- 当前位置：首页 >人工智能 >炸！业界难题，跨库分页的几种常见方案
炸！业界难题，跨库分页的几种常见方案
发布时间：2025-11-03 20:24:02 来源：创站工坊 作者：数据库
为什么需要研究跨库分页?炸业种常
互联网很多业务都有分页拉取数据的需求，例如：
微信消息过多时，界难见方拉取第N页消息; 京东下单过多时，题跨拉取第N页订单; 浏览58同城，库分查看第N页帖子。炸业种常
这些业务场景对应的界难见方消息表，订单表，题跨帖子表分页拉取需求，库分都有这样一些共同的炸业种常特点：
有个业务主键id, msg_id, order_id, tiezi_id; 分页按照非业务主键id来排序，业务中经常按照时间time来排序order by。界难见方在数据量不大时，题跨如何来实现跨库分页的库分需求呢?
在排序字段time上建立索引; 利用SQL提供的offset/limit就能实现。例如：
select * from t_msg order by time offset 200 limit 100; select * from t_order order by time offset 200 limit 100; select * from t_tiezi order by time offset 200 limit 100;画外音：此处假设一页数据为100条，炸业种常均拉取第3页数据。界难见方
为什么会有分库的题跨需求?
高并发大流量的互联网架构，一般通过服务层来访问数据库，随着数据量的增大，数据库需要进行水平切分，分库后将数据分布到不同的数据库实例(甚至物理机器)上，以达到降低数据量，增加实例数的扩容目的。
一旦涉及分库，逃不开“分库依据” patition key，IT技术网要使用哪一个字段来水平切分数据库呢?
大部分的业务场景，会使用业务主键id。
确定了分库依据 patition key 后，接下来怎么确定分库算法呢?
大部分的业务场景，会使用业务主键id取模的算法来分库，这样的好处是：
即能够保证每个库的数据分布是均匀的; 又能够保证每个库的请求分布是均匀的。实在是简单实现负载均衡的好方法，此法在互联网架构中应用颇多。
一个更具体的例子：
用户库user，水平切分后变为两个库：
分库依据patition key是uid; 分库算法是uid取模：uid%2余0的数据会落到db0，uid%2余1的数据会落到db1。数据库进行了水平切分之后，如果业务要查询“最近注册的第3页用户”，即跨库分页查询，源码库该如何实现呢?
单库上，可以：
select * from t_user order by time offset 200 limit 100;变成两个库后，分库依据是uid，排序依据是time，数据库层失去了time排序的全局视野，数据分布在两个库上，此时该怎么办呢?
如何满足“跨越多个水平切分数据库，且分库依据与排序依据为不同属性，并需要进行分页”的查询需求，实现：
select * from T order by time offset X limit Y;这类跨库分页SQL，是后文将要讨论的技术问题。
方案一：全局视野法
如上图所述，服务层通过uid取模将数据分布到两个库上去之后，每个数据库都失去了全局视野，数据按照time局部排序之后，不管哪个分库的第3页数据，都不一定是全局排序的第3页数据。
那到底哪些数据才是全局排序的第3页数据呢?
需要分三种情况讨论。
(1) 极端情况，两个库的数据完全一样。
如果两个库的云南idc服务商数据完全相同，只需要每个库offset一半，再取半页，就是最终想要的数据(如上图中粉色部分数据)。
(2) 极端情况，结果数据来自一个库。
也可能两个库的数据分布及其不均衡，例如db0的所有数据的time都大于db1的所有数据的time，则可能出现：一个库的第3页数据，就是全局排序后的第3页数据(如上图中粉色部分数据)。
(3)一般情况，每个库数据各包含一部分。
正常情况下，全局排序的第3页数据，每个库都会包含一部分(如上图中粉色部分数据)。
由于不清楚到底是哪种情况，所以必须：
每个库都返回3页数据; 所得到的6页数据在服务层进行内存排序，得到数据全局视野; 再取第3页数据，便能够得到想要的全局分页数据。再总结一下这个方案的步骤：
(1) 将SQL语句改写，即：
order by time offset X limit Y;改写成：
order by time offset 0 limit X+Y;(2)服务层将改写后的SQL语句发往各个分库;
(3)假设共分为N个库，服务层将得到N*(X+Y)条数据;
(4)服务层对得到的N*(X+Y)条数据进行内存排序;
(5)内存排序后再取偏移量X后的Y条记录，就是全局视野所需的一页数据。
全局视野法有什么优点?
