分页场景慢？MySQL的锅！

分页场景慢？MySQL的锅！

牛牛六年前刚工作的时候，发现分页场景下，当offset变大，MySQL处理速度非常慢！具体sql如下：

select * from t_record where age > 10 offset 10000 limit 10

下表所示为表t_record结构，为了简单起见，只列了我们将讨论的字段，其余字段省略。

字段名

类型

描述

id

bigint(20) unsigned

主键id

age

int

年龄

其中t_record是要查询的数据表，表中一共有50000条记录，age字段上有索引，且age>10的记录有20000条。

这条语句非常慢，基本达到了秒级延迟，在第二次请求有缓存之后，才变快。

在数据量这么少的情况下，走索引还这么慢，这完全不能接受，我就问我导师为什么，他反问“索引场景，MySQL中获得第n大的数，时间复杂度是多少？”

答案的追寻

小白直觉作答

当时只知道MySQL索引使用的是树，瞎猜了个O(logn)，心想二叉树找一个节点不就是O(logn)么。自然而然，导师白了一眼，让我自己去研究。

继续解答

想来想去...只能从底层结构分析了，MySQL的索引是B+树。仔细想一下，就会发现通过索引去找很别扭。因为你不知道前n个数在其他子树的分布情况，也没有标记让你能快速选择去哪个子树寻找，我们无法利用B+树分支过滤的查找特性。

这下我明白导师的用意了——offset n，就是从第n大的数开始找！第n大的数没法使用树分支查找，所以offset，也不能！

回到我们一开始的问题：

select * from t_record where age > 10 offset 10000 limit 10

通过二级索引age，我们只能找到对应的起始节点，但无法通过树结构过滤掉10000个节点，再获取10个节点，因为我们无法知道某个子树下有多少数据，就无法通过分支进行排除。

那该怎么办呢？

我们来仔细看下B+树的结构，它不光有常规树的分支结构，底部还有一个由叶子节点组成链表。

显而易见，最方便最快的方式，就是用树定位到起始位置，然后直接通过叶子节点组成的链表，以O(n)的复杂度找到第n大的数据。

回到我们最初的问题，总结一下：问题的本质其实就是让offset找到第n大的数，再通过链表遍历，在数据量很大的情况下，确实会慢。

但是即使是O(n)，也不至于仅有几万数据就慢得令人发指。

是不是还有其他影响因素？

系统学习

牛牛决定深入研究，带着问题去查找了很多资料。

这里推荐两本书，一本《MySQL技术内幕 InnoDB存储引擎》，通过它可以对InnoDB的底层机制，如acid、mvcc、索引实现、文件存储，有更深的理解。

第二本是《高性能MySQL》，这本书从使用层面着手，讲得比较深入，并提到了很多设计和优化的思路，对日常工作和学习都有很大的帮助。

两本书相结合，反复领会，MySQL就差不多能登堂入室了。

针对我们的问题，这里介绍两个相关的概念：

聚簇索引：包含主键索引和对应的实际数据，索引的叶子节点就是数据节点；

辅助索引：也叫二级节点，其叶子节点还是索引节点，并没有完整的数据，仅包含了索引值本身和主键id，用主键id反查聚蔟索引才能获取完整数据。

如图所示，offset会先从二级索引的链表顺序找10000个节点。

注意，即使这10000个节点会被扔掉，MySQL也会通过二级索引上的主键id，去聚簇索引上查一遍数据，这可是10000次随机IO，自然慢成哈士奇。

大家读到这里可能会提出疑问，为什么MySQL会有这种行为？

这和它的优化器有关系，也算是MySQL的一个大坑，时至今日，也没有优化。

问题的解决

针对分页性能问题，《高性能MySQL》中提到了两种方案，让我们一起来看看：

方案一：产品上绕过

根据业务实际需求，看能否替换为上一页、下一页的功能，这样子就可以通过和上次返回数据进行比较，搭上树分支过滤的便车。

特别在ios，android端，以前那种完全的分页是不常见的。即转换为如下sql，第一次last_id传0即可。

select * from t_record where id > last_id  limit 10

优点

1.能利用树的分支结构，过滤掉第n个数之前的数据集；

2.直接通过主键索引查找，省略了二级索引查找过程，性能会更高。

缺点

1.使用场景其实是受限制的。比如，如果是针对age字段有条件判断，再分页，那么使用主键id查找就不满足需求；

2.把主键id暴露出去了，这个本身不应该是业务层面关心的字段。

可以看到，该方案在我们的场景中，是不适用的。

因为我们还有age做过滤条件，此时用大于主键id的方式，虽然看起来变成顺序IO了，但由于是根据主键id排列来寻找，而不是根据需要的age索引，所以会导致MySQL去查更多的数据。虽然不符合我们案例的需求，但还是来看看优缺点：

方案二：正面刚

这里先介绍一个概念：

索引覆盖：当辅助索引查询的数据只有主键id和辅助索引本身，那么就不必再去查聚簇索引。

思路如下：

select * from t_record id in  (select id from t_record where age > 10 offset 10000 limit 10）

这句话是说，先从条件查询中，查找数据对应的数据库唯一id值，因为主键在辅助索引上就有，所以不用回归到聚簇索引的磁盘上拉取。

如此以来，offset部分均不需要去反查聚蔟索引，只有limit出来的10个主键id会去查询聚簇索引，这样只会十次随机IO。

在业务确实需要用分页的情况下，使用该方案可以大幅度提高性能。通常能满足性能要求。

优点

1.维持了分页需求，适用所有limit offset场景，大大减少随机IO，提高了性能；

2.二级索引上，只查找id，传输的数据包也变小。

缺点

二级索引上还是会走下面的链表来遍历，这部分时间复杂度还是O(n)。

方案选型

如果产品本身的需求，是分上下页，且没用其他过滤条件，可以用方案一。

方案二更具有普适性，同时由于合理分表的大小，一般也就500w，二级索引上O(n)的查找损耗，通常也在可接受范围。

总结

从一个小问题，往下深究，不仅可以深入理解这个问题，在面试和工作中大放异彩，同时在探索的过程中，自身的知识储备也能得到拓展，是技术的一个提升捷径。祝大家工作顺利，牛牛码特！

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。