Mysql优化大分页查询

如题，年前做了一个需求，涉及到Mysql大分页查询，整理一下，希望对需要的小伙伴有帮助。

背景

  系统结构如上图。经过排查是因为系统B拉取数据时间太长导致的推送超时。
  系统B拉取数据的方法是根据_tiemstamp(数据操作时间)分页查询系统A的接口,即：

SELECT 字段名
FROM 表名
WHERE _timestamp >= beginTime AND _timestamp <= endTime 
LIMIT n, m;

  由于该数据是从其他数据源中导入的，所以_timestamp这个字段值几乎相同，这就导致了在我们的查询范围内存在大约150万的数据。一般遇到这种情况，首先想到的就是是否需要给_timestamp添加索引，这张表上是存在_timestamp索引的。那么为什么还会出现这个问题呢？这就要从分页查询本身说起了。

分页查询的性能瓶颈

B+树简述

  首先我们要了解InnoDB存储引擎中的B+数索引。这里我简单总结一下：

  上图是一颗B+树，通过观察我们可以发现它的一些特点：
  1.每个节点中子节点个个数不能少于m/2个，不能大于m个(B+树是一颗m叉树，图中m=3)
  2.根节点的节点个数可以超过m/2个，这是一个例外
  上述两点特性是为了保证B+树的查询效率。
  节点数超过m越多，在总节点数相同的情况下，树的高度h就越小，此时m叉数就会向链表退化(O(logn)->O(n))。
  节点数小于m/2越多，在总节点数相同的情况下，树的高度h就越高，此时查询数据，就需要经历更多次的IO
  3.m叉树非叶子节点只存储索引，不存储数据
  4.通过链表将叶子节点串联在一起，这样可以方便按区间查找。

B+比起二叉查找树，有什么优势？

  更矮，这就减少了IO次数。
  由于非叶子节点不存储数据，上图查询任何数据，都需要3次IO，查询性能更稳定
  由于叶子节点使用了链表连接，范围查询更简便。

分页查询过程

  1.首先通过非主键索引查询出所有条件的主键
  2.通过主键索引，定位到数据
  3.不断重复上述操作
  4.根据分页条件，确定返回数据的启始位置以及数据量
  5.返回数据
  可以看出，初始位置值越大，定位时需要查询的数据就越多，查询效率也会越低

测试集

  为了测试优化效果，我准备了150万测试数据(需要跑几分钟)。

# 建表语句
CREATE TABLE `test`(
  `id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `name` varchar(512) NOT NULL DEFAULT '无' COMMENT '创建人',
  `_timestamp` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  PRIMARY KEY (`id`),
  KEY `ix_timestamp` (`_timestamp`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='测试表';

# 建表语句
CREATE TABLE `test`(
  `id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `name` varchar(512) NOT NULL DEFAULT '无' COMMENT '创建人',
  `_timestamp` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
  PRIMARY KEY (`id`),
  KEY `ix_timestamp` (`_timestamp`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='测试表';


# 通过存储过程导入数据
drop procedure idata;
delimiter ;;
create procedure idata()
begin
  declare i int;
  set i=1;
  while(i<=1500000)do
    insert into test values(i, i, now());
    set i=i+1;
  end while;
end;;
delimiter ;

call idata();

  接着，我们看一下使用索引的情况下，分页查询语句的耗时情况。

  可以看出，在使用索引的情况下，无论初始位置是0，还是145万，Mysql都会扫描所有符合条件的数据，然后找到初始位置的数据，向后查偏移量个数据，最后返回。

  这两条语句的执行速度差距非常大，大约3个数量级(0.00sec,10 sec)

解决方法

  针对于limit，有很多优化的方法，比如前端加缓存、或者使用分页加载的方式展示数据。(大部分用户请求数据的初始开始都不会很大)。在我们的使用场景中，调大超时时间的阈值也是可以的。
  但是回到问题本身，问题出现的原因就是分页语句随着初始位置的增加，会有性能问题，所以治本的办法，是对这个语句进行优化，有两个优化方法：

1 延迟关联法：

  我们先查询出符合要求的主键(由于查询的字段有索引，该索引的叶子节点就是主键，通过索引覆盖我们可以省去一次回表操作。)
  然后再通过主键索引查询数据，这就省去了遍历数据找初始位置数据的过程

  通过延迟关联的方法，我们将10sec的耗时降低到了1.58sec,优化了将近1个数量级。

2 主键阈值法

  如果你的主键是自增的，那么就可以通过条件推算出符合条件的主键最大值&最小值(这里也是通过索引覆盖省去了一次回表操作)
  然后再根据阈值，取数据即可，同样省去了遍历数据找初始位置数据的过程

  通过主键阈值法的方法，我们将10sec的耗时降低到了1.12sec,优化了1个数量级

最后

  最后对文章做一下补充说明：
  1.文中优化效果是仅凭借调用一次SQL的耗时给出的，并不科学，仅仅是为了让大家有一个直观的概念。
  2.无论是延迟关联法，还是主键阈值法。思想都是一样的，先把符合条件的主键找到，然后通过主键去定位符合条件的数据，这里优化了2个点：1.通过索引覆盖避免了回表;2.通过主键直接定位数据的方法，省去了在数据集中查询初始位置的过程
  3.优化的效果随数据量增加而增强。万级别的数据优化效果可能并不明显。

  最后，期待您的订阅和点赞，专栏每周都会更新，希望可以和您一起进步，同时也期待您的批评与指正！