大数据量的分页查询优化方案

本文探讨了大数据量下分页查询的效率问题,通过对比不同查询策略,提出了使用id定位和id范围查询的方法,显著提高了查询速度。

大数据量的分页查询优化方案

背景

随着业务发展越来越快,原来的数据从几万突破到几百万,分页的查询策略是否需要调整一下?

数据准备

1、表名:order_history
2、描述:某个业务的订单历史表
3、主要字段:unsigned int id,tinyint(4) int type
4、字段情况:该表一共37个字段,不包含text等大型数据,最大为varchar(500),id字段为索引,且为递增。
5、数据量:5709294
6、MySQL版本:5.7.16

select count(*) from orders_history;

返回结果:5709294

三次查询时间分别为:
◾8903 ms
◾8323 ms
◾8401 ms

一般我们会这么做

select * from orders_history where type=8 limit 1000,10;
select * from orders_history where type=8 order by id limit 10000,10;

三次查询时间分别为:
◾3040 ms
◾3063 ms
◾3018 ms

针对这种查询方式,下面测试查询记录量对时间的影响:

select * from orders_history where type=8 limit 10000,1;
<
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值