SQL的执行流程：

 

  • 通过普通二级索引树idx_update_time，过滤update_time条件，找到满足条件的记录ID

 

  • 通过ID，回到主键索引树，找到满足记录的行，然后取出展示的列（回表）

 

  • 扫描满足条件的100010行，然后扔掉前100000行，返回

 

SQL的执行流程

 

执行计划如下：

 

 

SQL变慢原因有两个：

 

  • limit语句会先扫描offset+n行，然后再丢弃掉前offset行，返回后n行数据。也就是说limit 100000,10，就会扫描100010行，而limit 0,10，只扫描10行。

 

  • limit 100000,10 扫描更多的行数，也意味着回表更多的次数。

 

三、优化方案

 

 

1、通过子查询优化

 

因为以上的SQL，回表了100010次，实际上，我们只需要10条数据，也就是我们只需要10次回表其实就够了。因此，我们可以通过减少回表次数来优化。

 

1）回顾B+ 树结构

 

那么，如何减少回表次数呢？我们先来复习下B+树索引结构哈~

 

InnoDB中，索引分主键索引（聚簇索引）和二级索引

 

  • 主键索引，叶子节点存放的是整行数据

  • 二级索引，叶子节点存放的是主键的值。

 

 

2）把条件转移到主键索引树

 

如果我们把查询条件，转移回到主键索引树，那就可以减少回表次数啦。转移到主键索引树查询的话，查询条件得改为主键id了，之前SQL的update_time这些条件咋办呢？抽到子查询那里嘛~

 

子查询那里怎么抽的呢？因为二级索引叶子节点是有主键ID的，所以我们直接根据update_time来查主键ID即可，同时我们把 limit 100000的条件，也转移到子查询，完整SQL如下：

 

  •  
select id,name,balance FROM account where id >= (select a.id from account a where a.update_time >= '2020-09-19' limit 100000, 1) LIMIT 10;写漏了，可以补下时间条件在外面

 

查询效果一样的，执行时间只需要0.038秒！

 

 

我们来看下执行计划

 

 

由执行计划得知，子查询 table a查询是用到了idx_update_time索引。首先在索引上拿到了聚集索引的主键ID,省去了回表操作，然后第二查询直接根据第一个查询的 ID往后再去查10个就可以了！

 

 

因此，这个方案是可以的~

 

 

2、INNER JOIN延迟关联

 

延迟关联的优化思路，跟子查询的优化思路其实是一样的：都是把条件转移到主键索引树，然后减少回表。不同点是，延迟关联使用了inner join代替子查询。

 

优化后的SQL如下：

 

  •  
SELECT  acct1.id,acct1.name,acct1.balance FROM account acct1 INNER JOIN (SELECT a.id FROM account a WHERE a.update_time >= '2020-09-19' ORDER BY a.update_time LIMIT 100000, 10) AS  acct2 on acct1.id= acct2.id;

 

查询效果也是杠杆的，只需要0.034秒

 

 

执行计划如下：

 

 

查询思路就是，先通过idx_update_time二级索引树查询到满足条件的主键ID，再与原表通过主键ID内连接，这样后面直接走了主键索引了，同时也减少了回表。

 

 

3、标签记录法

 

limit 深分页问题的本质原因就是：偏移量（offset）越大，mysql就会扫描越多的行，然后再抛弃掉。这样就导致查询性能的下降。

 

其实我们可以采用标签记录法，就是标记一下上次查询到哪一条了，下次再来查的时候，从该条开始往下扫描。就好像看书一样，上次看到哪里了，你就折叠一下或者夹个书签，下次来看的时候，直接就翻到啦。

 

假设上一次记录到100000，则SQL可以修改为：

 

  •  
select  id,name,balance FROM account where id > 100000 order by id limit 10;

 

这样的话，后面无论翻多少页，性能都会不错的，因为命中了id索引。但是这种方式有局限性：需要一种类似连续自增的字段。

 

 

4、使用between...and...

