面试官："假设订单表有1000万数据，如何实现分页查询？"

初级开发者的回答通常是：

SELECT * FROM orders ORDER BY create_time DESC LIMIT 10 OFFSET 1000000;

问题分析：

MySQL需要先读取1000010条记录，然后丢弃前100万条

当OFFSET=900万时，查询可能需要10秒+

大偏移量会导致大量临时文件生成（Using filesort）

进阶方案：

SELECT * FROM orders WHERE id <= (SELECT id FROM orders ORDER BY create_time DESC LIMIT 1000000, 1)ORDER BY create_time DESC LIMIT 10;

优化原理：

1、子查询先通过覆盖索引快速定位到起始ID

2、主查询通过主键ID范围过滤

3、相比OFFSET方案，性能提升10倍+

适用场景：

数据量在100万-5000万级别

必须有合适的索引（create_time需建立二级索引）

面试官期待的答案：

-- 第一页SELECT * FROM orders WHERE create_time <= NOW()ORDER BY create_time DESC LIMIT 10;-- 后续页（假设上一页最后一条记录的create_time是'2025-06-20 15:30:00'）SELECT * FROM orders WHERE create_time < '2025-06-20 15:30:00'ORDER BY create_time DESC LIMIT 10;

技术要点：

通过上一页的最后一条记录作为游标锚点

完美利用(create_time)索引的有序性

无论查询第1页还是第100万页，响应时间都<100ms

业务适配：

• 需要前端配合传递last_record_value

• 不支持随机跳页（但符合现代APP无限滚动交互）

当数据量达到亿级时，阿里云实际采用的架构：

按订单ID哈希分16个库

单独维护(user_id, create_time)的映射关系

先查索引表获取目标记录的主键ID

再通过ID路由到具体分片查询完整数据

// 伪代码示例List<Long> ids = indexTable.query("WHERE user_id=? ORDER BY create_time DESC", userId);List<Order> orders = shardingService.batchGetByIds(ids);

有经验的候选人会补充：

当游标超过阈值时，触发异步导出

如何处理新增数据导致的分页跳动（采用稳定字段如ID而非时间）

热门查询结果预加载到Redis

面试建议：回答时要展示出对问题理解的深度和广度，从简单方案引出复杂场景的解决方案，这正是阿里面试官最看重的技术纵深能力。

大家在实际业务中如何处理大数据分页？欢迎在评论区分享你的实战经验！