[MySQL優化案例]系列 — 分頁優化
通常,我們會採用ORDER BY LIMIT start, offset 的方式來進行分頁查詢。例如下面這個SQL:
SELECT * FROM `t1` WHERE ftype=1 ORDER BY id DESC LIMIT 100, 10;
或者像下面這個不帶任何條件的分頁SQL:
SELECT * FROM `t1` ORDER BY id DESC LIMIT 100, 10;
一般而言,分頁SQL的耗時隨著 start 值的增加而急劇增加,我們來看下面這2個不同起始值的分頁SQL執行耗時:
[email protected]> SELECT * FROM `t1` WHERE ftype=1 ORDER BY id DESC LIMIT 500, 10; … 10 rows in set (0.05 sec)[email protected]> SELECT * FROM `t1` WHERE ftype=6 ORDER BY id DESC LIMIT 935500, 10; … 10 rows in set (2.39 sec)
可以看到,隨著分頁數量的增加,SQL查詢耗時也有數十倍增加,顯然不科學。今天我們就來分析下,如何能優化這個分頁方案。 一般滴,想要優化分頁的終極方案就是:沒有分頁,哈哈哈~~~,不要說我講廢話,確實如此,可以把分頁演算法交給Sphinx、Lucence等第三方解決方案,沒必要讓MySQL來做它不擅長的事情。 當然了,有小夥伴說,用第三方太麻煩了,我們就想用MySQL來做這個分頁,咋辦呢?莫急,且待我們慢慢分析,先看下錶DDL、資料量、查詢SQL的執行計劃等資訊:
[email protected]> 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; [email protected]> select count(*) from t1; +----------+ | count(*) | +----------+ | 994584 | +----------+[email protected]> EXPLAIN SELECT * FROM `t1` WHERE ftype=1 ORDER BY id DESC LIMIT 500, 10\G *************************** 1. row *************************** id: 1 select_type: SIMPLE table: t1 type: index possible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: 510 Extra: Using where [email protected]> EXPLAIN SELECT * FROM `t1` WHERE ftype=1 ORDER BY id DESC LIMIT 935500, 10\G *************************** 1. row *************************** id: 1 select_type: SIMPLE table: t1 type: index possible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: 935510 Extra: Using where
可以看到,雖然通過主鍵索引進行掃描了,但第二個SQL需要掃描的記錄數太大了,而且需要先掃描約935510條記錄,然後再根據排序結果取10條記錄,這肯定是非常慢了。 針對這種情況,我們的優化思路就比較清晰了,有兩點:
1、儘可能從索引中直接獲取資料,避免或減少直接掃描行資料的頻率
2、儘可能減少掃描的記錄數,也就是先確定起始的範圍,再往後取N條記錄即可
據此,我們有兩種相應的改寫方法:子查詢、表連線,即下面這樣的:
#採用子查詢的方式優化,在子查詢裡先從索引獲取到最大id,然後倒序排,再取10行結果集 #注意這裡採用了2次倒序排,因此在取LIMIT的start值時,比原來的值加了10,即935510,否則結果將和原來的不一致 [email protected]> EXPLAIN SELECT * FROM (SELECT * FROM `t1` WHERE id > ( SELECT id FROM `t1` WHERE ftype=1 ORDER BY id DESC LIMIT 935510, 1) LIMIT 10) t ORDER BY id DESC\G *************************** 1. row *************************** id: 1 select_type: PRIMARY table: <derived2> type: ALL possible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 10 Extra: Using filesort *************************** 2. row *************************** id: 2 select_type: DERIVED table: t1 type: ALL possible_keys: PRIMARY key: NULL key_len: NULL ref: NULL rows: 973192 Extra: Using where *************************** 3. row *************************** id: 3 select_type: SUBQUERY table: t1 type: index possible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: 