zoukankan      html  css  js  c++  java
  • MYSQL分页limit速度太慢的优化方法

    在mysql中limit可以实现快速分页,但是如果数据到了几百万时我们的limit必须优化才能有效的合理的实现分页了,否则可能卡死你的服务器哦。

       当一个表数据有几百万的数据的时候成了问题!

       如 select * from table limit 0,10 这个没有问题 当 limit 200000,10 的时候数据读取就很慢,可以按照一下方法解决
        第一页会很快
       PERCONA PERFORMANCE CONFERENCE 2009上,来自雅虎的几位工程师带来了一篇”EfficientPagination Using MySQL”的报告
       limit10000,20的意思扫描满足条件的10020行,扔掉前面的10000行,返回最后的20行,问题就在这里。
       LIMIT 451350 , 30 扫描了45万多行,怪不得慢的都堵死了。
       但是
       limit 30 这样的语句仅仅扫描30行。

       那么如果我们之前记录了最大ID,就可以在这里做文章

       举个例子

       日常分页SQL语句
       select id,name,content from users order by id asc limit 100000,20
       扫描100020行
       如果记录了上次的最大ID
       select id,name,content from users where id>100073 order by id asc limit 20
       扫描20行。
       总数据有500万左右
       以下例子 当时候 select * from wl_tagindex where byname='f' order by id limit 300000,10 执行时间是 3.21s
       优化后:

    select * from (
       select id from wl_tagindex
       where byname='f' order by id limit 300000,10
    ) a
    left join wl_tagindex b on a.id=b.id

       执行时间为 0.11s 速度明显提升
       这里需要说明的是 我这里用到的字段是 byname ,id 需要把这两个字段做复合索引,否则的话效果提升不明显

       总结

       当一个数据库表过于庞大,LIMIT offset, length中的offset值过大,则SQL查询语句会非常缓慢,你需增加order by,并且order by字段需要建立索引。
       如果使用子查询去优化LIMIT的话,则子查询必须是连续的,某种意义来讲,子查询不应该有where条件,where会过滤数据,使数据失去连续性。
       如果你查询的记录比较大,并且数据传输量比较大,比如包含了text类型的field,则可以通过建立子查询。

       SELECT id,title,content FROM items WHERE id IN (SELECT id FROM items ORDER BY id limit 900000, 10);

       如果limit语句的offset较大,你可以通过传递pk键值来减小offset = 0,这个主键最好是int类型并且auto_increment

       SELECT * FROM users WHERE uid > 456891 ORDER BY uid LIMIT 0, 10;

       这条语句,大意如下:

       SELECT * FROM users WHERE uid >=  (SELECT uid FROM users ORDER BY uid limit 895682, 1) limit 0, 10;
       如果limit的offset值过大,用户也会翻页疲劳,你可以设置一个offset最大的,超过了可以另行处理,一般连续翻页过大,用户体验很差,则应该提供更优的用户体验给用户。

