MySQL分页优化实测效果明显

1、MySQL分页优化通常，我们会采用ORDER BY LIMIT start, offset 的方式来进行分页查询。例如下面这个SQL：SELECT * FROM t1 WHERE ftype=1 ORDER BY id DESC LIMIT 100, 10;或者像下面这个不带任何条件的分页SQL：SELECT * FROM t1 ORDER BY id DESC LIMIT 100, 10;一般而言，分页SQL的耗时随着 start 值的增加而急剧增加，我们来看下面这2个不同起始值的分页SQL执行耗时： SELECT * FROM t1 WHERE ftype=1

2、ORDER BY id DESC LIMIT 500, 10;10 rows in set (0.05 sec) SELECT * FROM t1 WHERE ftype=6 ORDER BY id DESC LIMIT , 10;10 rows in set (2.39 sec)可以看到，随着分页数量的增加，SQL查询耗时也有数十倍增加，显然不科学。今天我们就来分析下，如何能优化这个分页方案。 一般滴，想要优化分页的终极方案就是：没有分页，哈哈哈，不要说我讲废话，确实如此，可以把分页算法交给Sphinx、Lucence等第三方解决方案，没必要让MySQL来做它不擅

3、长的事情。 当然了，有小伙伴说，用第三方太麻烦了，我们就想用MySQL来做这个分页，咋办呢？莫急，且待我们慢慢分析，先看下表DDL、数据量、查询SQL的执行计划等信息： SHOW CREATE TABLE t1;CREATE TABLE t1 ( id int(10) unsigned NOT NULL AUTO_INCREMENT,. ftype tinyint(3) unsigned NOT NULL,. PRIMARY KEY (id) ENGINE=InnoDB DEFAULT CHARSET=utf8;select count(

4、*) from t1;+-+| count(*) |+-+| |+-+EXPLAIN SELECT * FROM t1 WHERE ftype=1 ORDER BY id DESC LIMIT 500, 10G* 1. row * id: 1 select_type: SIMPLE table: t1 type: indexpossible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: 510 Extra: Using EXPLAIN SELECT * FROM t1 W

5、HERE ftype=1 ORDER BY id DESC LIMIT , 10G* 1. row * id: 1 select_type: SIMPLE table: t1 type: indexpossible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: Extra: Using where可以看到，虽然通过主键索引进行扫描了，但第二个SQL需要扫描的记录数太大了，而且需要先扫描约条记录，然后再根据排序结果取10条记录，这肯定是非常慢了。 针对这种情况，我们的优化思路就比较清晰了，有两点：1、尽可能从索引中直接获取数据，避免或减少直

6、接扫描行数据的频率2、尽可能减少扫描的记录数，也就是先确定起始的范围，再往后取N条记录即可据此，我们有两种相应的改写方法：子查询、表连接，即下面这样的：#采用子查询的方式优化，在子查询里先从索引获取到最大id，然后倒序排，再取10行结果集#注意这里采用了2次倒序排，因此在取LIMIT的start值时，比原来的值加了10，即，否则结果将和原来的不一致 EXPLAIN SELECT * FROM (SELECT * FROM t1 WHERE id ( SELECT id FROM t1 WHERE ftype=1 ORDER BY id DESC LIMIT , 1)

7、 LIMIT 10) t ORDER BY id DESCG* 1. row * id: 1 select_type: PRIMARY table: type: ALLpossible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 10 Extra: Using filesort* 2. row * id: 2 select_type: DERIVED table: t1 type: ALLpossible_keys: PRIMARY key: NULL key_len: NULL ref: NULL rows: Extra: Using

8、 where* 3. row * id: 3 select_type: SUBQUERY table: t1 type: indexpossible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: Extra: Using where#采用INNER JOIN优化，JOIN子句里也优先从索引获取ID列表，然后直接关联查询获得最终结果，这里不需要加10 EXPLAIN SELECT * FROM t1 INNER JOIN ( SELECT id FROM t1 WHERE ftype=1 ORDER BY id

