MySQL分頁查詢優(yōu)化方案

使用子查詢優(yōu)化

這種方式先定位偏移位置的 id议泵,然后往后查詢,這種方式適用于 id 遞增的情況鬓催。

select * from orders_history where type=8 limit 100000,1;

select id from orders_history where type=8 limit 100000,1;

select * from orders_history where type=8 and 
id>=(select id from orders_history where type=8 limit 100000,1) 
limit 100;

select * from orders_history where type=8 limit 100000,100;

4條語句的查詢時(shí)間如下:
第1條語句:3674ms
第2條語句:1315ms
第3條語句:1327ms
第4條語句:3710ms

針對上面的查詢需要注意:
比較第1條語句和第2條語句:使用 select id 代替 select * 速度增加了3倍
比較第2條語句和第3條語句:速度相差幾十毫秒
比較第3條語句和第4條語句:得益于 select id 速度增加肺素,第3條語句查詢速度增加了3倍
這種方式相較于原始一般的查詢方法,將會增快數(shù)倍宇驾。

使用 id 限定優(yōu)化

這種方式假設(shè)數(shù)據(jù)表的id是連續(xù)遞增的倍靡,則我們根據(jù)查詢的頁數(shù)和查詢的記錄數(shù)可以算出查詢的id的范圍,可以使用 id between and 來查詢:

select * from orders_history where type=2 and id between 1000000 and 1000100 limit 100;
--OR
select * from orders_history where id >= 1000001 limit 100;

當(dāng)然還可以使用 in 的方式來進(jìn)行查詢课舍,這種方式經(jīng)常用在多表關(guān)聯(lián)的時(shí)候進(jìn)行查詢塌西,使用其他表查詢的id集合,來進(jìn)行查詢:

select * from orders_history where id in (select order_id from trade_2 where goods = 'pen') limit 100;

這種 in 查詢的方式要注意:某些 mysql 版本不支持在 in 子句中使用 limit筝尾。

使用臨時(shí)表優(yōu)化

這種方式已經(jīng)不屬于查詢優(yōu)化捡需,這兒附帶提一下。
對于使用 id 限定優(yōu)化中的問題筹淫,需要 id 是連續(xù)遞增的站辉,但是在一些場景下,比如使用歷史表的時(shí)候,或者出現(xiàn)過數(shù)據(jù)缺失問題時(shí)饰剥,可以考慮使用臨時(shí)存儲的表來記錄分頁的id殊霞,使用分頁的id來進(jìn)行 in 查詢。這樣能夠極大的提高傳統(tǒng)的分頁查詢速度汰蓉,尤其是數(shù)據(jù)量上千萬的時(shí)候绷蹲。

關(guān)于數(shù)據(jù)表的id說明

一般情況下,在數(shù)據(jù)庫中建立表的時(shí)候古沥,強(qiáng)制為每一張表添加 id 遞增字段瘸右,這樣方便查詢。

如果像是訂單庫等數(shù)據(jù)量非常龐大岩齿,一般會進(jìn)行分庫分表。這個(gè)時(shí)候不建議使用數(shù)據(jù)庫的 id 作為唯一標(biāo)識苞俘,而應(yīng)該使用分布式的高并發(fā)唯一 id 生成器來生成盹沈,并在數(shù)據(jù)表中使用另外的字段來存儲這個(gè)唯一標(biāo)識。

使用先使用范圍查詢定位 id (或者索引)吃谣,然后再使用索引進(jìn)行定位數(shù)據(jù)乞封,能夠提高好幾倍查詢速度。即先 select id岗憋,然后再 select *肃晚;

文章轉(zhuǎn)載自:
MySQL分頁查詢優(yōu)化

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市仔戈,隨后出現(xiàn)的幾起案子关串,更是在濱河造成了極大的恐慌,老刑警劉巖监徘,帶你破解...
    沈念sama閱讀 216,496評論 6 501
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件晋修,死亡現(xiàn)場離奇詭異,居然都是意外死亡凰盔,警方通過查閱死者的電腦和手機(jī)墓卦,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,407評論 3 392
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來户敬,“玉大人落剪,你說我怎么就攤上這事∧蚵” “怎么了忠怖?”我有些...
    開封第一講書人閱讀 162,632評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長屁倔。 經(jīng)常有香客問我脑又,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,180評論 1 292
  • 正文 為了忘掉前任问麸,我火速辦了婚禮往衷,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘严卖。我一直安慰自己席舍,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,198評論 6 388
  • 文/花漫 我一把揭開白布哮笆。 她就那樣靜靜地躺著来颤,像睡著了一般。 火紅的嫁衣襯著肌膚如雪稠肘。 梳的紋絲不亂的頭發(fā)上福铅,一...
    開封第一講書人閱讀 51,165評論 1 299
  • 那天,我揣著相機(jī)與錄音项阴,去河邊找鬼滑黔。 笑死,一個(gè)胖子當(dāng)著我的面吹牛环揽,可吹牛的內(nèi)容都是我干的略荡。 我是一名探鬼主播,決...
    沈念sama閱讀 40,052評論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼歉胶,長吁一口氣:“原來是場噩夢啊……” “哼汛兜!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起通今,我...
    開封第一講書人閱讀 38,910評論 0 274
  • 序言:老撾萬榮一對情侶失蹤粥谬,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后衡创,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體帝嗡,經(jīng)...
    沈念sama閱讀 45,324評論 1 310
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,542評論 2 332
  • 正文 我和宋清朗相戀三年璃氢,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了哟玷。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 39,711評論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡一也,死狀恐怖巢寡,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情椰苟,我是刑警寧澤抑月,帶...
    沈念sama閱讀 35,424評論 5 343
  • 正文 年R本政府宣布,位于F島的核電站舆蝴,受9級特大地震影響谦絮,放射性物質(zhì)發(fā)生泄漏题诵。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,017評論 3 326
  • 文/蒙蒙 一层皱、第九天 我趴在偏房一處隱蔽的房頂上張望性锭。 院中可真熱鬧,春花似錦叫胖、人聲如沸草冈。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,668評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽怎棱。三九已至,卻和暖如春绷跑,著一層夾襖步出監(jiān)牢的瞬間拳恋,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,823評論 1 269
  • 我被黑心中介騙來泰國打工你踩, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留诅岩,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 47,722評論 2 368
  • 正文 我出身青樓带膜,卻偏偏與公主長得像,于是被迫代替她去往敵國和親鸳谜。 傳聞我的和親對象是個(gè)殘疾皇子膝藕,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,611評論 2 353