欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

mysql分页语句怎么写(javascript基本数据类型)

程序员文章站 2022-03-07 20:13:37
优化项目代码过程中发现一个千万级数据深分页问题,缘由是这样的库里有一张耗材 mcs_prod 表,通过同步外部数据中台多维度数据,在系统内部组装为单一耗材产品,最终同步到 es 搜索引擎mysql 同...

优化项目代码过程中发现一个千万级数据深分页问题,缘由是这样的

库里有一张耗材 mcs_prod 表,通过同步外部数据中台多维度数据,在系统内部组装为单一耗材产品,最终同步到 es 搜索引擎

mysql 同步 es 流程如下:

  1. 通过定时任务的形式触发同步,比如间隔半天或一天的时间频率
  2. 同步的形式为增量同步,根据更新时间的机制,比如第一次同步查询 >= 1970-01-01 00:00:00.0
  3. 记录最大的更新时间进行存储,下次更新同步以此为条件
  4. 以分页的形式获取数据,当前页数量加一,循环到最后一页

在这里问题也就出现了,mysql 查询分页 offset 越深入,性能越差,初步估计线上 mcs_prod 表中记录在 1000w 左右

如果按照每页 10 条,offset 值会拖垮查询性能,进而形成一个 “性能深渊”

同步类代码针对此问题有两种优化方式:

  1. 采用游标、流式方案进行优化
  2. 优化深分页性能,文章围绕这个题目展开
mysql分页语句怎么写(javascript基本数据类型)

一、软硬件说明

mysql version

mysql> select version();
+-----------+
| version() |
+-----------+
| 5.7.30    |
+-----------+
1 row in set (0.01 sec)

表结构说明

借鉴公司表结构,字段、长度以及名称均已删减

mysql> desc mcs_prod;
+-----------------------+--------------+------+-----+---------+----------------+
| field                 | type         | null | key | default | extra          |
+-----------------------+--------------+------+-----+---------+----------------+
| mcs_prod_id           | int(11)      | no   | pri | null    | auto_increment |
| mcs_code              | varchar(100) | yes  |     |         |                |
| mcs_name              | varchar(500) | yes  |     |         |                |
| updt_time             | datetime     | no   | mul | null    |                |
+-----------------------+--------------+------+-----+---------+----------------+
4 rows in set (0.01 sec)

通过测试同学帮忙造了 500w 左右数据量

mysql> select count(*) from mcs_prod;
+----------+
| count(*) |
+----------+
|  5100000 |
+----------+
1 row in set (1.43 sec)

sql 语句如下

因为功能需要满足 增量拉取的方式,所以会有数据更新时间的条件查询,以及相关 查询排序(此处有坑)

select
 mcs_prod_id,
 mcs_code,
 mcs_name,
 updt_time
from
 mcs_prod
where
 updt_time >= '1970-01-01 00:00:00.0' order by updt_time
limit xx, xx

二、重新认识 mysql 分页

limit 子句可以被用于强制 select 语句返回指定的记录数。limit 接收一个或两个数字参数,参数必须是一个整数常量

如果给定两个参数,第一个参数指定第一个返回记录行的偏移量,第二个参数指定返回记录行的最大数

举个简单的例子,分析下 sql 查询过程,掌握深分页性能为什么差

mysql> select mcs_prod_id,mcs_code,mcs_name from mcs_prod where (updt_time >= '1970-01-01 00:00:00.0') order by updt_time limit 100000, 1;
+-------------+-------------------------+------------------+---------------------+
| mcs_prod_id | mcs_code                | mcs_name         | updt_time           |
+-------------+-------------------------+------------------+---------------------+
|      181789 | xa601709733186213015031 | 尺、桡骨lc-dcp骨板 | 2020-10-19 16:22:19 |
+-------------+-------------------------+------------------+---------------------+
1 row in set (3.66 sec)

mysql> explain select mcs_prod_id,mcs_code,mcs_name from mcs_prod where (updt_time >= '1970-01-01 00:00:00.0') order by updt_time limit 100000, 1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
| id | select_type | table    | partitions | type  | possible_keys | key        | key_len | ref  | rows    | filtered | extra                 |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
|  1 | simple      | mcs_prod | null       | range | mcs_prod_1    | mcs_prod_1 | 5       | null | 2296653 |   100.00 | using index condition |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
1 row in set, 1 warning (0.01 sec)

简单说明下上面 sql 执行过程:

