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，給出了一種經典的方案，因為現實中很多情況都不是固定不變的，能總結出來通用性的做法或者說是規律，是要考慮非常多的場景的 ...
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，給出了一種經典的方案，
因為現實中很多情況都不是固定不變的，能總結出來通用性的做法或者說是規律，是要考慮非常多的場景的，
同時，面對能夠達到優化的方式要追究其原因，同樣的做法，換了個場景，達不到優化效果的，還要追究其原因。
個人對此場景在不用情況表示懷疑，然後自己測試了一把，果然發現一些問題，同時也證實了一些預期的想法。
本文就MySQL分頁優化，從最最簡單的情況出發，來做一個簡單的分析。
另：本文測試環境是最最低配置的雲伺服器，相對來說伺服器硬體環境有限，不過對於不同的語句（寫法）應該是“平等的”
MySQL經典的分頁“優化”做法
MySQL分頁優化中，有一種經典的問題，在查詢越“靠後”的數據越慢（取決於表上的索引類型，對於B樹結構的索引，SQL Server中也一樣）
select * from t order by id limit m,n。
也即隨著M的增大，查詢同樣多的數據，會越來越慢
面對這一問題，於是就產生了一種經典的做法，類似於（或者變種）如下的寫法
就是先把分頁範圍內的id單獨找出來，然後再跟基表做關聯，最後查詢出來所需要的數據
select * from t
inner join (select id from t order by id limit m,n)t1 on t1.id = t.id
這種做法是不是總是生效的，或者說是在什麼情況下後者才能到達到優化的目的？有沒有做了改寫之後無效甚至變慢的情況？
與此同時，絕大多數查詢都是有篩選條件的，
如果有篩選條件的情況，
sql語句就變成了select * from t where *** order by id limit m,n
如果如法炮製，改寫成類似
select * from t
inner join (select id from t where *** order by id limit m,n )t1 on t1.id = t.id
在這種情況下，改寫後的sql語句還能達到優化的目的嗎？
測試環境搭建
測試數據比較簡單，通過存儲過程迴圈寫入測試數據，測試表的InnoDB引擎表。
這裡要註意的是日誌寫入模式一定要修改成sync_binlog = 0，否則預設情況下，500w數據，估計一天都寫不完，這個與日誌寫入模式有關，就不多說了，
分頁查詢優化的緣由
首先還是先看一下這個經典的問題，分頁的時候，越“靠後”查詢相應越慢的情況
測試一：查詢第1-20行的數據，0.01秒
同樣是查詢20行數據，查詢相對“靠後”的數據，比如這裡的從4900001-4900020行數據的情況，用時1.97秒。
從中可以看到，查詢條件不變的情況下，越往後查詢，查詢效率越低，可以簡單理解成：同樣搜索20行數據，越是靠後的數據，查詢代價越大。
至於為什麼後一種效率較低，後面會慢慢分析。
測試環境是centos 7 ，mysql 5.7，測試表的數據是500W
重現經典分頁“優化”，當沒有篩選條件，排序列為聚集索引的時候，並不會有所改善
這裡來日下兩種寫法在聚集索引列作為排序條件時候的性能
select * from t order by id limit m,n。
select * from t
inner join (select id from t order by id limit m,n)t1 on t1.id = t.id
第一種寫法：
select * from test_table1 order by id asc limit 4900000,20;測試結果見截圖，執行時間為8.31秒
第二種改寫後的寫法：
select t1.* from test_table1 t1
inner join (select id from test_table1 order by id limit 4900000,20)t2 on t1.id = t2.id;執行時間為8.43秒
這裡很清楚，通過經典的改寫方法改寫之後，性能能毫無提升,甚至還有一點點變慢了，
實際測試上表現為兩者在性能上並沒有明顯的線性差異，這兩者樓主是做了多次測試的。
我個人看到類似結論非要測一下不可的，這個東西不能靠蒙，或者靠運氣什麼的，能提高效率是為什麼，不能提高又是為什麼。
那麼為什麼改寫之後的寫法沒有像傳說中的那種提升性能？
是什麼導致當前這個改寫沒有到達提升性能的目的？
後者能夠提升性能的原理是什麼？
首先看一下測試表的表結構，排序列上是有索引，這一點是沒有問題的，關鍵是這個排序列上的索引是主鍵（聚集索引）。
為什麼排序列上是聚集索引的時候，相對“優化”改寫之後的sql並不能達到“優化”的目的?
