牛牛六年前剛工作的時候，發(fā)現(xiàn)分頁場景下，當(dāng)offset變大，MySQL處理速度非常慢！具體sql如下： 

select * from t_record where age > 10 offset 10000 limit 10 

下表所示為表t_record結(jié)構(gòu)，為了簡單起見，只列了我們將討論的字段，其余字段省略。

其中t_record是要查詢的數(shù)據(jù)表，表中一共有50000條記錄，age字段上有索引，且age>10的記錄有20000條。

這條語句非常慢，基本達(dá)到了秒級延遲，在第二次請求有緩存之后，才變快。

在數(shù)據(jù)量這么少的情況下，走索引還這么慢，這完全不能接受，我就問我導(dǎo)師為什么，他反問“索引場景，MySQL中獲得第n大的數(shù)，時間復(fù)雜度是多少？”

答案的追尋

小白直覺作答

當(dāng)時只知道MySQL索引使用的是樹，瞎猜了個O(logn)，心想二叉樹找一個節(jié)點不就是O(logn)么。自然而然，導(dǎo)師白了一眼，讓我自己去研究。

繼續(xù)解答

想來想去...只能從底層結(jié)構(gòu)分析了，MySQL的索引是B+樹。仔細(xì)想一下，就會發(fā)現(xiàn)通過索引去找很別扭。因為你不知道前n個數(shù)在其他子樹的分布情況，也沒有標(biāo)記讓你能快速選擇去哪個子樹尋找，我們無法利用B+樹分支過濾的查找特性。

這下我明白導(dǎo)師的用意了——offset n，就是從第n大的數(shù)開始找！第n大的數(shù)沒法使用樹分支查找，所以offset，也不能！

回到我們一開始的問題： 

select * from t_record where age > 10 offset 10000 limit 10 

通過二級索引age，我們只能找到對應(yīng)的起始節(jié)點，但無法通過樹結(jié)構(gòu)過濾掉10000個節(jié)點，再獲取10個節(jié)點，因為我們無法知道某個子樹下有多少數(shù)據(jù)，就無法通過分支進(jìn)行排除。

那該怎么辦呢？

我們來仔細(xì)看下B+樹的結(jié)構(gòu)，它不光有常規(guī)樹的分支結(jié)構(gòu)，底部還有一個由葉子節(jié)點組成鏈表。

顯而易見，最方便最快的方式，就是用樹定位到起始位置，然后直接通過葉子節(jié)點組成的鏈表，以O(shè)(n)的復(fù)雜度找到第n大的數(shù)據(jù)。

回到我們最初的問題，總結(jié)一下：問題的本質(zhì)其實就是讓offset找到第n大的數(shù)，再通過鏈表遍歷，在數(shù)據(jù)量很大的情況下，確實會慢。

但是即使是O(n)，也不至于僅有幾萬數(shù)據(jù)就慢得令人發(fā)指。

是不是還有其他影響因素？

系統(tǒng)學(xué)習(xí)

牛牛決定深入研究，帶著問題去查找了很多資料。

這里推薦兩本書，一本《MySQL技術(shù)內(nèi)幕 InnoDB存儲引擎》，通過它可以對InnoDB的底層機(jī)制，如acid、mvcc、索引實現(xiàn)、文件存儲，有更深的理解。

第二本是《高性能MySQL》，這本書從使用層面著手，講得比較深入，并提到了很多設(shè)計和優(yōu)化的思路，對日常工作和學(xué)習(xí)都有很大的幫助。

兩本書相結(jié)合，反復(fù)領(lǐng)會，MySQL就差不多能登堂入室了。

針對我們的問題，這里介紹兩個相關(guān)的概念：

聚簇索引：包含主鍵索引和對應(yīng)的實際數(shù)據(jù)，索引的葉子節(jié)點就是數(shù)據(jù)節(jié)點；

輔助索引：也叫二級節(jié)點，其葉子節(jié)點還是索引節(jié)點，并沒有完整的數(shù)據(jù)，僅包含了索引值本身和主鍵id，用主鍵id反查聚蔟索引才能獲取完整數(shù)據(jù)。