  1. 首先查询了表 mcs_prod,进行过滤 updt_time 条件,查询出展示列(涉及回表操作)进行排序以及 limit
  2. limit 100000, 1 的意思是扫描满足条件的 100001 行,然后扔掉前 100000 行

mysql 耗费了 大量随机 i/o 在回表查询聚簇索引的数据上,而这 100000 次随机 i/o 查询数据不会出现在结果集中

如果系统并发量稍微高一点,每次查询扫描超过 100000 行,性能肯定堪忧,另外 limit 分页 offset 越深,性能越差(多次强调)mysql分页语句怎么写(javascript基本数据类型)

图1 数据仅供参考

三、深分页优化

关于 mysql 深分页优化常见的大概有以下三种策略:

  1. 子查询优化
  2. 延迟关联
  3. 书签记录

上面三点都能大大地提升查询效率,核心思想就是让 mysql 尽可能扫描更少的页面,获取需要访问的记录后再根据关联列回原表查询所需要的列

3.1 子查询优化

子查询深分页优化语句如下:

mysql> select mcs_prod_id,mcs_code,mcs_name from mcs_prod where mcs_prod_id >= ( select m1.mcs_prod_id from mcs_prod m1 where m1.updt_time >= '1970-01-01 00:00:00.0' order by m1.updt_time limit 3000000, 1) limit 1;
+-------------+-------------------------+------------------------+
| mcs_prod_id | mcs_code                | mcs_name               |
+-------------+-------------------------+------------------------+
|     3021401 | xa892010009391491861476 | 金属解剖型接骨板t型接骨板a |
+-------------+-------------------------+------------------------+
1 row in set (0.76 sec)

mysql> explain select mcs_prod_id,mcs_code,mcs_name from mcs_prod where mcs_prod_id >= ( select m1.mcs_prod_id from mcs_prod m1 where m1.updt_time >= '1970-01-01 00:00:00.0' order by m1.updt_time limit 3000000, 1) limit 1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
| id | select_type | table    | partitions | type  | possible_keys | key        | key_len | ref  | rows    | filtered | extra                    |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
|  1 | primary     | mcs_prod | null       | range | primary       | primary    | 4       | null | 2296653 |   100.00 | using where              |
|  2 | subquery    | m1       | null       | range | mcs_prod_1    | mcs_prod_1 | 5       | null | 2296653 |   100.00 | using where; using index |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
2 rows in set, 1 warning (0.77 sec)

根据执行计划得知,子查询 table m1 查询是用到了索引。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mysql分页语句怎么写(javascript基本数据类型)

图2 数据仅供参考

3.2 延迟关联

“延迟关联” 深分页优化语句如下:

mysql> select mcs_prod_id,mcs_code,mcs_name from mcs_prod inner join (select m1.mcs_prod_id from mcs_prod m1 where m1.updt_time >= '1970-01-01 00:00:00.0' order by m1.updt_time limit 3000000, 1) as  mcs_prod2 using(mcs_prod_id);
+-------------+-------------------------+------------------------+
| mcs_prod_id | mcs_code                | mcs_name               |
+-------------+-------------------------+------------------------+
|     3021401 | xa892010009391491861476 | 金属解剖型接骨板t型接骨板a |
+-------------+-------------------------+------------------------+
1 row in set (0.75 sec)

mysql> explain select mcs_prod_id,mcs_code,mcs_name from mcs_prod inner join (select m1.mcs_prod_id from mcs_prod m1 where m1.updt_time >= '1970-01-01 00:00:00.0' order by m1.updt_time limit 3000000, 1) as  mcs_prod2 using(mcs_prod_id);
+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+
| id | select_type | table      | partitions | type   | possible_keys | key        | key_len | ref                   | rows    | filtered | extra                    |
+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+
|  1 | primary     | <derived2> | null       | all    | null          | null       | null    | null                  | 2296653 |   100.00 | null                     |
|  1 | primary     | mcs_prod   | null       | eq_ref | primary       | primary    | 4       | mcs_prod2.mcs_prod_id |       1 |   100.00 | null                     |
|  2 | derived     | m1         | null       | range  | mcs_prod_1    | mcs_prod_1 | 5       | null                  | 2296653 |   100.00 | using where; using index |
+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+
3 rows in set, 1 warning (0.00 sec)

