深度分页优化思路
思考以下问题
查询以下SQL的流程是怎么样的呢？
为什么只查询10条数据需要7秒？
# 查询时间7秒
SELECT * FROM user ORDER BY age LIMIT 1000000, 10
问题分析
为什么分页查询随着翻页的深入，会变得越来越慢。
其实，问题的根本就在于:
第一数据量太大
第二数据库处理分页的方法太笨
你以为LIMIT 100000,10是直接跳过后10万条？ 太天真了！
数据库的真实操作：
第一步： 把整张表的数据全捞出来（全表扫描），按年龄排好序（文件排序）。
第二步： 吭哧吭哧数到第100010条，再给你返回最后10条。
相当于：让你从新华字典第1页开始翻，翻到第1000页才找到字，谁能不炸？
最坑爹环节：回表查数据
如果用了普通索引（比如按年龄建的索引）：
- 先查索引：按年龄找到对应的主键ID（快速）
- 再回表：用ID去主键索引里捞完整数据（慢！）
10万次回表 = 10万次IO操作，不卡你卡谁？
再说另一个常见的情况——排序。
大多数时候，分页查询都会带有排序，比如按时间、按ID排序。
数据库不仅要查数据，还得根据你的排序要求重新排一次，特别是在数据量大的时候，排序的开销就变得非常大。
所以，翻越几百页的时候，你的查询可能就开始慢得像蜗牛。
单表场景 limit 深度分页 的优化方法
核心思路： 绕过全表扫描，直接定位到目标数据！
方案一：子查询优化
mysql> explain SELECT *
-> FROM user
-> WHERE id >=
-> (
-> SELECT id
-> FROM user
-> ORDER BY age
-> LIMIT 1000000, 1
-> )
-> limit 10;
+----+-------------+--------------------+------------+-------+---------------+--------------+---------+-------+---------+----------+--------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+--------------------+------------+-------+---------------+--------------+---------+-------+---------+----------+--------------------------+
| 1 | PRIMARY | user | NULL | range | PRIMARY | PRIMARY | 8 | NULL | 10 | 100.00 | Using where |
| 2 | SUBQUERY | user | NULL | ref | idx_age | idx_age | 2 | const | 432791 | 100.00 | Using index |
+----+-------------+--------------------+------------+-------+---------------+--------------+---------+-------+---------+----------+--------------------------+
2 rows in set, 1 warning (0.15 sec)
原理： 用覆盖索引快速找到第100000条的ID，直接从这个ID开始拿数据，跳过前面10万次回表。
缺点是，不适用于结果集不以ID连续自增的分页场景。
在复杂分页场景，往往需要通过过滤条件，筛选到符合条件的ID，此时的ID是离散且不连续的。如果使用上述的方式，并不能筛选出目标数据
方案二：延时关联
SELECT * FROM user t1
JOIN (SELECT id FROM user ORDER BY age LIMIT 1000000,10) t2
ON t1.id = t2.id;
mysql> explain SELECT *
-> FROM
-> user t1
-> JOIN (
-> SELECT
-> id
-> FROM
-> user
-> ORDER BY
-> age
-> LIMIT 1000000,10
-> ) AS t2
-> ON t1.id = t2.id
-> LIMIT 10;
+----+-------------+--------------------+------------+--------+---------------+--------------+---------+-------+---------+----------+--------------------------+
| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |
+----+-------------+--------------------+------------+--------+---------------+--------------+---------+-------+---------+----------+--------------------------+
| 1 | PRIMARY | <derived2> | NULL | ALL | NULL | NULL | NULL | NULL | 432791 | 100.00 | NULL |
| 1 | PRIMARY | t1 | NULL | eq_ref | PRIMARY | PRIMARY | 8 | t2.id | 1 | 100.00 | NULL |
| 2 | DERIVED | user | NULL | ref | idx_age | idx_age | 9 | const | 432791 | 100.00 | Using index |
+----+-------------+--------------------+------------+--------+---------------+--------------+---------+-------+---------+----------+--------------------------+
3 rows in set, 1 warning (0.12 sec)
原理： 先用索引快速拿到10个目标ID，再一次性联表查完整数据，减少回表次数。
方案三：索引覆盖
索引覆盖（Index Covering）是指一个查询可以完全通过索引来执行，而无需通过回表来查询其他字段数据。
例如：
ALTER TABLE user ADD INDEX idx_age_name(age, name); -- 查询+排序全走索引
SELECT age, name FROM user ORDER BY age LIMIT 1000000,10; -- 0.08秒！