在排序列為聚集索引列的情況下，兩者都是順序掃描表來實現查詢符合條件的數據的
後者雖然是先驅動一個子查詢，然後再用子查詢的結果驅動主表，
但是子查詢並沒有改變“順序掃描表來實現查詢符合條件的數據的”做法，但前情況下，甚至改寫後的做法顯得畫蛇添足
參考如下兩者執行計劃，第一個截圖的執行計劃的一行，與改寫後的sql的執行計劃的第三行（id =2 的那一行），基本上一樣。
當沒有篩選條件，排序列為聚集索引時候的分頁查詢，所謂的分頁查詢優化只不過是畫蛇添足
目前來看，查詢上述數據，兩種方式都非常慢，那如果要查詢上述的數據，該如何做？
還是要看為什麼慢，首先要理解B數的平衡性結構，在我自己粗略的理解來看，如下圖，
當查詢的數據“靠後”的時候，實際上是偏離在B樹索引的一個方向，如下兩個截圖所示的目標數據
其實平衡樹上的數據，沒有所謂的“考前”與“靠後”，“考前”與“靠後”都是相對於對方來說的，或者說是從掃描的方向上來看的
從一個方向上看“靠後的”數據，從一個方向看就是“靠前的”，前後不是絕對的。
如下兩個截圖是B樹索引結構的粗略表現形式，假如目標數據的位置固定的情況下，所謂的“靠後”是相對與從左向右來說的；
如果從右向左看，之前所謂靠後的數據實際上是“靠前”的。
只要數據是靠前的，要高效低找到這部分數據，還是可以的。mysql中應該也有類似於sqlserver中的正向（forwarded）和反向掃描（backward）的做法。
如果對於靠後的數據，採用反向掃描，應該就可以很快找到這個部分數據，然後對找到的數據在再次排序（asc），結果應該是一樣的，
首先來看效果：結果跟上面的查詢一模一樣，這裡僅耗時0.07秒，之前的兩種寫法均超過了8秒，效率有上百倍的差距。
至於這個是為什麼，我想根據上面的闡述，自己應該能夠體會的到，這裡附上這個sql。
如果經常查詢所謂的靠後的數據，比如說Id較大的數據，或者說是時間維度上較新的數據，可以採用倒敘掃描索引的方式來實現高效分頁查詢
select* from ( select * from test_table1 order by id desc limit 99980,20 ) t order by id;
當沒有篩選條件，排序列為非聚集索引的時候，會有所改善
這裡對測試表test_table1做出如下改變
1，增加一個id_2列，
2，該欄位上創建一個唯一索引，
3，該欄位用對應的主鍵Id填充
上面的測試是按照主鍵索引（聚集索引）來排序的，現在來按照非聚集索引排序，也即新增的這個列id_2來排序，測試一開始提到的兩種分頁方法。
首先來看第一種寫法
select * from test_table1 order by id_2 asc limit 4900000,20;執行時間為1分鐘多一點，暫且認其為60秒
第二種寫法
select t1.* from test_table1 t1
inner join (select id from test_table1 order by id_2 limit 4900000,20)t2 on t1.id = t2.id;執行時間1.67秒
從這種情況來看，也就是說排序列為非聚集索引列的時候，後一種寫法確實能大幅度地提升效率。差不多有40倍的提升。
那麼原因在何呢？
首先來看第一種寫法的執行計劃，可以簡單理解為這個sql的執行時做全表掃描之後，然後重新按照id_2排序，最後取最前20條數據。
首先全表掃描就是一個非常耗時的過程，排序也是一個非常大的代價，因此表現為性能非常的低下。