如圖所示，offset會先從二級索引的鏈表順序找10000個節(jié)點。

注意，即使這10000個節(jié)點會被扔掉，MySQL也會通過二級索引上的主鍵id，去聚簇索引上查一遍數(shù)據(jù)，這可是10000次隨機(jī)IO，自然慢成哈士奇。

大家讀到這里可能會提出疑問，為什么MySQL會有這種行為？

這和它的優(yōu)化器有關(guān)系，也算是MySQL的一個大坑，時至今日，也沒有優(yōu)化。

問題的解決

針對分頁性能問題，《高性能MySQL》中提到了兩種方案，讓我們一起來看看：

方案一：產(chǎn)品上繞過

根據(jù)業(yè)務(wù)實際需求，看能否替換為上一頁、下一頁的功能，這樣子就可以通過和上次返回數(shù)據(jù)進(jìn)行比較，搭上樹分支過濾的便車。

特別在ios，android端，以前那種完全的分頁是不常見的。即轉(zhuǎn)換為如下sql，第一次last_id傳0即可。

select * from t_record where id > last_id  limit 10 

優(yōu)點

1.能利用樹的分支結(jié)構(gòu)，過濾掉第n個數(shù)之前的數(shù)據(jù)集；

2.直接通過主鍵索引查找，省略了二級索引查找過程，性能會更高。

缺點

1.使用場景其實是受限制的。比如，如果是針對age字段有條件判斷，再分頁，那么使用主鍵id查找就不滿足需求；

2.把主鍵id暴露出去了，這個本身不應(yīng)該是業(yè)務(wù)層面關(guān)心的字段。

可以看到，該方案在我們的場景中，是不適用的。

因為我們還有age做過濾條件，此時用大于主鍵id的方式，雖然看起來變成順序IO了，但由于是根據(jù)主鍵id排列來尋找，而不是根據(jù)需要的age索引，所以會導(dǎo)致MySQL去查更多的數(shù)據(jù)。雖然不符合我們案例的需求，但還是來看看優(yōu)缺點：

方案二：正面剛

這里先介紹一個概念：

索引覆蓋：當(dāng)輔助索引查詢的數(shù)據(jù)只有主鍵id和輔助索引本身，那么就不必再去查聚簇索引。

思路如下： 

select * from t_record id in  
(select id from t_record where age > 10 offset 10000 limit 10） 

這句話是說，先從條件查詢中，查找數(shù)據(jù)對應(yīng)的數(shù)據(jù)庫唯一id值，因為主鍵在輔助索引上就有，所以不用回歸到聚簇索引的磁盤上拉取。

如此以來，offset部分均不需要去反查聚蔟索引，只有l(wèi)imit出來的10個主鍵id會去查詢聚簇索引，這樣只會十次隨機(jī)IO。

在業(yè)務(wù)確實需要用分頁的情況下，使用該方案可以大幅度提高性能。通常能滿足性能要求。

優(yōu)點

1.維持了分頁需求，適用所有l(wèi)imit offset場景，大大減少隨機(jī)IO，提高了性能；

2.二級索引上，只查找id，傳輸?shù)臄?shù)據(jù)包也變小。

缺點

二級索引上還是會走下面的鏈表來遍歷，這部分時間復(fù)雜度還是O(n)。

方案選型

如果產(chǎn)品本身的需求，是分上下頁，且沒用其他過濾條件，可以用方案一。

方案二更具有普適性，同時由于合理分表的大小，一般也就500w，二級索引上O(n)的查找損耗，通常也在可接受范圍。

總結(jié)

從一個小問題，往下深究，不僅可以深入理解這個問題，在面試和工作中大放異彩，同時在探索的過程中，自身的知識儲備也能得到拓展，是技術(shù)的一個提升捷徑。祝大家工作順利，牛牛碼特！