作者：菩提樹下的楊過
出處：https://www.cnblogs.com/yjmyzz/p/12149737.html
當業務資料達到一定量級(比如：mysql單表記錄量>1千萬)后，通常會考慮“分庫分表”將資料分散到不同的庫或表中，這樣可以大大提高讀/寫性能，但是問題來了，對于 select * from table limit offset , pagesize 這種分頁方式，原來一條陳述句就可以簡單搞定的事情會變得很復雜，本文將與大家一起探討分庫分表后"分頁"面臨的新問題，
一、分表對分頁的影響
比如有一張表，里面有8條記錄(為簡單起見，假設該表上只有1個自增ID），數學上可以抽象成1個(有序)數列(注：為方便討論，不加特殊說明的情況下，文本中數列的順序，均指升序)
(1，2，3，4，5，6，7，8)
如果要取出上面紅色標識的2,3這二條記錄，limit 1,2 就行了，
現在假如分成2張表（即：原來的數列，拆分成2個非空子數列），一般來講，有二種常用分法：
1.1 分段法（比如：有時間屬性的資料，類似訂單這種，可以按下單時間拆分，每個月1張表）
(1，2，3，4)
(5，6，7，8)
沿用之前的limit x,y的思路，每個分表上 limit 1,2，會得到如下2個子數列：
(2，3)
(6，7)
然后在記憶體中合并排序，再取前2條 (2，3，6，7) => (2，3) ，貌似看上去也符合預期（這個思路也稱為歸并），但這只是假象，當要取的分頁資料落在不同的子數列上時，就能發現問題：
(1，2，3，4，5，6，7，8) 比如，我們要從4個位置開始，連續取2個元素，即: limit 3,2
(1，2，3，4) => limit 3,2 =>(4)
(5，6，7，8) => limit 3,2 =>(8)
最后合并出來的結果是(4，8) 與正確結果 (4，5)相比，顯然不對，
1.2 模余均攤法（比如：欄位值對2取模求余數，根據余數決定分到哪個表，該方法也簡稱為取余法）
(1，3，5，7)
(2，4，6，8)
歸并排序的思路在分段法上行不通，對于取模均攤同樣也不行，仍以 limit 1,2為例，原始序列取出來的結果是(2，3)，如果用歸并的思路：
(1，3，5，7)=> limit 1,2 =>(3 ,5)
(2，4，6，8)=> limit 1,2 =>(4, 6)
記憶體合并排序后，取前2個，最終結果為(3 , 4)
結論：不管分庫分表采用什么分法，簡單歸并的思路，都無法正確解決分頁問題，
二、全域法(limit x+y)
反思一下剛才的歸并思路，本質上我們在每個子數列（即：分表）上limit x,y 時，取出來的資料就有可能已經產生缺失了，網上有一篇廣為流轉的文章"業界難題-跨庫分頁”，作者在文中提出了一個方案：把范圍擴大，分表sql上的limit x,y 變成 limit 0, x+y ，這樣改寫后，相當于分表中把"每頁最后一條資料"之前的所有資料全都取出來了（當然：這里面可能會有不需要的多余資料)，然后記憶體中合并在一起，再取x偏移量后的y條資料，
用前面的例子驗證一下：
原序列：(1，2，3，4，5，6，7，8)，需要取出limit 1,2 ，即：(2，3)
2.1 按分段法拆成2段：
(1 , 2 , 3 , 4) => limit 1,2 =>改寫成 limit 0, 1+2 => (1，2，3)
(5 , 6 , 7 , 8) => limit 1,2 =>改寫成 limit 0, 1+2 => (5，6，7)
將子數列合并排序=> { 1，2，3，5，6，7} => 按原始偏移量 limit 1,2 =>{2，3} 正確
如果原數列中要取的資料，正好落在2個子數列上(1，2，3，4，5，6，7，8)，需要取出limit 3,2 ，即：(4，5)
(1 , 2 , 3 , 4) => limit 3,2 =>改寫成 limit 0, 3+2 => (1，2，3，4)
(5 , 6 , 7 , 8) => limit 3,2 =>改寫成 limit 0, 3+2 => (5，6，7，8)
將子數列合并排序=> (1，2，3，4，5，6，7，8) => 按原始偏移量 limit 3,2 => (4，5) 也符合預期，
2.2 取模均攤拆成2段
(1，3，5，7) => limit 1,2 ->改寫成 limit 0, 1+2 => (1，3 ，5)
(2，4，6，8) => limit 1,2 ->改寫成 limit 0, 1+2=> (2，4，6)