精髓： 索引里直接存了所有要查的字段，不用回表，直接起飞！
缺点： 如果每个查询都建对应的索引的话，会浪费更多的空间存储索引，也会影响插入时的速度。
方案四：书签记录
从原理上说，属于是一种滚动查询。也就是说我们必须从第一页开始查询，然后获取本页最大的记录 ID，然后再根据大于最大记录 ID 的数据向后持续滚动。也就是说，我们如果想查询大于 1000000 后记录的 10 条，那我们就得知道 1000000 条的 ID。因为 ID 是递增的，所以直接查询即可。
SELECT * FROM user WHERE id > 1000000 LIMIT 10; -- 500微秒！
精髓： 每次查询都用上次查询结果做书签，直接走主键索引
缺点： 不支持条页查询，主键必须是自增的。
分库分表后，翻页为什么更慢了？
分库分表的翻页逻辑
假设订单表分了3个库，每个库分了2张表（共6张表），按用户ID分片。
当你执行：
SELECT * FROM orders ORDER BY create_time DESC LIMIT 1000000, 10;
你以为数据库的操作：
智能跳过100万条，从6张表各拿10条，合并完事？
实际上的操作：
- 每张表都老老实实查100万+10条数据（共600万+60条）。
- 把所有数据汇总到内存，重新排序（600万条数据排序，内存直接炸穿）。
- 最后忍痛扔掉前650万条，给你10条结果。
结果： 查一次耗时10秒+，数据库CPU 100%！
分库分表翻页的存在的3个问题
- 数据分散，全局排序难
各分片数据独立排序，合并后可能乱序，必须全量捞数据重排。 - 深分页=分片全量扫描
每张表都要查offset + limit条数据，性能随分片数量指数级下降。 - 内存归并压力大
100万条数据 × 6个分片 = 600万条数据在内存排序，分分钟OOM！
一句话总结： 分库分表后，翻页越深，死得越惨！
3种解决分库分表深度翻页方案
方案1：禁止跳页（青铜方案）
核心思想： 别让用户随便跳页，只能一页一页翻！其实就是上面的书签记录
实现方法：
1.第一页查询：
-- 按时间倒序，拿前10条
SELECT * FROM orders
WHERE user_id = 123
ORDER BY create_time DESC
LIMIT 10;
2.翻下一页：
-- 记住上一页最后一条的时间
SELECT * FROM orders
WHERE user_id = 123
AND create_time < '2023-10-01 12:00:00' -- 上一页最后一条的时间
ORDER BY create_time DESC
LIMIT 10;
优点：
- 性能：每页查询只扫索引的10条，0回表。
- 内存：无需全量排序。
缺点：
- 用户不能跳页（比如从第1页直接跳到第100页）。
- 适合Feed流场景（如朋友圈、抖音），不适合后台管理系统。
方案2：二次查询法（黄金方案）
核心思想： 把分库分表的“大海捞针”，变成“精准狙击”！
实现步骤：
1. 第一轮查询：每张分片查缩小范围的数据
-- 每张分片查 (offset / 分片数量) + limit 条
SELECT create_time FROM orders
ORDER BY create_time DESC
LIMIT 166666, 10; -- 假设总offset=100万，分6个分片：100万/6 ≈ 166666
1.确定全局最小时间戳：
从所有分片结果中，找到最小的 create_time（比如 2023-09-20 08:00:00）。
2.第二轮查询：根据最小时间戳查全量数据
SELECT * FROM orders
WHERE create_time >= '2023-09-20 08:00:00'
ORDER BY create_time DESC
LIMIT 10;
优点：
- 避免全量数据排序，性能提升6倍。
- 支持跳页查询（如直接从100万页开始查）。
缺点：
- 需要两次查询，逻辑复杂。
- 极端情况下可能有误差（需业务容忍）。
方案3：ES+HBase核弹方案（王者方案）
核心思想： 让专业的人干专业的事！
- ES：负责海量数据搜索+分页（倒排索引碾压数据库）。
- HBase：负责存储原始数据（高并发读取无压力）。
架构图：
实现步骤：
- **写入时：**订单数据同时写MySQL（分库分表）、ES、HBase。
- 查询时：
GET /orders/_search
{
"query": { "match_all": {} },
"sort": [{"create_time": "desc"}],
"from": 1000000,
"size": 10
}
List<Order> orders = es.search(...); // 从ES拿到10个ID
List<Order> details = hbase.batchGet(orders); // 从HBase拿详情
- Step2：用ES返回的ID，去HBase批量查数据。
- Step1：用ES查分页（只查ID和排序字段）。
优点： - 分页性能碾压数据库，百万级数据毫秒响应。
- 支持复杂搜索条件（ES的强项）。
缺点： - 架构复杂度高，成本飙升（ES集群要钱，HBase要运维）。
- 数据一致性难保证（延迟可能秒级）。
面试怎么答？
1. 面试官要什么？
- 原理理解： 知道分库分表后翻页的痛点（数据分散、归并排序）。
- 方案灵活： 根据场景选方案（禁止跳页、二次查询、ES+HBase）。
- 实战经验： 遇到过真实问题，用过二次查询或ES。
2. 标准答案模板
分库分表后深度分页的难点在于全局排序和内存压力。
我们有三种方案：
- 禁止跳页： 适合C端Feed流，用连续查询代替跳页。
- 二次查询法： 通过两次查询缩小范围，适合管理后台。
- ES+HBase： 扛住亿级数据分页，适合高并发大厂场景。
在实际的场景中，订单查询需要支持搜索条件，我们最终用ES+HBase，性能从10秒降到50毫秒。”
加分的骚操作：
- 画架构图（分库分表+ES+HBase数据流向）。
- 给性能对比数据（ES分页 vs 数据库分页）。
- 提一致性解决方案（监听MySQL Binlog同步到ES）。
总结
分库分表后的深度分页，本质是 “分布式数据排序” 的难题。
- 百万以内数据： 二次查询法性价比最高。
- 高并发大厂场景： ES+HBase是唯一选择。
- 千万别硬刚：
LIMIT 1000000,10就是自杀式操作！
最后一句忠告：
面试被问分页，先拍桌子喊出“禁止跳页”，再掏出ES，面试官绝对眼前一亮！
本文改编自
- 京东二面：分库分表后翻页100万条，怎么设计？答对这题直接给P7！
- 《牛券oneCoupon优惠券系统设计》第21小节：优惠券分发失败记录深分页优化
如侵权，请联系删除