 

很多时候，可以将limit查询转换为已知位置的查询，这样MySQL通过范围扫描between...and，就能获得到对应的结果。

 

如果知道边界值为100000，100010后，就可以这样优化：

 

  •  
select  id,name,balance FROM account where id between 100000 and 100010 order by id;

 

四、手把手实战案例

 

我们一起来看一个实战案例哈。假设现在有表结构如下，并且有200万数据。

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
CREATE TABLE account ( id varchar(32) COLLATE utf8_bin NOT NULL COMMENT '主键', account_no varchar(64) COLLATE utf8_bin NOT NULL DEFAULT '' COMMENT '账号' amount decimal(20,2) DEFAULT NULL COMMENT '金额' type varchar(10) COLLATE utf8_bin DEFAULT NULL COMMENT '类型A，B' create_time datetime DEFAULT NULL COMMENT '创建时间', update_time datetime DEFAULT NULL COMMENT '更新时间', PRIMARY KEY (id), KEY `idx_account_no` (account_no), KEY `idx_create_time` (create_time) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_bin COMMENT='账户表'

 

业务需求是这样：获取最2021年的A类型账户数据，上报到大数据平台。

 

 

1、一般思路的实现方式

 

很多伙伴接到这么一个需求，会直接这么实现了：

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
//查询上报总数量Integer total = accountDAO.countAccount();

//查询上报总数量对应的SQL<select id ='countAccount' resultType="java.lang.Integer">  seelct count(1)   from account  where create_time >='2021-01-01 00:00:00'  and  type ='A'</select>

//计算页数int pageNo = total % pageSize == 0 ? total / pageSize : (total / pageSize + 1);

//分页查询，上报for(int i = 0; i < pageNo; i++){ List<AcctountPO> list = accountDAO.listAccountByPage(startRow,pageSize); startRow = (pageNo-1)*pageSize; //上报大数据 postBigData(list);}

//分页查询SQL（可能存在limit深分页问题，因为account表数据量几百万）<select id ='listAccountByPage' >  seelct *   from account  where create_time >='2021-01-01 00:00:00'  and  type ='A'  limit #{startRow},#{pageSize}</select>

 

 

2、实战优化方案

 

以上的实现方案，会存在limit深分页问题，因为account表数据量几百万。那怎么优化呢？

 

其实可以使用标签记录法，有些伙伴可能会有疑惑，id主键不是连续的呀，真的可以使用标签记录？

 

当然可以，id不是连续，我们可以通过order by让它连续嘛。优化方案如下：

 

  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
//查询最小IDString  lastId = accountDAO.queryMinId();

//查询最小ID对应的SQL<select id="queryMinId" returnType=“java.lang.String”>select MIN(id) from accountwhere create_time >='2021-01-01 00:00:00'and type ='A'</select>

//一页的条数Integer pageSize = 100;

List<AcctountPO> list ;do{   list = listAccountByPage(lastId,pageSize);   //标签记录法，记录上次查询过的Id   lastId = list.get(list,size()-1).getId();    //上报大数据    postBigData(list);}while(CollectionUtils.isNotEmpty(list));

<select id ="listAccountByPage">  select *   from account   where create_time >='2021-01-01 00:00:00'  and id > #{lastId}  and type ='A'  order by id asc    limit #{pageSize}</select>

 

作者丨捡田螺的小男孩
来源丨公众号：捡田螺的小男孩（ID：gh_51e0e901a289）
dbaplus社群欢迎广大技术人员投稿，投稿邮箱：editor@dbaplus.cn
 

热门文章
最新评论
访客 2023年08月20日

230721

访客 2023年08月16日

1、导入Mongo Monitor监控工具表结构（mongo_monitor…

访客 2023年08月04日

上面提到： 在问题描述的架构图中我们可以看到，Click…

访客 2023年07月19日

PMM不香吗？

访客 2023年06月20日

如今看都很棒

活动预告
Copyright © 广州新炬网络技术有限公司 All rights reserved. 粤ICP备2024180830号-3