將子序列合并=> (1，2，3，4，5，6) => 按原始偏移量 limit 1,2 =>(2，3) 正確
該方法缺點也很明顯：取出的記錄太多了，比如 limit 10000000,10 -> 改寫后變成 limit 0, 10000010 遇到海量資料，mysql中查詢有可能直接超時，這么多資料從db傳到應用層，網路開銷也很大，更不用說如果是java應用，大量資料放到List或Map中，容易出現OOM，(注：一般情況下，需要用分庫分表的場景，資料量必然很大，所以這個方法，實際中基本上沒法用)
另外，MySQL 系列面試題和答案全部整理好了，微信搜索?Java技術堆疊，在后臺發送：面試，?可以在線閱讀，
三、二次查詢法
這也是"業界難題-跨庫分頁”一文中提到的一個方法，大致思路如下：在某1頁的資料均攤到各分表的前提下(注：這個前提很重要，也就是說不會有一個分表的資料特別多或特別少)，換句話說：這個方案不適用分段法，按如下步驟操作：
1）原sql中的limit offset,pagesize 改寫成 limit offset/n ,pagesize (注：n為分表個數，如果offset/n除不盡，向下取整，避免最后的結果丟資料）-- 這個的意思，其實就是假設原表這一頁的資料，會均分到各個分表(所以，我一再強調，前提是資料是均攤的，如果某個分表的記錄很少，極端情況下，甚至是空的，這個就不對了，最終結果會少資料)
2）分表上，執行改寫后的sql，得到一堆結果集，然后找出這堆結果中的最小id (假設id是關鍵的排序欄位)，記為min_id -- 這一步的目的，是為了找出最小的起始點，保證第1頁資料起點正確，
3）各分表上的sql，where條件部分改寫成 id between min_id and origin_max_id (注：origin_max_id為上一步，每個分表查詢結果集中的最大值，顯然min_id=自身最小id的那張分表，不用再重復查詢) -- 這一步的目的在于，因為步驟1）查出來的結果，通常會比原表上該頁的資料少，所以這里重新將起始點設定到正確的位置，即：min_id，再查1次，相當于范圍擴大了，以保證資料不會丟，不過，這里有一個可優化的地方，仔細想想，這1次查詢出來的結果，跟步驟1）中的查出來的結果，必然有一部分是重復的，因此改寫部分，只需要 id between min_id and origin_min_id就可以了(origin_min_id 即為原來分表結果上的最小id)
4）將上一步查詢出來的結果，在記憶體中合并排序去重（注：如果上一步采用了優化方案，就應該是把1）與3）這二次查詢的結果全取出來合并排序去重），然后從開始連續取pagesize條資料即可（注：offset/n除不盡的話，向下取整了，也就是起始點可能向前多移了，所以有可能開始的第1條記錄，其實是上1頁的最后1條記錄，要追求精確的話，可以在應用層記錄上一頁最后1條記錄的id，然后跟本次查詢結果前1條記錄對比，如果發現是一樣的，開始取資料的位置，就要向后移1位，如果考慮id有重復的話，就要根據情況多移幾位）
驗證一下看看效果：
場景1（前提：取余法）
原序列：(1，2，3，4，5，6，7，8)，需要取出limit 2,2 ，即：(3，4)
第1次查詢
(1，3，5，7) -> limit 2,2 -> 改寫成 limit 1,2 -> (3，5)
(2，4，6，8) -> limit 2,2 -> 改寫成 limit 1,2 -> (4，6)
最小值為3
第2次查詢
(1，3，5，7) -> between 3 and 5 -> (3，5)
(2，4，6，8) -> between 3 and 6 -> (4，6)
將第2次查詢的結果合并：
(3，4，5，6) ->取頭開始，取pageSize即2個元素 -> (3，4) 正確
-----------------------------------------------------
場景2（前提：取余法）
原序列：(1，2，3，4，5，6，7，8)，需要取出limit 1,2 ，即：(2，3)
第1次查詢
(1，3，5，7) -> limit 1,2 -> 改寫成 limit 0,2 -> (1，3) --注：因為1/2除不盡，這里向下取整了
(2，4，6，8) -> limit 1,2 -> 改寫成 limit 0,2 -> (2，4)
最小值為1
第2次查詢
(1，3，5，7) -> between 1 and 3 -> (1，3)
