MySQL千万数据量深分页优化流程(拒绝线上故障)
引言
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：
- 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
- 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
- 记录最大的更新时间进行存储，下次更新同步以此为条件
- 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：
- 采用游标、流式方案进行优化
- 优化深分页性能，文章围绕这个题目展开
软硬件说明
MySQL VERSION
mysql>selectversion();
+-----------+
|version()|
+-----------+
|5.7.30|
+-----------+
1rowinset(0.01sec)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>DESCMCS_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||
+-----------------------+--------------+------+-----+---------+----------------+
4rowsinset(0.01sec)通过测试同学帮忙造了 500w 左右数据量
mysql>SELECTCOUNT(*)FROMMCS_PROD;
+----------+
|count(*)|
+----------+
|5100000|
+----------+
1rowinset(1.43sec)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>='1970-01-0100:00:00.0'ORDERBYUPDT_TIME
LIMITxx,xx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>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PROdwHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT100000,1;
+-------------+-------------------------+------------------+---------------------+
|MCS_PROD_ID|MCS_CODE|MCS_NAME|UPDT_TIME|
+-------------+-------------------------+------------------+---------------------+
|181789|XA601709733186213015031|尺、桡骨LC-DCP骨板|2020-10-1916:22:19|
+-------------+-------------------------+------------------+---------------------+
1rowinset(3.66sec)
mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT100000,1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
|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|Usingindexcondition|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
1rowinset,1warning(0.01sec)简单说明下上面 SQL 执行过程：
- 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
- 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）
图1 数据仅供参考
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：
- 子查询优化
- 延迟关联
- 书签记录
上面三点都能大大的提升查询效率，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
子查询优化
子查询深分页优化语句如下：
mysql>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID>=(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)LIMIT1;
+-------------+-------------------------+------------------------+
|MCS_PROD_ID|MCS_CODE|MCS_NAME|
+-------------+-------------------------+------------------------+
|3021401|XA892010009391491861476|金属解剖型接骨板T型接骨板A|
+-------------+-------------------------+------------------------+
1rowinset(0.76sec)
mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID>=(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)LIMIT1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
|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|Usingwhere|
|2|SUBQUERY|m1|NULL|range|MCS_PROD_1|MCS_PROD_1|5|NULL|2296653|100.00|Usingwhere;Usingindex|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+--------------------------+
2rowsinset,1warning(0.77sec)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
图2 数据仅供参考
延迟关联
"延迟关联" 深分页优化语句如下：
mysql>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODINNERJOIN(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)ASMCS_PROD2USING(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|
+-------------+-------------------------+------------------------+
1rowinset(0.75sec)
mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODINNERJOIN(SELECTm1.MCS_PROD_IDFROMMCS_PRODm1WHEREm1.UPDT_TIME>='1970-01-0100:00:00.0'ORDERBYm1.UPDT_TIMELIMIT3000000,1)ASMCS_PROD2USING(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|Usingwhere;Usingindex|
+----+-------------+------------+------------+--------+---------------+------------+---------+-----------------------+---------+----------+--------------------------+
3rowsinset,1warning(0.00sec)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
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>SELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID<3000000ORDERBYUPDT_TIMELIMIT1;
+-------------+-------------------------+---------------------------------+
|MCS_PROD_ID|MCS_CODE|MCS_NAME|
+-------------+-------------------------+---------------------------------+
|127|XA683240878449276581799|股骨近端-1螺纹孔锁定板（纯钛）YJBL01|
+-------------+-------------------------+---------------------------------+
1rowinset(0.00sec)
mysql>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAMEFROMMCS_PRODWHEREMCS_PROD_ID<3000000ORDERBYUPDT_TIMELIMIT1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
|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|Usingwhere|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+------+----------+-------------+
1rowinset,1warning(0.00sec)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
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
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>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIMEFROMMCS_PRODWHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT100000,1;
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
|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|Usingindexcondition|
+----+-------------+----------+------------+-------+---------------+------------+---------+------+---------+----------+-----------------------+
1rowinset,1warning(0.00sec)先来说一下这个 ORDER BY 执行过程：
- 初始化 SORT_BUFFER，放入 MCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIME 四个字段
- 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
- 从索引处继续查询满足 UPDT_TIME 条件记录，继续执行步骤 2
- 对 SORT_BUFFER 中的数据按照 UPDT_TIME 排序
- 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
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>EXPLAINSELECTMCS_PROD_ID,MCS_CODE,MCS_NAME,UPDT_TIMEFROMMCS_PRODWHERE(UPDT_TIME>='1970-01-0100:00:00.0')ORDERBYUPDT_TIMELIMIT500000,1;
+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+
|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|Usingwhere;Usingfilesort|
+----+-------------+----------+------------+------+---------------+------+---------+------+---------+----------+-----------------------------+
1rowinset,1warning(0.00sec)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
以上就是MySQL千万数据量深分页优化拒绝线上故障的详细内容，更多关于MySQL千万数据深分页优化的资料请关注我们其它相关文章！
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
![[mysql]mysql8修改root密码](https://static.528045.com/imgs/1.jpg?imageMogr2/format/webp/blur/1x0/quality/35)
