MySQL用limit为什么会影响性能？

一、前言

首先说明一下Mysql的版本：

mysql> select version();
+-----------+
| version() |
+-----------+
| 5.7.17    |
+-----------+
1 row in set (0.00 sec)

表结构：

mysql> desc test;
+--------+---------------------+------+-----+---------+----------------+
| Field  | Type                | Null | Key | Default | Extra          |
+--------+---------------------+------+-----+---------+----------------+
| id     | bigint(20) unsigned | NO   | PRI | NULL    | auto_increment |
| val    | int(10) unsigned    | NO   | MUL | 0       |                |
| source | int(10) unsigned    | NO   |     | 0       |                |
+--------+---------------------+------+-----+---------+----------------+
3 rows in set (0.00 sec)

id为自增主键，val为唯一索引。

灌入大量的数据，共500万。

mysql> select count(*) from test;
+----------+
| count(*) |
+----------+
|  5242882 |
+----------+
1 row in set (4.25 sec)

我们知道，当limit offset rows中的offset很大时，会出现效率问题。

mysql> select * from test where val=4 limit 300000,5;
+---------+-----+--------+
| id      | val | source |
+---------+-----+--------+
| 3327622 |   4 |      4 |
| 3327632 |   4 |      4 |
| 3327642 |   4 |      4 |
| 3327652 |   4 |      4 |
| 3327662 |   4 |      4 |
+---------+-----+--------+
5 rows in set (15.98 sec)

为了达到相同的目的，我们一般会改写成如下语句：

mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id;
+---------+-----+--------+---------+
| id      | val | source | id      |
+---------+-----+--------+---------+
| 3327622 |   4 |      4 | 3327622 |
| 3327632 |   4 |      4 | 3327632 |
| 3327642 |   4 |      4 | 3327642 |
| 3327652 |   4 |      4 | 3327652 |
| 3327662 |   4 |      4 | 3327662 |
+---------+-----+--------+---------+
5 rows in set (0.38 sec)

时间相差很明显

为什么会出现上面的结果呢？

我们看一下select * from test where val = 4 limit 300000,5;的查询过程。

查询到索引叶子结点数据

根据叶子结点上的主键值去聚簇索引上查询需要的全部字段值。

类似下面这张图：

 

像上面这样，需要查询300005次索引节点，查询300005次聚簇索引的数据，最后再将结果过滤掉前300000条，取出最后的5条。mysql耗费了大量的随机io在查询聚簇索引的数据上，而又300000次随机io查询到的数据是不会出现在结果集当中的。

会有人问？

既然一开始是利用索引的，为什么不先沿着索引叶子结点查询到最后需要的5个结点，然后再去聚簇索引中查询实际数据。这样只需要5次的随机io，类似于下面的图片的过程：

 

 

证实：

下面我们实际操作一下来证实上述的推论；

为了证实select * from test where val = 4 limit 300000，5是扫描了300005个索引节点和300005个聚簇索引上的数据节点。

我们需要知道mysql有没有办法统计在一个sql中通过索引节点查询数据节点的次数，我先试了handler_read系列，很遗憾没有一个变量能满足条件。

可以通过间接的方式来证实。

lnnoDB中buffer  pool 。里面存有最近访问过的数据页，包括数据页和索引页，所以我们需要运行两个sql，来比较buffer pool中的数据页的数量。预测结果是运行

select * from test a inner join （select id from test where val = 4 limit 300000，5）b>之后，buffer pool中的数据页的数量远远少于

select * from test val = 4 limit 300000，5；对应的数量，因为前一个sql只访问了5次的数据页，而后一个sql访问300005次数据页。

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
Empty set (0.04 sec)

可以看出，目前buffer pool中没有关于test表的数据页。

mysql> select * from test where val=4 limit 300000,5;
+---------+-----+--------+
| id      | val | source |
+---------+-----+--------+
| 3327622 |   4 |      4 |
| 3327632 |   4 |      4 |
| 3327642 |   4 |      4 |
| 3327652 |   4 |      4 |
| 3327662 |   4 |      4 |
+---------+-----+--------+
5 rows in set (26.19 sec)

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
+------------+----------+
| index_name | count(*) |
+------------+----------+
| PRIMARY    |     4098 |
| val        |      208 |
+------------+----------+
2 rows in set (0.04 sec)

可以看出，此时buffer pool中关于test表有4098个数据页，208个索引页。

select * from test a inner join （select id from test where val = 4 limit 300000，5） b >为了防止上次实验的影响。

我们需要清空buffer pool，重启mysql

mysqladmin shutdown
/usr/local/bin/mysqld_safe &
mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
Empty set (0.03 sec)

运行sql：
mysql> select * from test a inner join (select id from test where val=4 limit 300000,5) b on a.id=b.id;
+---------+-----+--------+---------+
| id      | val | source | id      |
+---------+-----+--------+---------+
| 3327622 |   4 |      4 | 3327622 |
| 3327632 |   4 |      4 | 3327632 |
| 3327642 |   4 |      4 | 3327642 |
| 3327652 |   4 |      4 | 3327652 |
| 3327662 |   4 |      4 | 3327662 |
+---------+-----+--------+---------+
5 rows in set (0.09 sec)

mysql> select index_name,count(*) from information_schema.INNODB_BUFFER_PAGE where INDEX_NAME in('val','primary') and TABLE_NAME like '%test%' group by index_name;
+------------+----------+
| index_name | count(*) |
+------------+----------+
| PRIMARY    |        5 |
| val        |      390 |
+------------+----------+
2 rows in set (0.03 sec)

我们可以很明显的看出两者的差别：

第一个sql加载l4098个数据页到buffer pool，而第二个只加载了5个数据页到buffer pool。符合我们的预测，也证实了为什么第一个sql会变慢，读取了大量的无用数据行（300000），最后却抛弃掉。

而且会造成一个问题：加载了很多的热点不是很高的数据页到buffer pool，会造成buffer pool 的污染，占用buffer pool 的空间。

遇到的问题

为了在每次重启时确保清空buffer pool，我们需要关闭innoDB_buffer_pool_dump_at_shutdown和innodb_buffer_pool_load_at_startup,这两个选项能够控制数据库关闭时dump出buffer pool中的数据和在数据库开启时载入在磁盘上备份buffer pool的数据。