通过服务层修改SQL语句，扩大数据召回量，能够得到全局视野，业务无损，精准返回所需数据。
全局视野法的缺点呢?
缺点显而易见：
每个分库需要返回更多的数据，增大了网络传输量(耗网络); 除了数据库按照time进行排序，服务层还需要进行二次排序，增大了服务层的计算量(耗CPU); 最致命的，这个算法随着页码的增大，性能会急剧下降，这是因为SQL改写后每个分库要返回X+Y行数据：返回第3页，offset中的X=200;假如要返回第100页，offset中的X=9900，即每个分库要返回100页数据，数据量和排序量都将大增，性能平方级下降。“全局视野法”虽然性能较差，但其业务无损，数据精准，不失为一种方案，有没有性能更优的方案呢?
“任何脱离业务的架构设计都是耍流氓”，技术方案需要折衷，在技术难度较大的情况下，业务需求的折衷能够极大的简化技术方案。
方案二：禁止跳页查询法
在数据量很大，翻页数很多的时候，很多产品并不提供“直接跳到指定页面”的功能，而只提供“下一页”的功能，这一个小小的业务折衷，就能极大的降低技术方案的复杂度。
如上图，不能跳页，那么只能够查初始页：
(1)将查询
order by time offset 0 limit 100;改写成：
order by time where time>0 limit 100;(2)上述改写和offset 0 limit 100的效果相同，都是每个分库返回了一页数据(上图中粉色部分);
(3)服务层得到2页数据，内存排序，取出前100条数据，作为最终的初始页数据，一般来说每个分库都包含一部分数据(如上图粉色部分);
这个方案也需要服务器内存排序，岂不是和“全局视野法”一样么?初始数据的拉取确实一样，但每一次“下一页”拉取的方案就不一样了。
点击“下一页”时，需要拉取第二页数据，在初始页数据的基础之上，能够找到初始页数据time值：
这个上一页记录的time_max，会作为第二页数据拉取的查询条件：
(1)将查询
order by time offset 100 limit 100;改写成
order by time where time>$time_max limit 100;
(2)这下不是返回2页数据了(“全局视野法，会改写成offset 0 limit 200”)，每个分库还是返回一页数据(如上图中粉色部分);
(3)服务层得到2页数据，内存排序，取出前100条数据，作为最终的第2页数据，这个全局的第2页数据，一般来说也是每个分库都包含一部分数据(如上图粉色部分);
如此往复，查询全局视野第100页数据时，不是将查询条件改写为：
offset 0 limit 9900+100;（返回100页数据）而是改写为
time>$time_max99 limit 100;（仍返回一页数据）以保证数据的传输量和排序的数据量不会随着不断翻页而导致性能下降。
方案三：允许数据精度损失法
“全局视野法”能够返回业务无损的精确数据，在查询页数较大，例如第100页时，会有性能问题，此时业务上是否能够接受，返回的100页不是精准的数据，而允许有一些数据偏差呢?
先来了解一下，数据库分库-数据均衡原理。
什么是，数据库分库-数据均衡原理?