935511 Extra: Using where #採用INNER JOIN優化,JOIN子句裡也優先從索引獲取ID列表,然後直接關聯查詢獲得最終結果,這裡不需要加10 [email protected]> EXPLAIN SELECT * FROM `t1` INNER JOIN ( SELECT id FROM `t1` WHERE ftype=1 ORDER BY id DESC LIMIT 935500,10) t2 USING (id)\G *************************** 1. row *************************** id: 1 select_type: PRIMARY table: <derived2> type: ALL possible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 935510 Extra: NULL *************************** 2. row *************************** id: 1 select_type: PRIMARY table: t1 type: eq_ref possible_keys: PRIMARY key: PRIMARY key_len: 4 ref: t2.id rows: 1 Extra: NULL *************************** 3. row *************************** id: 2 select_type: DERIVED table: t1 type: index possible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: 973192 Extra: Using where
然後我們來對比下這2個優化後的新SQL執行時間:
[email protected]> SELECT * FROM (SELECT * FROM `t1` WHERE id > ( SELECT id FROM `t1` WHERE ftype=1 ORDER BY id DESC LIMIT 935510, 1) LIMIT 10) T ORDER BY id DESC; ... rows in set (1.86 sec) #採用子查詢優化,從profiling的結果來看,相比原來的那個SQL快了:28.2% [email protected]> SELECT * FROM `t1` INNER JOIN ( SELECT id FROM `t1` WHERE ftype=1 ORDER BY id DESC LIMIT 935500,10) t2 USING (id); ... 10 rows in set (1.83 sec) #採用INNER JOIN優化,從profiling的結果來看,相比原來的那個SQL快了:30.8%
我們再來看一個不帶過濾條件的分頁SQL對比:
#原始SQL [email protected]> EXPLAIN SELECT * FROM `t1` ORDER BY id DESC LIMIT 935500, 10\G *************************** 1. row *************************** id: 1 select_type: SIMPLE table: t1 type: index possible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: 935510 Extra: NULL [email protected]> SELECT * FROM `t1` ORDER BY id DESC LIMIT 935500, 10; ... 10 rows in set (2.22 sec) #採用子查詢優化 [email protected]> EXPLAIN SELECT * FROM (SELECT * FROM `t1` WHERE id > ( SELECT id FROM `t1` ORDER BY id DESC LIMIT 935510, 1) LIMIT 10) t ORDER BY id DESC; *************************** 1. row *************************** id: 1 select_type: PRIMARY table: <derived2> type: ALL possible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 10 Extra: Using filesort *************************** 2. row *************************** id: 2 select_type: DERIVED table: t1 type: ALL possible_keys: PRIMARY key: NULL key_len: NULL ref: NULL rows: 973192 Extra: Using where *************************** 3. row *************************** id: 3 select_type: SUBQUERY table: t1 type: index possible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: 935511 Extra: Using index [email protected]> SELECT * FROM (SELECT * FROM `t1` WHERE id > ( SELECT id FROM `t1` ORDER BY id DESC LIMIT 935510, 1) LIMIT 10) t ORDER BY id DESC; … 10 rows in set (2.01 sec) #採用子查詢優化,從profiling的結果來看,相比原來的那個SQL快了:10.6% #採用INNER JOIN優化 [email protected]> EXPLAIN SELECT * FROM `t1` INNER JOIN ( SELECT id FROM `t1`ORDER BY id DESC LIMIT 935500,10) t2 USING (id)\G *************************** 1. row *************************** id: 1 select_type: PRIMARY table: type: ALL possible_keys: NULL key: NULL key_len: NULL ref: NULL rows: 935510 Extra: NULL *************************** 2. row *************************** id: 1 select_type: PRIMARY table: t1 type: eq_ref possible_keys: PRIMARY key: PRIMARY key_len: 4 ref: t1.id rows: 1 Extra: NULL *************************** 3. row *************************** id: 2 select_type: DERIVED table: t1 type: index possible_keys: NULL key: PRIMARY key_len: 4 ref: NULL rows: 973192 Extra: Using index [email protected]> SELECT * FROM `t1` INNER JOIN ( SELECT id FROM `t1`ORDER BY id DESC LIMIT 935500,10) t2 USING (id); … 10 rows in set (1.70 sec) #採用INNER JOIN優化,從profiling的結果來看,相比原來的那個SQL快了:30.2%
至此,我們看到採用子查詢或者INNER JOIN進行優化後,都有大幅度的提升,這個方法也同樣適用於較小的分頁,雖然LIMIT開始的 start 位置小了很多,SQL執行時間也快了很多,但採用這種方法後,帶WHERE條件的分頁分別能提高查詢效率:24.9%、156.5%,不帶WHERE條件的分頁分別提高查詢效率:554.5%、11.7%,各位可以自行進行測試驗證。單從提升比例說,還是挺可觀的,確保這些優化方法可以適用於各種分頁模式,就可以從一開始就是用。 我們來看下各種場景相應的提升比例是多少:
大分頁,帶WHERE | 大分頁,不帶WHERE | 大分頁平均提升比例 | 小分頁,帶WHERE | 小分頁,不帶WHERE | 總體平均提升比例 | |
子查詢優化 | 28.20% | 10.60% | 19.40% | 24.90% | 554.40% | 154.53% |
INNER JOIN優化 | 30.80% | 30.20% | 30.50% | 156.50% | 11.70% | 57.30% |
結論:這樣看就和明顯了,尤其是針對大分頁的情況,因此我們優先推薦使用INNER JOIN方式優化分頁演算法。
上述每次測試都重啟mysqld例項,並且加了SQL_NO_CACHE,以保證每次都是直接資料檔案或索引檔案中讀取。如果資料經過預熱後,查詢效率會一定程度提升,但但上述相應的效率提升比例還是基本一致的。
2014/07/28後記更新:
其實如果是不帶任何條件的分頁,就沒必要用這麼麻煩的方法了,可以採用對主鍵採用範圍檢索的方法,例如參考這篇:Advance for MySQL Pagination
相關推薦
[MySQL優化案例]系列 — 分頁優化
通常,我們會採用ORDER BY LIMIT start, offset 的方式來進行分頁查詢。例如下面這個SQL:SELECT * FROM `t1` WHERE ftype=1 ORDER BY id DESC LIMIT 100, 10; 或者像下面這個不帶任何條件的分頁SQL:SELECT * FRO
mysql 使用索引進行分頁優化
MySQL大資料量分頁查詢方法及其優化 ---方法1: 直接使用資料庫提供的SQL語句 ---語句樣式: MySQL中,可用如下方法: SELECT * FROM 表名稱 LIMIT M,N ---適應場景: 適用於資料量較少的情況(元組百/千級) ---原因/缺點: 全表掃描,速度會很慢 且
mysql 大資料量分頁優化
假設有一個千萬量級的表,取1到10條資料; select * from table limit 0,10; select * from table limit 1000,10; 這兩條語句查詢時間應該在毫秒級完成; select * from table limit
Oracle優化——單表分頁優化
傳參 邏輯讀 dbm statistic test alter har selected 多個 單表分頁優化思路:--創建測試表:SQL> create table t_test as select * from dba_objects; Table created.
MySQL分頁優化中的“INNER JOIN方式優化分頁算法”到底在什麽情況下會生效?