思路以及性能与子查询优化一致,只不过采用了 join 的形式执行

3.3 书签记录

关于 limit 深分页问题,核心在于 offset 值,它会 导致 mysql 扫描大量不需要的记录行然后抛弃掉

我们可以先使用书签 记录获取上次取数据的位置,下次就可以直接从该位置开始扫描,这样可以 避免使用 offest

假设需要查询 3000000 行数据后的第 1 条记录,查询可以这么写

mysql> select mcs_prod_id,mcs_code,mcs_name from mcs_prod where mcs_prod_id < 3000000 order by updt_time limit 1;
+-------------+-------------------------+---------------------------------+
| mcs_prod_id | mcs_code                | mcs_name                        |
+-------------+-------------------------+---------------------------------+
|         127 | xa683240878449276581799 | 股骨近端-1螺纹孔锁定板(纯钛)yjbl01 |
+-------------+-------------------------+---------------------------------+
1 row in set (0.00 sec)

mysql> explain select mcs_prod_id,mcs_code,mcs_name from mcs_prod where mcs_prod_id < 3000000 order by updt_time limit 1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
| id | select_type | table    | partitions | type  | possible_keys | key        | key_len | ref  | rows | filtered | extra       |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
|  1 | simple      | mcs_prod | null       | index | primary       | mcs_prod_1 | 5       | null |    2 |    50.00 | using where |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
1 row in set, 1 warning (0.00 sec)

好处是很明显的,查询速度超级快,性能都会稳定在毫秒级,从性能上考虑碾压其它方式

不过这种方式局限性也比较大,需要一种类似连续自增的字段,以及业务所能包容的连续概念,视情况而定

mysql分页语句怎么写(javascript基本数据类型)

上图是阿里云 oss bucket 桶内文件列表,大胆猜测是不是可以采用书签记录的形式完成

四、order by 巨坑, 慎踩

以下言论可能会打破你对 order by 所有 美好 yy

先说结论吧,当 limit offset 过深时,会使 order by 普通索引失效(联合、唯一这些索引没有测试)

mysql> explain select mcs_prod_id,mcs_code,mcs_name,updt_time from mcs_prod where (updt_time >= '1970-01-01 00:00:00.0') order by updt_time limit 100000, 1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
| id | select_type | table    | partitions | type  | possible_keys | key        | key_len | ref  | rows    | filtered | extra                 |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
|  1 | simple      | mcs_prod | null       | range | mcs_prod_1    | mcs_prod_1 | 5       | null | 2296653 |   100.00 | using index condition |
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
1 row in set, 1 warning (0.00 sec)

先来说一下这个 order by 执行过程:

  1. 初始化 sort_buffer,放入 mcs_prod_id,mcs_code,mcs_name,updt_time 四个字段
  2. 从索引 updt_time 找到满足条件的主键 id,回表查询出四个字段值存入 sort_buffer
  3. 从索引处继续查询满足 updt_time 条件记录,继续执行步骤 2
  4. 对 sort_buffer 中的数据按照 updt_time 排序
  5. 排序成功后取出符合 limit 条件的记录返回客户端

按照 updt_time 排序可能在内存中完成,也可能需要使用外部排序,取决于排序所需的内存和参数 sort_buffer_size

sort_buffer_size 是 mysql 为排序开辟的内存。如果排序数据量小于 sort_buffer_size,排序会在内存中完成。如果数据量过大,内存放不下,则会利用磁盘临时文件排序

针对 sort_buffer_size 这个参数在网上查询到有用资料比较少,大家如果测试过程中存在问题,可以加微信一起沟通

4.1 order by 索引失效举例

offset 100000 时,通过 key extra 得知,没有使用磁盘临时文件排序,这个时候把 offset 调整到 500000

凉凉夜色为你思念成河,化作春泥呵护着你… 一首凉凉送给写这个 sql 的同学,发现了 using filesort

mysql> explain select mcs_prod_id,mcs_code,mcs_name,updt_time from mcs_prod where (updt_time >= '1970-01-01 00:00:00.0') order by updt_time limit 500000, 1;
+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+
| id | select_type | table    | partitions | type | possible_keys | key  | key_len | ref  | rows    | filtered | extra                       |
+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+
|  1 | simple      | mcs_prod | null       | all  | mcs_prod_1    | null | null    | null | 4593306 |    50.00 | using where; using filesort |
+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+
1 row in set, 1 warning (0.00 sec)

using filesort 表示在索引之外,需要额外进行外部的排序动作,性能必将受到严重影响

所以我们应该 结合相对应的业务逻辑避免常规 limit offset,采用 # 深分页优化 章节进行修改对应业务

结言

最后有一点需要声明下,mysql 本身并不适合单表大数据量业务

因为 mysql 应用在企业级项目时,针对库表查询并非简单的条件,可能会有更复杂的联合查询,亦或者是大数据量时存在频繁新增或更新操作,维护索引或者数据 acid 特性上必然存在性能牺牲

如果设计初期能够预料到库表的数据增长,理应构思合理的重构优化方式,比如 es 配合查询、分库分表、tidb 等解决方式