使用patition key进行分库，在数据量较大，数据分布足够随机的情况下，各分库所有非patition key属性，在各个分库上，数据分布的统计概率情况是一致的。
例如，在uid随机的情况下，使用uid取模分两库，db0和db1：
性别属性，如果db0库上的男性用户占比70%，则db1上男性用户占比也应为70%; 年龄属性，如果db0库上18-28岁少女用户比例占比15%，则db1上少女用户比例也应为15%; 时间属性，如果db0库上每天10:00之前登录的用户占比为20%，则db1上应该是相同的统计规律; …
利用这一原理，要查询全局100页数据，只要将：
offset 9900 limit 100;改写为
offset 4950 limit 50;即每个分库偏移一半(4950)，获取半页数据(50条)，得到的数据集的并集，基本能够认为，是全局数据的offset 9900 limit 100的数据，当然，这一页数据并不是精准的。
根据实际业务经验，用户都要查询第100页网页、帖子、邮件的数据了，这一页数据的精准性损失，业务上往往是可以接受的，但此时技术方案的复杂度大大降低了，既不需要返回更多的数据，也不需要进行服务内存排序了。
画外音：如果业务能够接受，这种方案的性能不错，强烈推荐。
方案四：二次查询法
有没有一种技术方案，即能够满足业务的精确需要，无需业务折衷，又高性能的方法呢?这就是接下来要介绍的武器，“二次查询法”。
为了方便举例，假设一页只有5条数据，查询第200页的SQL语句为：
select * from T order by time offset 1000 limit 5;步骤一：查询改写
select * from T order by time offset 1000 limit 5;改写为：
select * from T order by time offset 500 limit 5;并投递给所有的分库，注意，这个offset的500，来自于全局offset的总偏移量1000，除以水平切分数据库个数2。
画外音：因为数据量比较大，数据随机性较强，不妨设仍然符合“数据库分库-数据均衡定理”。
如果是3个分库，则可以改写为：
select * from T order by time offset 333 limit 5;假设这三个分库返回的数据(time, uid)如下：
可以看到，每个分库都是返回的按照time排序的一页数据。
步骤二：找到所返回3页全部数据的最小值
5条数据的time最小值是1487501123; 第二个库，5条数据的time最小值是1487501133; 第三个库，5条数据的time最小值是1487501143;
故，三页数据中，time最小值来自库一，time_min=1487501123，这个过程只需要比较各个分库的初始数据，时间复杂度很低。
画外音：这个time_min非常重要，后文每一个步骤要都要用到time_min。
步骤三：查询二次改写
改写的SQL语句是
elect * from T order by time offset 333 limit 5;第二次要改写成一个between语句：
between的起点是time_min between的终点是原来每个分库各自返回数据的值分库，返回数据的值是1487501523
所以查询改写为：
select * from T order by time where time between time_min and 1487501523;第二个分库，返回数据的值是1487501323
所以查询改写为
select * from T order by time where time between time_min and 1487501323;第三个分库，返回数据的值是1487501553
所以查询改写为
select * from T order by time where time between time_min and 1487501553;相对初始查询，第二次查询条件放宽了，故第二次查询会返回比初始查询结果集更多的数据，假设这三个分库返回的数据(time, uid)如下：
可以看到：
分库一的结果集，由于time_min来自原来的分库一，所以分库一的返回结果集和初始查询相同(所以其实这次访问是可以省略的); 分库二的结果集，比初始多返回了1条数据，头部的1条记录(time最小的记录)是新的(上图中粉色记录); 分库三的结果集，比初始多返回了2条数据，头部的2条记录(time最小的2条记录)是新的(上图中粉色记录);步骤四：在每个结果集中虚拟一个time_min记录，找到time_min在全局的offset
在初始库中，time_min在库里的offset是333;
在第二个库中，(1487501133, uid_aa)的offset是333(根据初始查询条件得出的)，故虚拟time_min在第二个库的offset是331;
画外音：从333往前推演。
在第三个库中，(1487501143, uid_aaa)的offset是333(根据初始查询条件得出的)，故虚拟time_min在第三个库的offset是330;
画外音：从333往前推演。
综上，time_min在全局的offset是333+331+330=994。
步骤五：既然得到了time_min在全局的offset，就相当于有了全局视野，根据第二次的结果集，就能够得到全局offset 1000 limit 5的记录
第二次查询在各个分库返回的结果集是有序的，又知道了time_min在全局的offset是994，一路排下来，容易知道全局offset 1000 limit 5的一页记录(上图中记录)。
这种方法的优点是：可以精确的返回业务所需数据，每次返回的数据量都非常小，不会随着翻页增加数据的返回量。
帅气不帅气!!!