表結構 files key 效率 ref 兩個 ges 參考 如果 本文出處:http://www.cnblogs.com/wy123/p/7003157.html 最近無意間看到一個MySQL分頁優化的測試案例,並沒有非常具體地說明測試場景的情況下,給出了
Mysql分頁優化
mce 及其 過大 order by 意義 可能 就是 處理 con 在mysql中limit可以實現快速分頁,但是如果數據到了幾百萬時我們的limit必須優化才能有效的合理的實現分頁了,否則可能卡死你的服務器。當一個數據表中有幾百萬條數據的時候,就成問題了! 例
MySQL 分頁優化
明顯 並不是 sql log family soft blog offset device MySQL 用 LIMIT offset, length 進行分頁。但當表記錄數很大,會發現大頁數的查詢時間明顯比小頁數的查詢時間大。 MySQL並不是跳過 offset 行,而是取
mysql量級數據表的分頁優化方案
lec undo ima BE ESS color info mar asc 前言 Limit分頁通用方案 select * from yundou_v3.bill_info limit 100,20; select * from yundou_v3.bill_info
百萬級資料庫記錄下的Mysql快速分頁優化例項
百萬級資料庫記錄下的Mysql快速分頁優化例項 MySql 效能到底能有多高?用了php半年多,真正如此深入的去思考這個問題還是從前天開始。有過痛苦有過絕望,到現在充滿信心!MySql 這個資料庫絕對是適合dba級的高手去玩的,一般做一點1萬篇新聞的小
MySQL大數據量分頁查詢方法及其優化
占用 對象 page 數據查詢 結果 sel 原因 希望 war ---方法1: 直接使用數據庫提供的SQL語句---語句樣式: MySQL中,可用如下方法: SELECT * FROM 表名稱 LIMIT M,N---適應場景: 適用於數據量較少的情況(元組百/千級)--
MySQL大資料量分頁查詢方法及其優化 MySQL大資料量分頁查詢方法及其優化
MySQL大資料量分頁查詢方法及其優化 ---方法1: 直接使用資料庫提供的SQL語句---語句樣式: MySQL中,可用如下方法: SELECT * FROM 表名稱 LIMIT M,N ---適應場景: 適用於資料量較少的情況(元組百/千級) --
MySQL大資料量分頁查詢方法及其優化 ---方法1: 直接使用資料庫提供的SQL語句 ---語句樣式: MySQL中,可用如下方法: SELECT * FROM 表名稱 LIMIT M,N ---適
測試實驗 1. 直接用limit start, count分頁語句, 也是我程式中用的方法: select * from product limit start, count 當起始頁較小時,查詢沒有效能問題,我們分別看下從10, 100, 1000, 10000開始分頁的執行時間(每頁取20條), 如
MySQL MyISAM和InnoDB引擎的寫入速度優化比較,分頁速度優化
以下的文章主要介紹的是MySQL MyISAM的引擎和InnoDB引擎的實際效能的比較,我們首先是通過MySQL資料庫的表結構來出MySQL MyISAM的引擎和InnoDB引擎的實際效能的實際操作。 幫助 01 02 03 04 05
MySQL大資料量分頁查詢方法及其優化
方法1: 直接使用資料庫提供的SQL語句 語句樣式: MySQL中,可用如下方法: SELECT * FROM 表名稱 LIMIT M,N 適應場景: 適用於資料量較少的情況(元組百/千級) 原因/缺點: 全表掃描,速度會很慢 且 有的資料庫結果集返回不穩定(如某次返回
千萬級MySQL分頁優化
對於只有幾萬條資料的表這樣做當然沒問題,也不會在使用者體驗上有何不妥,但是要是面對成百萬上千萬的資料表時,這樣就不足以滿足我們的業務需求了,如何做到對千萬級資料表進行高效分頁?首先要學會使用 explain 對你的SQL進行分析,如果你還不會使用 explain 分析SQL語
mongodb系列之五:java分頁優化
前面我們提到過,大資料量分頁時,skip如果跳過大量的資料會很慢,這裡針對這一情況,我們優化一下分頁。 看程式碼: [java] view plaincopyprint? /** * 大資料量資料分頁優化 * @param pa
如何優化Mysql千萬級快速分頁,limit優化快速分頁,MySQL處理千萬級資料查詢的優化方案!(zz)
MySQL資料庫優化處理實現千萬級快速分頁分析,來看下吧。 資料表 collect ( id, title ,info ,vtype) 就這4個欄位,其中 title 用定長,info 用text, id 是逐漸,vtype是tinyint,vtype是索引。這是一個基本的新聞系統的簡單模型。現在往裡面填
MySQL大資料量分頁SQL語句優化
分頁程式原理很簡單,這裡就不多說了,本篇文章主要說的是在資料表記錄量比較大的情況下,如何將分頁SQL做到更優化,讓MySQL執行的更快的方法。 一般的情況下,我們的分頁SQL語句是這樣的:
從官方文件中探索MySQL分頁的幾種方式及分頁優化
### 概覽 相比於Oracle,SQL Server 等資料庫,MySQL分頁的方式簡單得多了,官方自帶了分頁語法 `limit` 語句: ```sql select * from test_t LIMIT {[offset,] row_count | row_count OFFSET offset}
SQL通用優化方案(where優化、索引優化、分頁優化、事務優化、臨時表優化)
truncate height 能夠 時有 大數據量 2017年 固然 分頁 索引優化 SQL通用優化方案:1. 使用參數化查詢:防止SQL註入,預編譯SQL命令提高效率2. 去掉不必要的查詢和搜索字段:其實在項目的實際應用中,很多查詢條件是可有可無的,能從源頭上避免的多余