       limit 分页优化方法

       1.子查询优化法
       先找出第一条数据,然后大于等于这条数据的id就是要获取的数据
       缺点:数据必须是连续的,可以说不能有where条件,where条件会筛选数据,导致数据失去连续性
       实验下
        mysql> set profi=1;
       Query OK, 0 rows affected (0.00 sec)
       mysql> select count(*) from Member;
       +———-+
       | count(*) |
       +———-+
       |   169566 |
       +———-+
       1 row in set (0.00 sec)
       mysql> pager grep !~-
       PAGER set to ‘grep !~-‘
       mysql> select * from Member limit 10, 100;
       100 rows in set (0.00 sec)
       mysql> select * from Member where MemberID >= (select MemberID from Member limit 10,1) limit 100;
       100 rows in set (0.00 sec)
       mysql> select * from Member limit 1000, 100;
       100 rows in set (0.01 sec)
       mysql> select * from Member where MemberID >= (select MemberID from Member limit 1000,1) limit 100;
       100 rows in set (0.00 sec)
       mysql> select * from Member limit 100000, 100;
       100 rows in set (0.10 sec)
       mysql> select * from Member where MemberID >= (select MemberID from Member limit 100000,1) limit 100;
       100 rows in set (0.02 sec)
       mysql> nopager
       PAGER set to stdout
       mysql> show profilesG
       *************************** 1. row ***************************
       Query_ID: 1
       Duration: 0.00003300
          Query: select count(*) from Member
       *************************** 2. row ***************************
       Query_ID: 2
       Duration: 0.00167000
          Query: select * from Member limit 10, 100
       *************************** 3. row ***************************
       Query_ID: 3
       Duration: 0.00112400
          Query: select * from Member where MemberID >= (select MemberID from Member limit 10,1) limit 100
       *************************** 4. row ***************************
       Query_ID: 4
       Duration: 0.00263200
          Query: select * from Member limit 1000, 100
       *************************** 5. row ***************************
       Query_ID: 5
       Duration: 0.00134000
          Query: select * from Member where MemberID >= (select MemberID from Member limit 1000,1) limit 100
       *************************** 6. row ***************************
       Query_ID: 6
       Duration: 0.09956700
          Query: select * from Member limit 100000, 100
       *************************** 7. row ***************************
       Query_ID: 7
       Duration: 0.02447700
          Query: select * from Member where MemberID >= (select MemberID from Member limit 100000,1) limit 100
        从结果中可以得知,当偏移1000以上使用子查询法可以有效的提高性能。
       2.倒排表优化法
       倒排表法类似建立索引,用一张表来维护页数,然后通过高效的连接得到数据
       缺点:只适合数据数固定的情况,数据不能删除,维护页表困难
       3.反向查找优化法
       当偏移超过一半记录数的时候,先用排序,这样偏移就反转了
       缺点:order by优化比较麻烦,要增加索引,索引影响数据的修改效率,并且要知道总记录数
       ,偏移大于数据的一半
       引用
       limit偏移算法:
       正向查找: (当前页 – 1) * 页长度
       反向查找: 总记录 – 当前页 * 页长度
       做下实验,看看性能如何
       总记录数:1,628,775
       每页记录数: 40
       总页数:1,628,775 / 40 = 40720
       中间页数:40720 / 2 = 20360
       第21000页
       正向查找SQL:
       Sql代码
       SELECT * FROM `abc` WHERE `BatchID` = 123 LIMIT 839960, 40
       时间:1.8696 秒
       反向查找sql:
       Sql代码
       SELECT * FROM `abc` WHERE `BatchID` = 123 ORDER BY InputDate DESC LIMIT 788775, 40
       时间:1.8336 秒
       第30000页
       正向查找SQL:
       Sql代码
       1.SELECT * FROM `abc` WHERE `BatchID` = 123 LIMIT 1199960, 40
       SELECT * FROM `abc` WHERE `BatchID` = 123 LIMIT 1199960, 40
       时间:2.6493 秒
       反向查找sql:
       Sql代码
       1.SELECT * FROM `abc` WHERE `BatchID` = 123 ORDER BY InputDate DESC LIMIT 428775, 40
       SELECT * FROM `abc` WHERE `BatchID` = 123 ORDER BY InputDate DESC LIMIT 428775, 40
        时间:1.0035 秒
       注意,反向查找的结果是是降序desc的,并且InputDate是记录的插入时间,也可以用主键联合索引,但是不方便。
       4.limit限制优化法
       把limit偏移量限制低于某个数。。超过这个数等于没数据,我记得alibaba的dba说过他们是这样做的
       5.只查索引法

  • 相关阅读:
    spark streaming 程序设置jvm参数
    Continuously INFO JobScheduler:59
    No partition metadata for topic test due to kafka.common.LeaderNotAvailableException
    spark 免密码登录- ssh 指定非22端口
    jvm中的新生代Eden和survivor区
    Swift之控件-UIlabel
    UITextField的placeholder文字的位置,颜色等的自定义设置
    版本更新
    CFBundleVersion与CFBundleShortVersionString,上架注意事项
    上拉刷新,下拉加载
  • 原文地址:https://www.cnblogs.com/icebutterfly/p/9199202.html
Copyright © 2011-2022 走看看