从0.742秒到0.006秒，MySQL百万数据深分页优化实战

发布时间：2025-11-05 05:35:54 来源：创站工坊 作者：应用开发

一、从秒前言

我们日常做分页需求时，到秒一般会用limit实现，据深但是分页当偏移量特别大的时候，查询效率就变得低下。优化本文将分四个方案，实战讨论如何优化MySQL百万数据的从秒深分页问题，并附上最近优化生产慢SQL的到秒实战案例。

二、据深limit深分页为什么会变慢？分页

先看下表结构哈：

(

,

,

,

,

,

),

),

假设深分页的执行SQL如下：

这个SQL的执行时间如下：

执行完需要0.742秒，深分页为什么会变慢呢？优化如果换成 limit 0,10，只需要0.006秒哦

我们先来看下这个SQL的实战执行流程：

SQL的执行流程

执行计划如下：

SQL变慢原因有两个：

三、优化方案

因为以上的SQL，回表了100010次，实际上，我们只需要10条数据，也就是我们只需要10次回表其实就够了。因此，我们可以通过减少回表次数来优化。

1）回顾B+ 树结构

那么，如何减少回表次数呢？我们先来复习下B+树索引结构哈~

InnoDB中，索引分主键索引（聚簇索引）和二级索引

2）把条件转移到主键索引树

如果我们把查询条件，转移回到主键索引树，那就可以减少回表次数啦。转移到主键索引树查询的服务器托管话，查询条件得改为主键id了，之前SQL的update_time这些条件咋办呢？抽到子查询那里嘛~

子查询那里怎么抽的呢？因为二级索引叶子节点是有主键ID的，所以我们直接根据update_time来查主键ID即可，同时我们把 limit 100000的条件，也转移到子查询，完整SQL如下：

查询效果一样的，执行时间只需要0.038秒！

我们来看下执行计划

由执行计划得知，子查询 table a查询是用到了idx_update_time索引。首先在索引上拿到了聚集索引的主键ID,省去了回表操作，然后第二查询直接根据第一个查询的 ID往后再去查10个就可以了！

因此，这个方案是可以的~

延迟关联的优化思路，跟子查询的优化思路其实是一样的：都是把条件转移到主键索引树，源码库然后减少回表。不同点是，延迟关联使用了inner join代替子查询。

优化后的SQL如下：

查询效果也是杠杆的，只需要0.034秒

执行计划如下：

查询思路就是，先通过idx_update_time二级索引树查询到满足条件的主键ID，再与原表通过主键ID内连接，这样后面直接走了主键索引了，同时也减少了回表。

limit 深分页问题的本质原因就是：偏移量（offset）越大，mysql就会扫描越多的行，然后再抛弃掉。这样就导致查询性能的下降。

其实我们可以采用标签记录法，就是标记一下上次查询到哪一条了，下次再来查的时候，从该条开始往下扫描。就好像看书一样，上次看到哪里了，你就折叠一下或者夹个书签，下次来看的时候，直接就翻到啦。

假设上一次记录到100000，则SQL可以修改为：

这样的话，后面无论翻多少页，性能都会不错的，因为命中了id索引。但是这种方式有局限性：需要一种类似连续自增的字段。

很多时候，可以将limit查询转换为已知位置的查询，这样MySQL通过范围扫描between...and，就能获得到对应的结果。

如果知道边界值为100000，100010后，就可以这样优化：

四、手把手实战案例

我们一起来看一个实战案例哈。假设现在有表结构如下，并且有200万数据。

(

,

,

,

),

),

)

业务需求是这样：获取最2021年的A类型账户数据，上报到大数据平台。

很多伙伴接到这么一个需求，会直接这么实现了：

();

)

);

){

);

;

);

}

}

以上的实现方案，会存在limit深分页问题，因为account表数据量几百万。那怎么优化呢？

其实可以使用标签记录法，有些伙伴可能会有疑惑，id主键不是连续的呀，真的可以使用标签记录？

当然可以，id不是连续，我们可以通过order by让它连续嘛。优化方案如下：

();

)

;

;

{

);

();

);

));

}

}

相关文章