大家好，又见面了，我是你们的朋友全栈君。
目录
2 使用 id 限定优化（前提：id是连续递增，删除过记录不符合）
作者：bandaoyu 本文随时更新，地址：https://blog.csdn.net/bandaoyu/article/details/89844673
一、limit分页公式、总页数公式
1 limit分页公式
（1）limit分页公式：curPage是当前第几页；pageSize是一页多少条记录
limit (curPage-1)*pageSize,pageSize（2）用的地方：sql语句中
select * from student limit(curPage-1)*pageSize,pageSize;2 总页数公式
（1）总页数公式：totalRecord是总记录数；pageSize是一页分多少条记录
int totalPageNum = (totalRecord +pageSize - 1) / pageSize;（2）用的地方：前台UI分页插件显示分页码
（3）查询总条数：totalRecord是总记录数，SELECT COUNT(*) FROM tablename
二 、Mysql的三种分页方法
1 limit m,n分页语句（低效）
select * from dept order by deptno desc limit 3,3;
select * from dept order by deptno desc limit m,n;limit 3,3的意思扫描满足条件的3+3行，撇去前面的3行，返回最后的3行，那么问题来了，如果是limit 200000,200，需要扫描200200行，如果在一个高并发的应用里，每次查询需要扫描超过20W行，效率十分低下。
测试见：https://www.cnblogs.com/youyoui/p/7851007.html
例如：
select * from orders_history where type=8 limit 100,100;
select * from orders_history where type=8 limit 1000,100;
select * from orders_history where type=8 limit 10000,100;
select * from orders_history where type=8 limit 100000,100;
select * from orders_history where type=8 limit 1000000,100;耗时分别如下：
- 查询100偏移： 25ms
- 查询1000偏移： 77ms
- 查询10000偏移： 3128ms
- 查询100000偏移： 3812ms
- 查询1000000偏移：14608ms
2 limit m语句 （有局限）
select * from dept where deptno >10 order by deptno asc limit n;//下一页
select * from dept where deptno <60 order by deptno desc limit n//上一页这种方式不管翻多少页只需要扫描n条数据。
但是，虽然扫描的数据量少了，但是在某些需要跳转到多少页的时候就无法实现，这时还是需要用到方法1，既然不能避免，那么我们可以考虑尽量减小m的值，因此我们可以给这条语句加上一个条件限制。使得每次扫描不用从第一条开始。这样就能尽量减少扫描的数据量。
例如：每页10条数据，当前是第10页，当前条目ID的最大值是109，最小值是100.(当前100-109)
那么跳到第9页：
select * from dept where deptno<100 order by deptno desc limit 0,10; //倒序那么跳到第8页：
select * from dept where deptno<100 order by deptno desc limit 10,10;那么跳到第11页：
select * from dept where deptno>109 order by deptno asc limit 0,10;最后附上参考文档网址：http://www.open-open.com/doc/view/2bda32bf64864e8e965e91686f5309d4
原文：https://blog.csdn.net/HADEWOKE/article/details/53996110
注意：这个方法有个局限，就是需要deptno是连续的，也就是中间的记录不能有删除。（可以用删除标志代替真正的物理删除）
上面的方法还可以优化，见第三。
三、 查询优化
子查询优化原理：一次SQL查询优化原理分析（900W+数据，从17s到300ms） – 知乎
1 使用子查询优化
这种方式先定位偏移位置的 id，然后往后查询，这种方式适用于 id 递增的情况。
select * from orders_history where type=8 limit 100000,1;
select id from orders_history where type=8 limit 100000,1;
select * from orders_history where type=8 and
id>=(select id from orders_history where type=8 limit 100000,1)
limit 100;
select * from orders_history where type=8 limit 100000,100;
4条语句的查询时间如下：
- 第1条语句：3674ms
- 第2条语句：1315ms
- 第3条语句：1327ms
- 第4条语句：3710ms
针对上面的查询需要注意：
- 比较第1条语句和第2条语句：使用 select id 代替 select * 速度增加了3倍
- 比较第2条语句和第3条语句：速度相差几十毫秒
- 比较第3条语句和第4条语句：得益于 select id 速度增加，第3条语句查询速度增加了3倍
这种方式相较于原始一般的查询方法，将会增快数倍。
2 使用 id 限定优化（前提：id是连续递增，删除过记录不符合）
这种方式假设数据表的id是连续递增的，则我们根据查询的页数和查询的记录数可以算出查询的id的范围，可以使用 id between and 来查询：
select * from orders_history where type=2
and id between 1000000 and 1000100 limit 100;
查询时间：15ms 12ms 9ms
这种查询方式能够极大地优化查询速度，基本能够在几十毫秒之内完成。限制是只能使用于明确知道id的情况，不过一般建立表的时候，都会添加基本的id字段，这为分页查询带来很多便利。
还可以有另外一种写法：
select * from orders_history where id >= 1000001 limit 100;
当然还可以使用 in 的方式来进行查询，这种方式经常用在多表关联的时候进行查询，使用其他表查询的id集合，来进行查询：
select * from orders_history where id in
(select order_id from trade_2 where goods = 'pen')
limit 100;
这种 in 查询的方式要注意：某些 mysql 版本不支持在 in 子句中使用 limit。
3 使用临时表优化
这种方式已经不属于查询优化，这儿附带提一下。
对于使用 id 限定优化中的问题，需要 id 是连续递增的，但是在一些场景下，比如使用历史表的时候，或者出现过数据缺失问题时，可以考虑使用临时存储的表来记录分页的id，使用分页的id来进行 in 查询。这样能够极大的提高传统的分页查询速度，尤其是数据量上千万的时候。
四、关于数据表的id说明
一般情况下，在数据库中建立表的时候，强制为每一张表添加 id 递增字段，这样方便查询。
如果像是订单库等数据量非常庞大，一般会进行分库分表。这个时候不建议使用数据库的 id 作为唯一标识，而应该使用分布式的高并发唯一 id 生成器来生成，并在数据表中使用另外的字段来存储这个唯一标识。
使用先使用范围查询定位 id （或者索引），然后再使用索引进行定位数据，能够提高好几倍查询速度。即先 select id，然后再 select *；
五、欢迎大家提出错误和新方案
欢迎大家指出错误、隐患、缺陷或提出补充、更好的方案，相互探讨。
@UESTC
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/138298.html原文链接：https://javaforall.net
