從一個(gè)問題說起
在剛工作的時(shí)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(jí)延遲，在第二次請(qǐng)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(shí)間復(fù)雜度是多少？”
小白直覺作答
當(dāng)時(shí)只知道MySQL索引使用的是樹，瞎猜了個(gè)O(logn)，心想二叉樹找一個(gè)節(jié)點(diǎn)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(huì)發(fā)現(xiàn)通過索引去找很別扭。因?yàn)槟悴恢狼皀個(gè)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(gè)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！select * from t_record where age > 10 offset 10000 limit 10
通過二級(jí)索引age，我們只能找到對(duì)應(yīng)的起始節(jié)點(diǎn)，但無法通過樹結(jié)構(gòu)過濾掉10000個(gè)節(jié)點(diǎn)，再獲取10個(gè)節(jié)點(diǎn)，因?yàn)槲覀儫o法知道某個(gè)子樹下有多少數(shù)據(jù)，就無法通過分支進(jìn)行排除。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(gè)由葉子節(jié)點(diǎn)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(diǎn)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(shí)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(shí)會(huì)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。這里推薦兩本書，一本《MySQL技術(shù)內(nèi)幕 InnoDB存儲(chǔ)引擎》，通過它可以對(duì)InnoDB的底層機(jī)制，如acid、mvcc、索引實(shí)現(xiàn)、文件存儲(chǔ)，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(jì)和優(yōu)化的思路，對(duì)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(huì)，MySQL就差不多能登堂入室了。針對(duì)我們的問題，這里介紹兩個(gè)相關(guān)的概念：如圖所示，offset會(huì)先從二級(jí)索引的鏈表順序找10000個(gè)節(jié)點(diǎn)。
注意，即使這10000個(gè)節(jié)點(diǎn)會(huì)被扔掉，MySQL也會(huì)通過二級(jí)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(huì)提出疑問，為什么MySQL會(huì)有這種行為？
這和它的優(yōu)化器有關(guān)系，也算是MySQL的一個(gè)大坑，時(shí)至今日，也沒有優(yōu)化。針對(duì)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(shí)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?cái)?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
1.能利用樹的分支結(jié)構(gòu)，過濾掉第n個(gè)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(jí)索引查找過程，性能會(huì)更高。1.使用場景其實(shí)是受限制的。比如，如果是針對(duì)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(gè)本身不應(yīng)該是業(yè)務(wù)層面關(guān)心的字段。
因?yàn)槲覀冞€有age做過濾條件，此時(shí)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(huì)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(diǎn)：
方案二：正面剛
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。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(duì)應(yīng)的數(shù)據(jù)庫唯一id值，因?yàn)橹麈I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(gè)主鍵id會(huì)去查詢聚簇索引，這樣只會(huì)十次隨機(jī)IO。在業(yè)務(wù)確實(shí)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。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(jí)索引上，只查找id，傳輸?shù)臄?shù)據(jù)包也變小。二級(jí)索引上還是會(huì)走下面的鏈表來遍歷，這部分時(shí)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(shí)由于合理分表的大小，一般也就500w，二級(jí)索引上O(n)的查找損耗，通常也在可接受范圍。從一個(gè)小問題，往下深究，不僅可以深入理解這個(gè)問題，在面試和工作中大放異彩，同時(shí)在探索的過程中，自身的知識(shí)儲(chǔ)備也能得到拓展，是技術(shù)的一個(gè)提升捷徑。
