• 如何优化limit


      limit 分页优化方法

       1.子查询优化法
       先找出第一条数据,然后大于等于这条数据的id就是要获取的数据
       缺点:数据必须是连续的,可以说不能有where条件,where条件会筛选数据,导致数据失去连续性
       实验下
        mysql> set profi=1;
       Query OK, 0 rows affected (0.00 sec)
       mysql> select count(*) from Member;
       +———-+
       | count(*) |
       +———-+
       |   169566 |
       +———-+
       1 row in set (0.00 sec)
       mysql> pager grep !~-
       PAGER set to ‘grep !~-‘
       mysql> select * from Member limit 10, 100;
       100 rows in set (0.00 sec)
       mysql> select * from Member where MemberID >= (select MemberID from Member limit 10,1) limit 100;
       100 rows in set (0.00 sec)
       mysql> select * from Member limit 1000, 100;
       100 rows in set (0.01 sec)
       mysql> select * from Member where MemberID >= (select MemberID from Member limit 1000,1) limit 100;
       100 rows in set (0.00 sec)
       mysql> select * from Member limit 100000, 100;
       100 rows in set (0.10 sec)
       mysql> select * from Member where MemberID >= (select MemberID from Member limit 100000,1) limit 100;
       100 rows in set (0.02 sec)
       mysql> nopager
       PAGER set to stdout
       mysql> show profilesG
       *************************** 1. row ***************************
       Query_ID: 1
       Duration: 0.00003300
          Query: select count(*) from Member
       *************************** 2. row ***************************
       Query_ID: 2
       Duration: 0.00167000
          Query: select * from Member limit 10, 100
       *************************** 3. row ***************************
       Query_ID: 3
       Duration: 0.00112400
          Query: select * from Member where MemberID >= (select MemberID from Member limit 10,1) limit 100
       *************************** 4. row ***************************
       Query_ID: 4
       Duration: 0.00263200
          Query: select * from Member limit 1000, 100
       *************************** 5. row ***************************
       Query_ID: 5
       Duration: 0.00134000
          Query: select * from Member where MemberID >= (select MemberID from Member limit 1000,1) limit 100
       *************************** 6. row ***************************
       Query_ID: 6
       Duration: 0.09956700
          Query: select * from Member limit 100000, 100
       *************************** 7. row ***************************
       Query_ID: 7
       Duration: 0.02447700
          Query: select * from Member where MemberID >= (select MemberID from Member limit 100000,1) limit 100
        从结果中可以得知,当偏移1000以上使用子查询法可以有效的提高性能。
       2.倒排表优化法
       倒排表法类似建立索引,用一张表来维护页数,然后通过高效的连接得到数据
       缺点:只适合数据数固定的情况,数据不能删除,维护页表困难
       3.反向查找优化法
       当偏移超过一半记录数的时候,先用排序,这样偏移就反转了
       缺点:order by优化比较麻烦,要增加索引,索引影响数据的修改效率,并且要知道总记录数
       ,偏移大于数据的一半
       引用
       limit偏移算法:
       正向查找: (当前页 – 1) * 页长度
       反向查找: 总记录 – 当前页 * 页长度
       做下实验,看看性能如何
       总记录数:1,628,775
       每页记录数: 40
       总页数:1,628,775 / 40 = 40720
       中间页数:40720 / 2 = 20360
       第21000页
       正向查找SQL:
       Sql代码
       SELECT * FROM `abc` WHERE `BatchID` = 123 LIMIT 839960, 40
       时间:1.8696 秒
       反向查找sql:
       Sql代码
       SELECT * FROM `abc` WHERE `BatchID` = 123 ORDER BY InputDate DESC LIMIT 788775, 40
       时间:1.8336 秒
       第30000页
       正向查找SQL:
       Sql代码
       1.SELECT * FROM `abc` WHERE `BatchID` = 123 LIMIT 1199960, 40
       SELECT * FROM `abc` WHERE `BatchID` = 123 LIMIT 1199960, 40
       时间:2.6493 秒
       反向查找sql:
       Sql代码
       1.SELECT * FROM `abc` WHERE `BatchID` = 123 ORDER BY InputDate DESC LIMIT 428775, 40
       SELECT * FROM `abc` WHERE `BatchID` = 123 ORDER BY InputDate DESC LIMIT 428775, 40
        时间:1.0035 秒
       注意,反向查找的结果是是降序desc的,并且InputDate是记录的插入时间,也可以用主键联合索引,但是不方便。
       4.limit限制优化法
       把limit偏移量限制低于某个数。。超过这个数等于没数据,我记得alibaba的dba说过他们是这样做的

  • 相关阅读:
    CSS之APP开发比较实用的CSS属性
    关于 js 中的 call 和 apply使用理解
    灵感一:搜索型APP,帮助读书爱好者,搜索某本书的关键字
    常用排序算法:基数排序
    常用排序算法:桶排序
    常用排序算法:计数排序
    常用排序算法:希尔排序
    常用排序算法:归并排序
    常用排序算法:堆排序
    常用排序算法:快速排序
  • 原文地址:https://www.cnblogs.com/hyfl/p/10883482.html
Copyright © 2020-2023  润新知