9、DESC LIMIT ,10) t2 USING (id)G* 1. row * id: 1 select_type: PRIMARY table: type: ALLpossible_keys: NULL key: NULL key_len: NULL ref: NULL rows: Extra: NULL* 2. row * id: 1 select_type: PRIMARY table: t1 type: eq_refpossible_keys: PRIMARY key: PRIMARY key_len: 4 ref: t2.id rows: 1 Extra: NULL* 3. row

10、 * id: 2 select_type: DERIVED table: t1 type: indexpossible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: Extra: Using where然后我们来对比下这2个优化后的新SQL执行时间： SELECT * FROM (SELECT * FROM t1 WHERE id ( SELECT id FROM t1 WHERE ftype=1 ORDER BY id DESC LIMIT , 1) LIMIT 10) T ORDER BY id DESC;

11、.rows in set (1.86 sec)#采用子查询优化，从profiling的结果来看，相比原来的那个SQL快了：28.2% SELECT * FROM t1 INNER JOIN ( SELECT id FROM t1 WHERE ftype=1 ORDER BY id DESC LIMIT ,10) t2 USING (id);.10 rows in set (1.83 sec)#采用INNER JOIN优化，从profiling的结果来看，相比原来的那个SQL快了：30.8%我们再来看一个不带过滤条件的分页SQL对比：#原始SQLyejrimysql.

12、com EXPLAIN SELECT * FROM t1 ORDER BY id DESC LIMIT , 10G* 1. row * id: 1 select_type: SIMPLE table: t1 type: indexpossible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: Extra: NULL SELECT * FROM t1 ORDER BY id DESC LIMIT , 10;.10 rows in set (2.22 sec)#采用子查询优化 EXPLA

13、IN SELECT * FROM (SELECT * FROM t1 WHERE id ( SELECT id FROM t1 ORDER BY id DESC LIMIT , 1) LIMIT 10) t ORDER BY id DESC;* 1. row * id: 1 select_type: PRIMARY table: type: ALLpossible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 10 Extra: Using filesort* 2. row * id: 2 select_type: DERIVED tab

14、le: t1 type: ALLpossible_keys: PRIMARY key: NULL key_len: NULL ref: NULL rows: Extra: Using where* 3. row * id: 3 select_type: SUBQUERY table: t1 type: indexpossible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: Extra: Using SELECT * FROM (SELECT * FROM t1 WHERE id ( SELECT

15、id FROM t1 ORDER BY id DESC LIMIT , 1) LIMIT 10) t ORDER BY id DESC;10 rows in set (2.01 sec)#采用子查询优化，从profiling的结果来看，相比原来的那个SQL快了：10.6%#采用INNER JOIN优化 EXPLAIN SELECT * FROM t1 INNER JOIN ( SELECT id FROM t1ORDER BY id DESC LIMIT ,10) t2 USING (id)G* 1. row * id: 1 select_type: PRIMARY

16、 table: type: ALLpossible_keys: NULL key: NULL key_len: NULL ref: NULL rows: Extra: NULL* 2. row * id: 1 select_type: PRIMARY table: t1 type: eq_refpossible_keys: PRIMARY key: PRIMARY key_len: 4 ref: t1.id rows: 1 Extra: NULL* 3. row * id: 2 select_type: DERIVED table: t1 type: indexpossible_keys: N

17、ULL key: PRIMARY key_len: 4 ref: NULL rows: Extra: Using SELECT * FROM t1 INNER JOIN ( SELECT id FROM t1ORDER BY id DESC LIMIT ,10) t2 USING (id);10 rows in set (1.70 sec)#采用INNER JOIN优化，从profiling的结果来看，相比原来的那个SQL快了：30.2%至此，我们看到采用子查询或者INNER JOIN进行优化后，都有大幅度的提升，这个方法也同样适用于较小的分页，虽然LIMIT开始的start 位置小了很多，SQL执行时间也快了很多，但采用这种方法后，带WHERE条件的分页分别能提高查询效率：24.9%、156.5%，不带WHERE条件的分页分别提高查询效率：554.5%、11.7%，各位可以自行进行测试验证。单从提升比例说，还是挺可观的，确保这些优化方法可以适用于各种分页模式，就可以从一开始就是用。 我们来看下各种场景相应的提升比例是多少：大分页，带WHERE大分页，不带WHERE大分页