总结
今天介绍了解决“跨N库分页”这一难题的四种方法：
方法一：全局视野法
(1)SQL改写，将
order by time offset X limit Y;改写成
order by time offset 0 limit X+Y;(2)服务层对得到的N*(X+Y)条数据进行内存排序，内存排序后再取偏移量X后的Y条记录;
这种方法随着翻页的进行，性能越来越低。
方法二：禁止跳页查询法
(1)用正常的方法取得初始页数据，并得到初始记录的time_max;
(2)每次翻页，将
order by time offset X limit Y;改写成
order by time where time>$time_max limit Y;以保证每次只返回一页数据，性能为常量。
方法三：允许模糊数据法
(1)SQL查询改写，将
order by time offset X limit Y;改写成
order by time offset X/N limit Y/N;性能很高，但拼接的结果集不精准。
方法四：二次查询法
(1)SQL改写，将
order by time offset X limit Y;改写成
order by time offset X/N limit Y;(2)多页返回，找到最小值time_min;
(3)between二次查询
order by time between $time_min and $time_i_max;(4)设置虚拟time_min，找到time_min在各个分库的offset，从而得到time_min在全局的offset;
(5)得到了time_min在全局的offset，自然得到了全局的offset X limit Y;
文章比较长，希望大家有收获。
【本文为专栏作者“58沈剑”原创稿件，转载请联系原作者】
戳这里，看该作者更多好文
- 苹果6s手机质量评测（用心设计，品质保证，苹果6s手机的优势与不足）
- 域后缀首选.com，.net，然后是.cn。后缀选择不当，导致流量损失。域名是企业与互联网网址之间的链接，关键是企业在网络上存在的标志。因此，选择好域名是开展网上工作的首要重要条件。
- 比较短的域名方便用户记忆和传播，它带来的好处往往会超过其他类型的域名，如果你非要域名短而且还要包含关键词，那么往往会事与愿违，现在这种域名基本上是可遇而不可求的。
- 4、选择一个安全的域名注册商进行域名注册
- 电脑表格显示格式错误及解决方法（解析电脑表格显示错误的常见问题和解决方案）
- 第五步：重复第四步,直到找到正确的纪录。
- 什么样的邮箱才是安全的电子邮件地址？
- 4、club娱乐
- 如何使用隐藏分区删除教程（隐藏分区删除数据的有效方法及注意事项）
- 最后提醒我们，域名到期后要及时更新域名，否则可能会丢掉域名，每次抢先注册都不会成功。
- 电脑显示文件大小错误的原因及解决方法（解析文件大小显示错误的常见问题及应对措施）
- 众所周知，com域名拥有最大的流通市场和流通历史。最好选择com域名，特别是在购买域名时处理域名。其次可以是cn域名、net域名、org域名等主流域名，现在比较流行的王域名和顶级域名，都是值得注册和投资的。
- 众所周知，com域名拥有最大的流通市场和流通历史。最好选择com域名，特别是在购买域名时处理域名。其次可以是cn域名、net域名、org域名等主流域名，现在比较流行的王域名和顶级域名，都是值得注册和投资的。
- 第五步：重复第四步,直到找到正确的纪录。
- 索尼KDL32R500C电视评测（探索索尼KDL32R500C的特点和性能）
- 在数以亿计的网站中，我们应该抓住每一个可能带来宣传的机会，域名可以带有企业的名字，一般可以使用汉语拼音或者英语单词或者是相关缩写的形式，只要用户记住了你企业的名字，就能很容易的打出你的网站域名，同样的，记住了网站域名也能很快的记住你公司的名字。
- 6、提示添加成功，点击确认进行最后的确定操作。一般10分钟就解析生效，可以用域名进行访问了。
- 5、使用企业名称的英文名称作为域名也是国内许多企业选择域名的一种方式，特别适合一些与计算机、网络和通信相关的行业。
- 小白也能轻松学会电脑装机（详解电脑装机教程，让你快速掌握装机技巧）
- tk域名是什么域名？新手对tk域名有什么看法？
随便看看
- Copyright © 2025 Powered by 炸！业界难题，跨库分页的几种常见方案,创站工坊 滇ICP备2023006006号-44sitemap