再來看後者的執行計劃，他是首先子子查詢中，按照id_2上的索引順序掃描，然後用符合條件的主鍵Id去表中查詢數據
這樣的話，避免了查詢出來大量的數據然後重新排序（Using filesort）
如果瞭解sqlserver執行計劃的情況下，後者與前者相比，應該還有避免了頻繁的回表（sqlserver中叫做key lookup或者書簽查找的過程
可以認為是子查詢驅動外層表查詢符合條件的20條的數據的過程是一個批量的，一次性的。
其實，只有在當前情況下，也就是說排序列為非聚集索引列的時候，改寫後的sql才能提升分頁查詢的效率。
即便如此，此方式“優化”過的分頁語句，還是與如下寫法的分頁效率有比較大的差別的
上面也看到了，返回同樣的數據，如下的查詢是0.07秒，比這裡的1.67秒還是高2個數量級的
select* from ( select * from test_table1 order by id desc limit 99980,20 ) t order by id;
另外一個，想提到的問題就是，如果經常性分頁查詢，還要按照某種順序，那麼為什麼不在這個列上建立一個聚集索引。
比如語句自增Id的，或者時間+其他欄位確保唯一性的，mysql會在主鍵上自動創建聚集索引。
然後有了聚集索引，“靠前”與“靠後”僅僅是一個相對的邏輯上的概念了,如果多數時候是想得到“靠後”或者較新的數據，就可以採用上述寫法，
當存在篩選條件的情況下，分頁查詢的優化
這一部分想了想，情況太複雜了，很難概括出來一種非常具有代表性的案例，因此就不過多地做測試了。
select * from t where *** order by id limit m,n
1，比如刷選條件本身就很高效，一過濾出來僅剩下很少一部分數據，那麼改不改寫sql意義也不大，因為篩選條件本身就可以做到很高效的篩選
2，比如刷選條件本身作用不大（過濾後數據量依然巨大），這種情況其實又回到了不存在篩選條件的情況，還有取決於如何排序，正序還是倒敘等等
3，比如篩選條件本身作用不大（過濾後數據量依然巨大），要考慮的一個很實際的問題是數據分佈，
數據的分佈也會影響的sql的執行效率（sqlserver中的經歷，mysql應該差別不大）
4，本身查詢比較複雜的情況下，很難說用某種方式就可以達到高效的目的
情況越複雜，越是難以總結出來一種通用性的規律或者說是方法，一切都要以具體情況來看待，很難下一個定論。
這裡對於查詢加上篩選條件的情況，就不做一一分析了，不過可以肯定的是，脫離了實際場景，肯定沒有一個固化的方案。
另外，對於查詢當前頁數據時候，利用上一頁查詢的最大值做篩選條件，也可以很快滴找到當前頁的數據，這樣當然沒有問題，但這屬於另外一個做法，不在本文討論之列。
總結
分頁查詢，越靠後越慢的情況，實則對於B樹索引來說，靠前與靠後是一個邏輯上相對的概念，性能上的差異，是基於B樹索引結構以及掃描方式有關的.
如果加上篩選條件，情況將變得更加複雜，這個問題在SQL Server中的原理也是一樣的，本來也在SQL Server中做了測試的，這裡就不重覆了。
當前這種情況，排序列不一定，查詢條件不一定，數據分佈不一定，就很難用一種特定的方法來實現“優化”，弄不好還起到畫蛇添足的副作用。
因此在做分頁優化的時候，一定要根據具體的場景來做分析，方法也不一定只有一種，脫離實際場景的結論，都是扯犢子。
唯有弄清楚這個問題的來龍去脈，才能游刃有餘。
因此個人對於數據“優化”的結論，一定是具體問題具體分析，是很忌諱總結出來一套規則（規則1,2,3,4,5）給人“套用”，鑒於本人也很菜，就更不敢總結出來一些教條了。