(2，4，6，8) -> between 1 and 4 -> (2，4)
將上面的結果合并：
(1，2，3，4) -> (2，3) (注：起始點，第1次查詢改寫時，向下取整了，所以這里要向移1位，從第2個數字開始取pagesize條資料)
--------------------------------------------------------
場景3（前提：分段法）
為什么說分段法，這個方案不適用，可以看下面的分析：
原序列：(1，2，3，4，5，6，7，8)，需要取出limit 2,2 ，即：(3，4)
第1次查詢
(1，2，3，4) -> limit 2,2 -> limit 1,2 -> {2，3} --注：這里就已經把正確的資料給丟掉了
(5，6，7，8) -> limit 2,2 -> limit 1,2 -> {5，6} --注：這一段里根本就沒有這一頁的資料
最小值2
第2次查詢
(1，2，3，4) -> between 2 and 3 -> {2，3}
(5，6，7，8) -> between 2 and 6 -> {5，6}
(2，3，5，6) -> (2，3) 這個跟預期結果就對不上了，
-------------------------------------------------------
場景4（前提：取余法）
取余法的前提下，如果某個分表的資料，被清掉一部分，也就是某個分表資料偏少，會發生什么？
比如下面這個，按奇數、偶數分成2個子序列，但是偶數故意洗掉了幾個（相當于現實業務中，這個分表上的資料被干掉了一部分）
原序列：(1，3，5，6，7，8，9，11)，需要取出limit 2,2 ，即：(5，6)
第1次查詢
(1，3，5，7，9，11) -> limit 2,2 -> 改寫成limit 1,2 -> (3，5)
(6，8) -> limit 2,2 -> 改寫成limit 1,2 -> (8)
第2次查詢
(1，3，5，7，9，11) -> between 3 and 5 -> (3，5)
(6，8) -> between 3 and 8 -> (6，8)
合并后
(3，5，6，8) -> (3，5) 這跟預期結果也對不上，
四、禁止跳頁
相當于只允許向上或向下翻頁，原理很簡單，比如：下一頁，先記錄上一頁的最大id，然后下一頁時，只需要 where id > 上一頁最大id limit pagesize， 每次只翻1頁，顯然，這是一個犧牲用戶體驗的做法，
結論：分表分頁不存在一個通用的解決方案，要么性能有問題（比如:全域法 limit x+y），要么必須具備一定的前提條件(比如：二次查詢)，或者產品設計上犧牲用戶體驗，仍然是一個業內難題，
參考文章：
https://juejin.im/post/5d1f52e46fb9a07eb3099bbf
https://shardingsphere.apache.org/document/current/cn/features/sharding/use-norms/pagination/
https://stackoverflow.com/questions/3927537/how-do-you-implement-sorting-and-paging-on-distributed-data
http://kmiku7.github.io/2019/08/01/Do-Pagination-With-Table-Database-Sharding/
https://segmentfault.com/a/1190000013225860
https://mp.weixin.qq.com/s/h99sXP4mvVFsJw6Oh3aU5A
本文著作權歸作者和博客園共有，歡迎轉載，但未經作者同意必須保留此段宣告，且在文章頁面明顯位置給出原文連接，否則保留追究法律責任的權利，
近期熱文推薦：
1.1,000+ 道 Java面試題及答案整理(2021最新版)
2.別在再滿屏的 if/ else 了，試試策略模式，真香！！
3.臥槽！Java 中的 xx ≠ null 是什么新語法？
4.Spring Boot 2.5 重磅發布，黑暗模式太炸了！
5.《Java開發手冊（嵩山版）》最新發布，速速下載！
覺得不錯，別忘了隨手點贊+轉發哦！
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/308988.html
標籤：Java
下一篇：JAVA 考試系統模塊設計方案